基本简介：
知识图谱补全通常定义为“三元组分类”或“链接预测”任务。首先，一条知识在知识图谱中通常由三元组表示：“头实体，关系，尾实体”。三元组分类即对于给定的三元组，预测其正确的概率。而链接预测则是对于三元组中缺失的某个元素加以补全。由此可见，链接预测可以转换为三元组分类任务，它们都可以对不存在于当前知识图谱中的“新知识”做出预测。
InfoBox：
中文名：知识图谱补全
外文名：Knowledge Graph Completion
简写：KGC
学科：人工智能
实质：利用知识图谱中已有的知识（包括结构和属性等）经过推断得到新的知识。
背景与动机：
近年来，研究者们构建了各种各样的大规模的知识图谱，如Wikidata[1]、YAGO[2]等。虽然它们已经在多个领域取得了显著的成绩，但是在实际应用中，知识覆盖率不足一直是一个令人头疼的问题。那么，如何在已有知识中通过学习得到新的知识，从而对知识图谱进行补全，成为了一种有效手段。并且，在学习的过程中，知识图谱补全检验了模型的推理能力。如图1所示，实线表示已有知识，虚线表示预测的新知识。可以看到，模型从已有知识（贝多芬，职业，钢琴家）和（贝多芬，乐器，钢琴）中归纳出可靠的规则：钢琴家的乐器是钢琴，再通过（Bob，职业，钢琴家）演绎出新知识（Bob&#x