摘要
图神经网络（GNNs）因其内在能力，已成为知识图谱（KGs）建模图结构数据的强大范式。然而，目前缺乏关于GNN基础方法在整个知识图谱技术流程中的系统评审。为了解决这一问题，本文首先提出了一种新颖的两级分类框架：KG技术流程和基于GNN的视角。
具体而言，知识图谱技术流程涵盖了知识图谱的构建、嵌入、推理及应用。同时，基于GNN的视角对知识图谱技术进行了新的分类，涉及GNN模型，如GCN、GAT和HGNN。接着，我们根据知识图谱生命周期中不同任务的特点，分析了GNN技术的优势。
此外，我们详细回顾了各种基于GNN的知识图谱模型，并总结了它们的优缺点。最后，我们讨论了尚未解决的挑战，并概述了未来研究的有希望方向。
博主点评： 本文为知识图谱与图神经网络的结合提供了系统的框架与深入的分析，尤其是在分类和模型评审方面，具有重要的学术价值和实用意义。随着知识图谱的应用日益广泛，GNN的优势将更加突显，值得持续关注。