【摘 要】群体知识图谱是指通过群体协作，以去中心化或分布式方式管理和维护的知识图谱。相比现有的集中式管理的知识图谱，群体知识图谱具备知识确权、隐私保护、众包激励、可信溯责等特点。尝试探讨构建或应用群体知识图谱平台面临的技术挑战。其中分布式知识迁移考虑在一个分散自治的框架下，通过实现不同来源的多个知识图谱之间的知识迁移，缓解单个知识图谱的知识不完备问题。其主要难点是在充分保护知识的自治所有权的前提下，尽可能共享有用的知识，以增强各自的知识图谱表示。联邦式图谱推理也是考虑在一个分布式环境下，通过联邦学习机制实现隐私保护前提下的知识图谱推理。在分布式知识迁移中，强调在关系集合互相重叠的知识图谱间迁移与实体无关的知识；而在联邦式图谱推理中，强调在多个实体集合互相重叠的知识图谱间共同学习更好的实体嵌入表示。针对这两个问题分别进行模型设计及实验验证。
【关键词】 群体知识图谱 ; 联邦学习 ; 知识迁移
0 引言
知识图谱（knowledge graph，KG）旨在用图的形式描述客观世界的实体、概念、事件及其之间的关系。实体是客观世界中的具体人物或事物，如篮球运动员姚明、浙江大学等。概念是指人对世界万物的主观概念抽象，如运动员、高等学校等。事件是指客观事物发生的行为及活动，如股价波动、机构兼并等。关系描述实体、概念、事件之间存在的关联关系，如张三毕业于浙江大学、大学是高等学校等。
知识图谱的发展历史源远流长，从经典人工智能阶段的知识工程，到互联网时代的语义Web，再到当下很多领域构建的数千亿级别的现代知识图谱。知识图谱在语义搜索、智能问答、推荐计算、语言理解、大数据分析、设备物联等领域都有广泛应用。
尽管知识图谱技术取得了飞速进步，但其仍面临众多挑战。知识图谱强调将分散的碎片化数据相互关联、链接和融合。即使在单一的企