随着人工智能领域逐步从感知智能向认知智能时代迈进,作为认知智能基础支撑的知识图谱在近年来受到学术界以及产业界的广泛关注与研究。尽管知识图谱有关技术实现了跨越式发展,但由于知识图谱中存在海量的事实三元组,同时三元组条目间的拓扑结构十分复杂,因此,如何准确且高效地从海量知识中检索出用户所需的信息仍然充满挑战。为链接终端用户与智能信息系统以实现从知识图谱中检索信息,知识图谱问答方法被出,其目的是理解用户所出的自然语言问题,并从知识图谱中精确检索出相应实体或属性值作为答案返回给用户。本文重点关注多跳知识图谱问答任务,多跳问题是指需要由不少于两个首尾相连的三元组所构成的路径才能回答的问题。现有工作在处理该任务时面临如下四点挑战。（1）模型可解释性较弱,即由于神经网络的黑箱性质,导致模型无法给出中间推理过程。（2）依赖强监督信号,即在训练过程中需要已知中间推理步骤。（3）假推理路径,即模型沿着错误的推理路径,偶然地到达了正确的答案节点。（4）知识图谱稀疏性,即虽然知识图谱规模庞大,但仍遭遇严重的不完整性与不充分性,直接将现有方法应用到稀疏知识图谱场景下会造成性能显著下降。本文工作围绕上述四点问题展开研究,特别地,增强模型可解释性将贯穿于本文出的所有方法中。为此,本文制定如下研究工作:1.基于强化学习的弱监督多跳知识图谱问答方法。此研究工作关注模型可解释性弱、强监督信号问题。出于标注数据的成本考虑,多跳知识图谱问答数据集通常仅标记出最终答案实体,而未给出中间推理过程。为使模型具备弱监督训练的能力,并增加必要的可解释性,此研究工作遵循强化学习技术路线,将知识图谱问答视作序列决策过程,并设计基于策略的强化学习智能体循序地扩展推理路径。然而,弱监督训练将导致强化学习方法面临两点主要挑战:（i）无目的探索。（ii）延迟与稀疏奖励。为解决上述挑战,此研究工作将潜在目标实体的向量表示作为预知信息注入到强化学习框架的环境状态中,以避免智能体无目的探索。此外,受到奖励塑形机制的启发,此研究工作还将零一奖励替换成软奖励,即为智能体分配额外奖励,使奖励信号更为稠密。实验结果表明,该项研究工作即便是以弱监督方式进行训练,但仍然能达到优异的预测性能。2.基于对抗强化学习的多跳知识图谱问答方法。此研究工作关注假推理路径问题。假路径尽管能到达正确答案节点上,但错误的推理路径违背了问题的真实意图。造成假路径问题的原因在于:（i）由于知识图谱规模巨大,假路径的数目要远多于正确路径。（ii）奖励函数仅考虑智能体是否最终到达正确答案实体,而不关注中间推理路径是否正确。为解决假路径问题,此研究工作受到对抗学习的启发,并设计一个路径鉴别器和一个答案生成器。路径鉴别器用于判别推理路径是否正确,其输出的反馈信号被用于指导答案生成器沿正确路径推断答案实体。与此同时,答案生成器不断为路径鉴别器供高质量负样本,路径鉴别器借助这些愈加难以判断的负例,不断升自身判别能力。两模块以对抗学习方式进行训练,二者不断促进相互升。实验结果表明,该项研究工作在答案预测Hits@1以及推理路径准确率上要显著优于传统强化学习方法。3.基于多智能体协作学习的稀疏知识图谱问答方法。此研究工作关注知识图谱稀疏性问题。为缓解该问题,现有文本增强方法以及隐推理方法被出。尽管上述两类方法取得了有竞争力的性能表现,但存在可解释性较差或依赖主题实体到答案实体间最短路径的问题。为此,该项研究工作期望从外部语料中抽取文本形式三元组以补充稀疏知识图谱,从而增加图结构稠密程度。为过滤掉文本语料中大量噪音且不相关的信息,此研究工作设计一个辅助智能体（即证据抽取器）用以在每一时刻筛选出高置信度的文本形式动作,并动态地补充原始知识图谱动作空间。而主智能体（即路径生成器）为联合动作空间中的每个候选动作计算概率,并执行最合适的动作以扩展推理路径。此外,为增加智能体获得正向奖励的概率,该研究设计了基于束搜索的动作选择机制用于在训练阶段维护多条推理路径,并应用自适应采样策略增加包含文本形式动作的推理路径被执行的优先级。通过与外部环境进行交互,证据抽取器与路径生成器协作执行最优动作,并最大化各自的期望奖励。实验结果表明,利用辅助文本语料能有效缓解知识图谱稀疏性造成的影响,并且该项研究工作在不同知识图谱稀疏程度下均实现了良好的性能。