笔者：整理2016-2017年ACL、EMNLP、SIGIR、KDD、CIKM、WWW等国际知名会议中实体关系推理与知识图谱补全的相关论文，供自然语言处理研究人员，尤其知识图谱领域的学者参考，如有错误理解之处请指出，不胜感激！（如需转载，请联系本人：jtianwen2014，并注明出处）
ACL 2016
Unsupervised Person Slot Filling based on Graph Mining
作者：Dian Yu, Heng Ji
机构：Computer Science Department, Rensselaer Polytechnic Institute
本文的任务为槽填充（Slot Filling），即从大规模的语料库中抽取给定实体（query）的被明确定义的属性（slot types）的值（slot fillers）。对于此任务，本文叙述目前主流的方法可以分为两类：有监督的分类方法，设计分类器识别给定的实体与值所属的关系类型，分类器的训练往往使用如活动学习、利用距离监督的噪声标注等方法；模式匹配方法，从文本中自动或半自动地抽取和生成词法或句法的模式，以用于关系的抽取，但因为关系所表述的方式千差万别，这种模式匹配方法无法拥有较好的召回率。
本文认为，以上两类方法都无法很好的应对新的语言或是出现新的关系类型的情况，即移植性不强；而且，两种方法都只是专注于实体和候选值之前的平坦表示，并没有考虑到它们之间的全局结构关系，以及语句中其他的关系事实的影响。本文重要的算法思想基于以下两个观察：
