常毅教授指导的2018级硕士研究生杨霞同学的论文"On Cost-Effective Knowledge Graph Reasoning for Complex Factoid Questions"被B类清华大学计算机学科推荐学术会议IJCNN’2021接收。杨霞本科就读于伟德bevictor中文版计算机科学与技术学院，2018年进入常毅教授课题组攻读硕士研究生，从事自然语言处理与知识图谱领域的研究工作。本论文与新西兰奥克兰大学Meng-Fen Chiang教授以及美国宾夕法尼亚州立大学Wang-Chien Lee教授合作完成。
第一作者：杨霞
论文题目：On Cost-Effective Knowledge Graph Reasoning for Complex Factoid Questions
会议名称：International Joint Conference on Neural Networks (IJCNN 2021)
会议时间：July 18-22, 2021, Shenzhen, China.
会议背景：The annual International Joint Conference on Neural Networks (IJCNN)，国际神经网络联合大会，是由国际神经网络协会及IEEE计算智能协会联合主办的神经网络领域的国际学术会议，神经网络方面最重要的会议。
论文简介：现有的大多数关于多跳知识图谱推理问答的研究工作都将推理轨迹假定为线性链，然而在实际应用中，问题可能与知识图谱中的各种结构相关联，从而在研究事实型问答任务时面临问题复杂性和推理效率的问题。本文提出了两种证据检索策略，以生成具有高度语义相关性和事实覆盖范围的简明知识图谱子图——证据图，通过对证据图进行推理来预测问题的答案，通过实验结果表明，本文提出的基于知识图谱的新型推理方法在真实的数据集中可有效提高问答任务的推理准确性和计算效率。
