知识图谱推理 （KG） 在知识图谱完成或问答系统中起着举足轻重的作用，提供更丰富、更准确的三元组和属性。随着数字属性在描述 KG 中的实体和关系中变得越来越重要，对这些属性进行推理的能力变得越来越重要。现有的基于图的方法，如图神经网络 （GNN） 和知识图嵌入 （KGE），主要侧重于聚合同构局部邻域和隐式嵌入不同的三元组。然而，这些方法往往无法充分利用图中逻辑路径的潜力，从而限制了它们在利用推理过