射影变换的 5* 知识图谱嵌入
人工智能
2021-03-16 v2 机器学习
摘要
使用知识图谱嵌入模型进行链接预测已成为知识图谱补全的流行方法。此类模型采用变换函数将节点通过边映射至向量空间，以衡量链接的可能性。在映射单个节点时，子图的结构也被变换。大多数在欧氏几何中设计的嵌入模型仅支持单一变换类型——通常是平移或旋转，适用于在相邻子图差异较小的图上学习。然而，多关系知识图谱在邻域内常包含多种子图结构（例如路径与环结构的组合），当前嵌入模型难以很好刻画。为解决该问题，我们提出了一种射影几何中的新型 KGE 模型（5*E），其支持多种同时变换——具体为反演、反射、平移、旋转和位似。该模型具有若干良好的理论性质，并涵盖了现有方法。它在最广泛使用的链接预测基准上优于它们。
引用
@article{arxiv.2006.04986,
title = {5* Knowledge Graph Embeddings with Projective Transformations},
author = {Mojtaba Nayyeri and Sahar Vahdati and Can Aykul and Jens Lehmann},
journal= {arXiv preprint arXiv:2006.04986},
year = {2021}
}
备注
Accepted in AAAI 2021