一种用于多关系链接预测的关系 Tucker 分解
机器学习
2019-02-05 v1 机器学习
摘要
我们提出了关系 Tucker3（RT）分解，用于知识图谱中的多关系链接预测。我们表明许多现有的知识图谱嵌入模型是 RT 分解在其分量中具有某些预定义稀疏模式的特例。与这些先前模型相反，RT 解耦了实体与关系嵌入的维度，允许跨关系进行参数共享，并且不利用预定义的稀疏模式。我们将 RT 分解作为一种工具来探索是否可能且有益地自动学习稀疏模式，以及稠密模型是否可以胜过稀疏模型（使用相同数量的参数）。我们的实验表明——取决于数据集——这两个问题都可以给出肯定的回答。
引用
@article{arxiv.1902.00898,
title = {A Relational Tucker Decomposition for Multi-Relational Link Prediction},
author = {Yanjie Wang and Samuel Broscheit and Rainer Gemulla},
journal= {arXiv preprint arXiv:1902.00898},
year = {2019}
}