AutoETER：用于知识图谱嵌入的自动化实体类型表示
计算与语言
2020-10-07 v2 人工智能
摘要
知识图谱嵌入（KGE）的近期进展允许在连续向量空间中表示实体与关系。一些利用额外类型信息的传统KGE模型可改进实体的表示，但它们完全依赖显式类型或忽略了针对各种关系的多样化类型表示。此外，现有方法均无法同时推断对称性、逆性和组合性等所有关系模式以及1-N、N-1和N-N关系的复杂属性。为探索任意KG的类型信息，我们开发了一种带有自动化实体类型表示（AutoETER）的新颖KGE框架，该框架通过将每个关系视为两个实体类型间带有关系感知投影机制的平移操作来学习每个实体的潜在类型嵌入。特别地，我们设计的自动化类型表示学习机制是一个可插拔模块，可轻松地与任何KGE模型结合。此外，我们的方法能够建模并推断所有关系模式和复杂关系。在四个数据集上的实验证明了我们的模型在链接预测任务上相比最先进基线模型的优越性能，且类型聚类的可视化清晰地解释了类型嵌入并验证了模型的有效性。
引用
@article{arxiv.2009.12030,
title = {AutoETER: Automated Entity Type Representation for Knowledge Graph Embedding},
author = {Guanglin Niu and Bo Li and Yongfei Zhang and Shiliang Pu and Jingyang Li},
journal= {arXiv preprint arXiv:2009.12030},
year = {2020}
}
备注
10 pages, 3 figures, the full version of a paper accepted to EMNLP 2020 Findings