用于知识图谱嵌入的分块对角正交关系与矩阵实体
计算与语言
2024-10-03 v3 信息检索
摘要
知识图谱嵌入（Knowledge Graph embeddings, KGE）的主要目标是学习实体和关系的低维表示，以预测缺失事实。虽然像RotatE和QuatE这样的基于旋转的方法在KGE中表现良好，但它们面临两个挑战：有限的模型灵活性要求关系大小随实体维度成比例增加，以及难以将模型推广到更高维的旋转。为了解决这些问题，我们引入了OrthogonalE，一种新颖的KGE模型，该模型对实体采用矩阵，对关系采用带有黎曼优化的分块对角正交矩阵。这种方法增强了KGE模型的通用性和灵活性。实验结果表明，我们的新KGE模型OrthogonalE既通用又灵活，显著优于最先进的KGE模型，同时大幅减少了关系参数的数量。
引用
@article{arxiv.2401.05967,
title = {Block-Diagonal Orthogonal Relation and Matrix Entity for Knowledge Graph Embedding},
author = {Yihua Zhu and Hidetoshi Shimodaira},
journal= {arXiv preprint arXiv:2401.05967},
year = {2024}
}
备注
EMNLP2024 findings (Long)