基于词嵌入组合知识图谱嵌入

从已有知识图谱中学习知识图谱嵌入对知识图谱补全十分重要。对于头实体 $h$ 与尾实体 $t$ 具有关系 $r$ 的事实 $(h,r,t)$，现有方法旨在学习低维表示 $(\mathbf{h},\mathbf{r},\mathbf{t})$，它们分别对应于 $(h, r, t)$ 中的元素。由于 $(\mathbf{h},\mathbf{r},\mathbf{t})$ 是从知识图谱内已有事实中学习得到的，这些表示无法用于检测未知事实（若实体或关系从未在知识图谱中出现）。本文提出一种称为 TransW 的新方法，旨在通过利用词嵌入组合知识图谱嵌入来超越当前工作。鉴于一个实体或关系常包含一个或多个词，学习从词嵌入空间到知识嵌入空间的映射函数是合理的，该函数展示了实体是如何由人类词语构造的。更重要的是，使用词嵌入组合知识嵌入使得处理新出现的事实（新实体或新关系）成为可能。在三个公开数据集上的实验结果表明所提出的 TransW 具有一致性与更优性能。