用于知识库补全的关系路径嵌入的组合式学习
计算与语言
2017-02-27 v4
摘要
大规模知识库目前已达到惊人的规模，然而这些知识库仍远未完备。此外，现有的大多数知识库补全方法仅考虑实体之间的直接链接，忽略了关系路径一致语义的重要影响。本文中，我们研究如何充分利用关系路径的额外语义，将知识库的实体和关系更好地嵌入到不同的低维空间中，并提出了一个关系路径嵌入的组合式学习模型（RPE）。具体而言，通过相应的关系和路径投影，RPE 可以同时将每个实体嵌入到两种类型的潜在空间中。我们还提出，类型约束可以从传统的特定于关系的约束扩展到新提出的特定于路径的约束。实验结果表明，与最先进的算法相比，所提出的模型取得了显著且一致的改进。
引用
@article{arxiv.1611.07232,
title = {Compositional Learning of Relation Path Embedding for Knowledge Base Completion},
author = {Xixun Lin and Yanchun Liang and Fausto Giunchiglia and Xiaoyue Feng and Renchu Guan},
journal= {arXiv preprint arXiv:1611.07232},
year = {2017}
}
备注
7 pages,1 figure