DisenE：解耦知识图谱嵌入
计算与语言
2020-11-13 v2 人工智能
摘要
知识图谱嵌入（KGE）旨在将实体和关系嵌入到低维向量中，近期引起了广泛关注。然而，现有的研究主要基于黑盒神经模型，这使得解释所学到的表示变得困难。在本文中，我们引入了 DisenE，一个用于学习解耦知识图谱嵌入的端到端框架。特别地，我们引入了一种基于注意力的机制，使模型能够根据给定的关系显式地关注实体嵌入的相关组件。此外，我们引入了两个新颖的正则化器，以鼓励实体表示的每个组件独立反映一个孤立的语义方面。实验结果表明，我们提出的 DisenE 探索了解决 KGE 可解释性的一个视角，并被证明是提高链路预测任务性能的有效方法。
引用
@article{arxiv.2010.14730,
title = {DisenE: Disentangling Knowledge Graph Embeddings},
author = {Xiaoyu Kou and Yankai Lin and Yuntao Li and Jiahao Xu and Peng Li and Jie Zhou and Yan Zhang},
journal= {arXiv preprint arXiv:2010.14730},
year = {2020}
}
备注
There are some mistakes in the paper