相似实体是否具有相似嵌入？

为链接预测开发的知识图谱嵌入模型 (KGEMs) 为知识图谱中的实体学习向量表示，即嵌入。一个常见的心照不宣的假设是 KGE 实体相似性假设，即这些 KGEMs 在其嵌入空间中保留了图的结构，也就是说，将图中相似的实体定位在彼此相近的位置。这一理想特性使得 KGEMs 被广泛用于推荐系统或药物再利用等下游任务中。然而，实体相似性与嵌入空间相似性之间的关系很少得到正式评估。通常，KGEMs 仅根据其链接预测能力进行评估，使用诸如 Hits@K 或 Mean Rank 等基于排名的指标。本文挑战了图中的实体相似性在嵌入空间中天然得到反映这一普遍假设。因此，我们进行了广泛的实验以衡量 KGEMs 将相似实体聚类在一起的能力，并研究了其潜在因素的本质。此外，我们研究了不同的 KGEMs 是否展现出不同的相似性概念。数据集、预训练嵌入和代码可在以下网址获取：https://github.com/nicolas-hbt/similar-embeddings/。