ExpressivE：一种用于知识图谱补全的时空-函数嵌入
机器学习
2023-03-23 v2 人工智能
摘要
知识图谱天生是不完整的。因此，大量研究致力于知识图谱补全（KGC），即从知识图谱（KG）所表示的信息中预测缺失三元组。KG 嵌入模型（KGEs）在 KGC 上取得了令人鼓舞的结果，然而现有任何 KGE 均无法：（1）充分捕获关键推理模式（如组合性），（2）联合捕获显著模式（如层次与组合），以及（3）对所捕获模式提供直观解释。本工作中，我们提出 ExpressivE，一种完全可表达的时空-函数 KGE，可同时解决上述所有挑战。ExpressivE 将实体对嵌入为点、将关系嵌入为虚拟三元组空间 中的超平行四边形。该模型设计使 ExpressivE 不仅能联合捕获丰富的推理模式，还能通过超平行四边形的空间关系展示任何受支持的推理模式，从而对其嵌入及所捕获模式提供直观且一致的几何解释。在标准 KGC 基准上的实验结果表明，ExpressivE 与最先进的 KGEs 具有竞争力，并在 WN18RR 上显著优于它们。
引用
@article{arxiv.2206.04192,
title = {ExpressivE: A Spatio-Functional Embedding For Knowledge Graph Completion},
author = {Aleksandar Pavlović and Emanuel Sallinger},
journal= {arXiv preprint arXiv:2206.04192},
year = {2023}
}