GammaE：面向知识图谱逻辑查询的 Gamma 嵌入
机器学习
2023-04-25 v2 人工智能
计算机科学中的逻辑
摘要
由于许多知识图谱(KGs)具有海量且复杂的结构，对 KG 进行嵌入以进行多跳逻辑推理是一个具有挑战性的问题。近来，许多有前景的工作将实体和查询投影到几何空间中以高效寻找答案。然而，对否定与并集算子的建模仍然具有挑战性。否定算子没有严格边界，会产生重叠的嵌入并导致得到模糊的答案。另一个局限是并集算子非封闭，这削弱了模型处理一系列并集算子的能力。为解决这些问题，我们提出一种新颖的概率嵌入模型，即 Gamma 嵌入(GammaE)，用于将实体和查询编码以回答 KG 上不同类型的 FOL 查询。我们利用 Gamma 分布的线性性质与强边界支撑来捕获实体和查询的更多特征，从而显著降低模型不确定性。此外，GammaE 采用 Gamma 混合方法设计封闭的并集算子。GammaE 的性能在三个大型逻辑查询数据集上得到验证。实验结果表明，GammaE 在公开基准上显著优于最先进的模型。
引用
@article{arxiv.2210.15578,
title = {GammaE: Gamma Embeddings for Logical Queries on Knowledge Graphs},
author = {Dong Yang and Peijun Qing and Yang Li and Haonan Lu and Xiaodong Lin},
journal= {arXiv preprint arXiv:2210.15578},
year = {2023}
}