基于通用正交参数化的知识图谱嵌入泛化
机器学习
2024-05-15 v1 人工智能
摘要
知识图谱嵌入(KGE)的最新进展依赖于欧几里得/双曲正交关系变换来建模内在的逻辑模式和拓扑结构。然而，现有方法局限于具有受限维度和同质几何的刚性关系正交化，导致建模能力不足。在这项工作中，我们通过引入一个名为GoldE的强大框架，在维度和几何方面超越了这些方法，该框架以基于Householder反射广义形式的通用正交参数化为特征。这种参数化能够在理论保证下自然地实现维度扩展和几何统一，使我们的框架能够同时捕获知识图谱的关键逻辑模式和固有的拓扑异质性。在经验上，GoldE在三个标准基准上取得了SOTA性能。代码可在 https://github.com/xxrep/GoldE 获取。
引用
@article{arxiv.2405.08540,
title = {Generalizing Knowledge Graph Embedding with Universal Orthogonal Parameterization},
author = {Rui Li and Chaozhuo Li and Yanming Shen and Zeyu Zhang and Xu Chen},
journal= {arXiv preprint arXiv:2405.08540},
year = {2024}
}
备注
Accepted by ICML 2024