HousE：基于豪斯霍尔德参数化的知识图谱嵌入
人工智能
2022-06-22 v3
摘要
知识图谱嵌入（KGE）的有效性在很大程度上取决于对内在关系模式和映射属性的建模能力。然而，现有方法只能捕捉其中部分模式且建模能力不足。本文提出一种更强大的 KGE 框架 HousE，其包含一种基于两类豪斯霍尔德变换的新颖参数化方法：（1）豪斯霍尔德旋转，以实现对关系模式的卓越建模能力；（2）豪斯霍尔德投影，以处理复杂的关系映射属性。理论上，HousE 能够同时建模关键的关系模式和映射属性。此外，HousE 是现有基于旋转的模型的推广，同时将旋转扩展到了高维空间。在实验上，HousE 在五个基准数据集上取得了新的最先进（state-of-the-art, SOTA）性能。我们的代码可在 https://github.com/anrep/HousE 获取。
引用
@article{arxiv.2202.07919,
title = {HousE: Knowledge Graph Embedding with Householder Parameterization},
author = {Rui Li and Jianan Zhao and Chaozhuo Li and Di He and Yiqi Wang and Yuming Liu and Hao Sun and Senzhang Wang and Weiwei Deng and Yanming Shen and Xing Xie and Qi Zhang},
journal= {arXiv preprint arXiv:2202.07919},
year = {2022}
}
备注
Accepted by ICML 2022