双曲几何非必需：基于轻量级欧几里得空间的低维知识图谱嵌入模型
人工智能
2021-10-26 v2
摘要
近年来，基于双曲几何的知识图谱嵌入（KGE）模型在低维嵌入空间中展现出巨大潜力。然而，双曲空间在 KGE 中的必要性仍存疑，因为基于双曲几何的计算远比欧几里得运算复杂。本文基于最先进的双曲模型 RotH，提出了两个轻量级欧几里得模型 RotL 和 Rot2L。RotL 模型在简化双曲运算的同时保留了灵活的归一化效果。利用一种新颖的两层堆叠变换并基于 RotL，Rot2L 模型获得了更强的表示能力，但比 RotH 参数更少、计算量更低。链接预测实验表明，Rot2L 在低维知识图谱嵌入的两个广泛使用的数据集上取得了最先进的性能。此外，RotL 取得了与 RotH 相近的性能，但仅需一半的训练时间。
引用
@article{arxiv.2103.14930,
title = {Hyperbolic Geometry is Not Necessary: Lightweight Euclidean-Based Models for Low-Dimensional Knowledge Graph Embeddings},
author = {Kai Wang and Yu Liu and Dan Lin and Quan Z. Sheng},
journal= {arXiv preprint arXiv:2103.14930},
year = {2021}
}
备注
Accepted for publication at the Findings of EMNLP 2021