基于双曲知识图谱嵌入的知识关联

通过实体对齐、实体类型推断及其他相关任务来捕获知识图谱（KGs）的关联，可为自然语言处理应用提供全面的知识表示。近期基于欧几里得嵌入的相关方法受到知识图谱层次结构和不同尺度的挑战，且依赖高嵌入维度以实现足够的表达能力。与之不同，我们探索使用低维双曲嵌入进行知识关联。我们提出一种用于知识图谱嵌入的双曲关系图神经网络，并通过双曲变换捕获知识关联。在实体对齐和类型推断上的大量实验证明了我们方法的有效性和高效性。