基于混合几何张量分解的知识图谱补全

本文提出了一种新的几何方法，用于通过低秩张量近似进行知识图谱补全。我们在基于 Tucker 张量分解的预训练且已建立的欧几里得模型中增添了一种新颖的双曲相互作用项。这种纠正使我们能够更细致地捕捉数据中分布属性，更贴合实际知识图谱。通过将两种几何结构结合在一起，我们的方法提高了所得模型的表达能力，实现了与以往欧几里得和双曲模型相比，在显著降低参数数量的同时实现了新的状态突破链接预测准确率。