面向对称关系的知识图谱嵌入双向量模型
人工智能
2019-05-24 v1 计算与语言
摘要
知识图谱嵌入（KGE）模型被提出以提升知识图谱推理的性能。然而，在大多数 KGE 中存在一种普遍现象：若数据集中对称三元组比例足够高，随着训练进行，对称关系趋向于零向量。该现象导致对称关系的后续任务（如链接预测等）失败。该问题的根源在于 KGE 未利用对称关系的语义信息。我们提出 KGE 双向量模型，将对称关系表示为向量对，显著增强了对称关系的处理能力。我们基于 FB15k 和 WN18 通过补全对称关系三元组生成基准数据集以验证模型。我们模型的实验结果明确肯定了相对于基线模型的的有效性与优越性。
引用
@article{arxiv.1905.09557,
title = {Knowledge Graph Embedding Bi-Vector Models for Symmetric Relation},
author = {Jinkui Yao and Lianghua Xu},
journal= {arXiv preprint arXiv:1905.09557},
year = {2019}
}