基于三维复合几何变换的知识图谱嵌入
人工智能
2023-04-04 v1 机器学习
摘要
级联的二维几何变换被用于建模知识图谱(KG)中实体间的关系，从而导出了一个有效的KG嵌入(KGE)模型CompoundE。此外，通过利用其非交换性质，提出了在三维空间中的旋转作为一种新的KGE模型Rotate3D。受CompoundE和Rotate3D启发，我们利用三维复合几何变换，包括平移、旋转、缩放、反射和剪切，并在本工作中提出了一系列KGE模型，命名为CompoundE3D。CompoundE3D允许多种设计变体以匹配KG丰富的底层特征。由于每个变体在关系子集上各有优势，多个变体的集成可取得优越性能。CompoundE3D的有效性和灵活性在四个流行的链接预测数据集上得到了实验验证。
引用
@article{arxiv.2304.00378,
title = {Knowledge Graph Embedding with 3D Compound Geometric Transformations},
author = {Xiou Ge and Yun-Cheng Wang and Bin Wang and C. -C. Jay Kuo},
journal= {arXiv preprint arXiv:2304.00378},
year = {2023}
}