具有多重关系投影的知识图谱嵌入
人工智能
2018-01-29 v1
摘要
知识图谱包含丰富的世界关系结构，从而补充异构数据中数据驱动的机器学习。表示知识图谱最有效方法之一是将符号关系与实体嵌入连续空间，其中关系近似为实体在关系空间中投影图像间的线性平移。然而，诸如 TransR、TransD 或 TransSparse 等最先进的关系投影方法未对关系间相关性建模，因此在计算需求与统计稳健性上，无法扩展到具有数千关系的复杂知识图谱。为此，我们引入 TransF，一种新颖的基于平移的方法，它通过显式建模投影矩阵的基础子空间来减轻关系投影负担。结果，TransF 远比现有投影方法轻量，并在面对大量关系时表现稳健。在规范链接预测任务上的实验结果表明，我们提出的模型大幅优于竞争模型并达到最先进性能。特别地，对于 N-to-1/1-to-N 关系，TransF 在头/尾实体预测任务上比最佳基于平移的方法提升 9%/5%。
引用
@article{arxiv.1801.08641,
title = {Knowledge Graph Embedding with Multiple Relation Projections},
author = {Kien Do and Truyen Tran and Svetha Venkatesh},
journal= {arXiv preprint arXiv:1801.08641},
year = {2018}
}
备注
6 pages