知识超图：超越二元关系的预测
机器学习
2020-07-16 v3 人工智能
机器学习
摘要
知识图使用两个实体间的关系存储事实。本文中，我们探讨知识超图中的链接预测问题，其中关系定义于任意数量的实体之上。尽管存在（如再化）将非二元关系转换为二元关系的技术，我们表明当前基于嵌入的知识图补全方法在这些技术所得知识图上无法直接良好工作。为此，我们提出 HSimplE 和 HypE 两种直接作用于知识超图的基于嵌入的方法。在两个模型中，预测均为关系嵌入、实体嵌入及其在关系中所处对应位置的函数。我们还构建了用于超图预测的公开数据集、基准与基线，并通过实验表明所提模型比基线更有效。
引用
@article{arxiv.1906.00137,
title = {Knowledge Hypergraphs: Prediction Beyond Binary Relations},
author = {Bahare Fatemi and Perouz Taslakian and David Vazquez and David Poole},
journal= {arXiv preprint arXiv:1906.00137},
year = {2020}
}