基于柔性平移的知识图谱嵌入
计算与语言
2015-09-11 v2
摘要
知识图谱嵌入是指将知识图谱中的实体和关系投影到连续向量空间中。最先进的方法，如 TransE、TransH 和 TransR，通过将关系视为从头部实体到尾部实体的平移来构建嵌入。然而，先前的模型不能妥善处理自反/一对多/多对一/多对多关系，或缺乏可扩展性和效率。因此，我们提出一种称为 TransF 的新方法——柔性平移，以解决上述问题。TransF 将关系视为头部实体向量与尾部实体向量之间具有柔性幅度的平移。为评估所提模型，我们在基准数据集上进行了链接预测和三重分类。实验结果表明，与几种最先进的基线相比，我们的方法显著提升了性能。
引用
@article{arxiv.1505.05253,
title = {Knowlege Graph Embedding by Flexible Translation},
author = {Jun Feng and Mantong Zhou and Yu Hao and Minlie Huang and Xiaoyan Zhu},
journal= {arXiv preprint arXiv:1505.05253},
year = {2015}
}
备注
This paper has been withdraw by the author due to an error in sec3.1