Scifaro

中文

用于多关系数据的逻辑张量分解

机器学习 2013-06-11 v1 机器学习

作者: Maximilian Nickel , Volker Tresp

在 arXiv 上查看 ↗ PDF ↗

摘要

张量分解已成为处理结构化数据各种学习任务日益流行的方法。在本工作中，我们扩展了 RESCAL 张量分解，该方法在多关系学习中已显示出最先进的结果，以考虑邻接张量的二元性质。我们研究了该方法在各种基准数据集上所能获得的改进，并表明逻辑扩展可以显著提高预测结果。

关键词

张量分解多关系数据 rescal 逻辑扩展二元邻接张量结构化数据预测结果基准数据集

引用

@article{arxiv.1306.2084,
  title  = {Logistic Tensor Factorization for Multi-Relational Data},
  author = {Maximilian Nickel and Volker Tresp},
  journal= {arXiv preprint arXiv:1306.2084},
  year   = {2013}
}

备注

Accepted at ICML 2013 Workshop "Structured Learning: Inferring Graphs from Structured and Unstructured Inputs" (SLG 2013)