多关系庞加莱图嵌入
机器学习
2019-10-29 v3 机器学习
摘要
双曲嵌入近年来在机器学习中受到关注，因为它们比欧几里得对应方法更准确、更简洁地表示层次化数据。然而，多关系知识图谱通常表现出多种同时存在的层次结构，当前的双曲模型无法捕捉这一点。为此，我们提出了一种将多关系图数据嵌入双曲空间的庞加莱球模型的模型。我们的多关系庞加莱模型（MuRP）通过学习关系特定参数，利用Möbius矩阵-向量乘法和Möbius加法来变换实体嵌入。在层次化WN18RR知识图谱上的实验表明，我们的庞加莱嵌入在链接预测任务上优于其欧几里得对应方法和现有嵌入方法，尤其是在较低维度下。
引用
@article{arxiv.1905.09791,
title = {Multi-relational Poincar\'e Graph Embeddings},
author = {Ivana Balažević and Carl Allen and Timothy Hospedales},
journal= {arXiv preprint arXiv:1905.09791},
year = {2019}
}