NestE：面向知识图谱推理的嵌套关系结构建模

基于知识图谱（KG）的推理主要聚焦于三元组形式的事实。近期研究通过引入更强大的表示（如超关系事实）来增强这些事实的语义。然而，这些方法局限于描述单一信息的原子事实。本文超越原子事实，深入探讨嵌套事实，即由引号三元组表示的事实，其中主语和宾语本身也是三元组（例如，((巴拉克·奥巴马, 担任职务, 总统), 继任于, (唐纳德·特朗普, 担任职务, 总统))）。这些嵌套事实能够表达随时间变化的情境以及实体和关系上的逻辑模式等复杂语义。为此，我们提出NestE，一种新颖的知识图谱嵌入方法，能够同时捕获原子事实和嵌套事实的语义。NestE将每个原子事实表示为一个$1\times3$矩阵，每个嵌套关系建模为一个$3\times3$矩阵，通过矩阵乘法旋转$1\times3$原子事实矩阵。矩阵的每个元素在广义四维超复数空间（包括球面四元数、双曲四元数和分裂四元数）中表示为复数。通过深入分析，我们证明了该嵌入在捕获嵌套事实上的多种逻辑模式方面的有效性，超越了类似一阶逻辑的表达。实验结果表明，NestE在三元组预测和条件链接预测任务上显著优于现有基线方法。代码和预训练模型已开源：https://github.com/xiongbo010/NestE。