用于关系数据表示的嵌套子空间排列
机器学习
2020-07-07 v1 机器学习
摘要
关于为图和知识库数据等离散对象获取适当的连续表示的研究，已由机器学习领域的许多研究者开展。在本研究中，我们引入嵌套子空间（NSS）排列，一个用于表示学习的综合框架。我们表明现有的嵌入技术可视为NSS排列的特例。基于NSS排列的概念，我们实现了磁盘锚点排列（DANCAR），一种专用于复现一般图的表示学习方法。数值实验表明，DANCAR成功地将WordNet嵌入到 中，在重构任务中取得了0.993的F1分数。DANCAR也适用于通过可视化来理解图的特征。
引用
@article{arxiv.2007.02007,
title = {Nested Subspace Arrangement for Representation of Relational Data},
author = {Nozomi Hata and Shizuo Kaji and Akihiro Yoshida and Katsuki Fujisawa},
journal= {arXiv preprint arXiv:2007.02007},
year = {2020}
}
备注
11 pages, 13 figures, ICML 2020