On2Vec：基于嵌入的本体填充关系预测

本体图的填充是语义 Web 社区一个长期存在的问题。近期基于平移的图嵌入方法在填充实例级知识图方面的进展，为本体填充问题带来了有前景的新途径。然而，与实例级图不同，本体图中大多数关系事实带有全面的语义关系，通常包括传递性和对称性属性，以及层次关系。这些全面的关系对现有图嵌入方法往往过于复杂，直接应用此类方法不可行。因此，我们提出 On2Vec，一种用于本体填充的基于平移的新型图嵌入方法。On2Vec 集成了两个模型组件，有效刻画本体图中的全面关系事实。其一是组件特定模型（Component-specific Model），将概念和关系编码到低维嵌入空间中而不丢失关系属性；其二是层次模型（Hierarchy Model），对层次关系事实进行聚焦学习。在多个知名本体图上的实验展示了 On2Vec 在预测和验证新关系事实方面的前景能力。这些有前景的结果也使得相关方法的显著改进成为可能。