基于距离的四元数知识图谱嵌入模型 QuatE-D
机器学习
2025-04-22 v1
摘要
知识图谱嵌入（KGE）方法旨在表示实体和关系，以连续空间中保存其结构和语义属性。四元数基于的 KGE 已显示在捕捉复杂关系模式方面具有强大的潜力。本文提出 QuatE-D，一种新型四元数模型，采用基于距离的评分函数而非传统的内积方法。通过利用欧几里得距离，QuatE-D 增强了可解释性，提供了更灵活的关系结构表示。实验结果表明，QuatE-D 在保持高效参数化方面实现了竞争性能，尤其在 Mean Rank 降低方面表现突出。这些发现凸显了基于距离的评分在四元数嵌入中的有效性，为知识图谱完成提供了有前景的方向。
引用
@article{arxiv.2504.13983,
title = {QuatE-D: A Distance-Based Quaternion Model for Knowledge Graph Embedding},
author = {Hamideh-Sadat Fazael-Ardakani and Hamid Soltanian-Zadeh},
journal= {arXiv preprint arXiv:2504.13983},
year = {2025}
}