SpaceE：在实体空间中通过关系线性变换实现知识图谱嵌入
计算与语言
2022-04-22 v1
摘要
基于平移距离的知识图谱嵌入（KGE）方法，如 TransE 和 RotatE，将知识图谱中的关系建模为向量空间中的平移或旋转。平移和旋转都是单射的；即不同向量的平移或旋转得到不同的结果。在知识图谱中，不同实体可能与同一实体具有某种关系；例如，许多演员出演同一部电影。这种非单射关系模式无法被现有基于平移距离的 KGE 方法中的平移或旋转操作很好地建模。为应对这一挑战，我们提出一种称为 SpaceE 的基于平移距离的 KGE 方法，将关系建模为线性变换。所提出的 SpaceE 将知识图谱中的实体和关系都嵌入为矩阵，并且 SpaceE 自然地用奇异线性变换对非单射关系进行建模。我们从理论上证明 SpaceE 是一个具有完全表达能力的模型，能够推断多种期望的关系模式，包括对称性、反对称性、逆关系、阿贝尔复合与非阿贝尔复合。在链接预测数据集上的实验结果表明，SpaceE 大幅优于许多以往的基于平移距离的知识图谱嵌入方法，尤其是在具有大量非单射关系的数据集上。代码基于 PaddlePaddle 深度学习平台 https://www.paddlepaddle.org.cn 提供。
引用
@article{arxiv.2204.10245,
title = {SpaceE: Knowledge Graph Embedding by Relational Linear Transformation in the Entity Space},
author = {Jinxing Yu and Yunfeng Cai and Mingming Sun and Ping Li},
journal= {arXiv preprint arXiv:2204.10245},
year = {2022}
}