STransE：一种知识库中实体与关系的新型嵌入模型
计算与语言
2017-03-09 v3 人工智能
摘要
关于实体及其关系的现实世界事实的知识库是各种自然语言处理任务的有用资源。然而，由于知识库通常是不完整的，能够执行链接预测或知识库补全，即预测知识库中不存在的关系是否可能为真，是有用的。本文将先前几个链接预测模型的见解结合到一个新的嵌入模型 STransE 中，该模型将每个实体表示为一个低维向量，将每个关系表示为两个矩阵和一个平移向量。STransE 是 SE 和 TransE 模型的简单组合，但它在两个基准数据集上获得了比先前嵌入模型更好的链接预测性能。因此，STransE 可以作为链接预测任务中更复杂模型的新基线。
引用
@article{arxiv.1606.08140,
title = {STransE: a novel embedding model of entities and relationships in knowledge bases},
author = {Dat Quoc Nguyen and Kairit Sirts and Lizhen Qu and Mark Johnson},
journal= {arXiv preprint arXiv:1606.08140},
year = {2017}
}
备注
V1: In Proceedings of the 2016 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, NAACL HLT 2016. V2: Corrected citation to (Krompa{\ss} et al., 2015). V3: A revised version of our NAACL-HLT 2016 paper with additional experimental results and latest related work