TranS：基于合成关系表示的过渡式知识图谱嵌入
计算与语言
2022-05-02 v2
摘要
知识图谱嵌入（KGE）旨在学习知识图谱中关系和实体的连续向量。近年来，基于过渡（transition-based）的 KGE 方法取得了良好性能，其中单一关系向量学习将头实体翻译为尾实体。然而，这种打分模式不适用于同一实体对具有不同关系的复杂场景。以往的模型通常侧重于改进 1-to-N、N-to-1 和 N-to-N 关系的实体表示，而忽略了单一关系向量。本文提出一种新颖的基于过渡的方法 TranS 用于知识图谱嵌入。传统打分模式中的单一关系向量被合成关系表示所替代，能够高效且有效地解决这些问题。在大型知识图谱数据集 ogbl-wikikg2 上的实验表明，我们的模型取得了最先进的结果。
引用
@article{arxiv.2204.08401,
title = {TranS: Transition-based Knowledge Graph Embedding with Synthetic Relation Representation},
author = {Xuanyu Zhang and Qing Yang and Dongliang Xu},
journal= {arXiv preprint arXiv:2204.08401},
year = {2022}
}
备注
6 pages, 2 figures