TransERR：基于高效关系旋转的平移式知识图谱嵌入
计算与语言
2024-03-12 v2 人工智能
摘要
本文提出了一种基于高效关系旋转的平移式知识图谱嵌入方法（TransERR），它是传统平移式知识图谱嵌入模型的一个简洁而有效的替代方案。与以往的平移式模型不同，TransERR 在超复数空间中编码知识图谱，从而使其在挖掘头实体与尾实体之间的潜在信息方面拥有更高的平移自由度。为了进一步最小化平移距离，TransERR 使用可于模型训练中学习的对应单位四元数自适应地旋转头实体与尾实体。我们还提供了数学证明，以展示 TransERR 在建模多种关系模式（包括对称、反对称、逆、组合与子关系模式）方面的能力。在 10 个基准数据集上的实验验证了 TransERR 的有效性与泛化能力。结果还表明，与以往的平移式模型相比，TransERR 能以更少的参数更好地编码大规模数据集。我们的代码与数据集可在 \url{https://github.com/dellixx/TransERR} 获取。
引用
@article{arxiv.2306.14580,
title = {TransERR: Translation-based Knowledge Graph Embedding via Efficient Relation Rotation},
author = {Jiang Li and Xiangdong Su and Fujun Zhang and Guanglai Gao},
journal= {arXiv preprint arXiv:2306.14580},
year = {2024}
}