TransINT：以线性子空间同构交在知识图中嵌入蕴含规则
机器学习
2020-07-02 v1 机器学习
摘要
知识图(KG)由实体与关系组成，提供知识的结构化表示。为便于对关系数据使用统计方法，已提出多种将KG嵌入f(KG) R^d的方法。我们提出TransINT，一种新颖且可解释的知识图嵌入方法，其在嵌入空间中同构地保持关系间的蕴含序。给定蕴含规则，TransINT将（由某关系绑定的）实体集合映射为向量连续集，其包含序同构于关系蕴含。借助一种新颖的参数共享方案，TransINT能够在无需规则接地的情况下对缺失但被蕴含的事实进行自动训练。在基准数据集上，我们在链接预测与三元组分类上以显著优势超越现有最优的基于规则集成的嵌入方法。TransINT嵌入的连续集之间的角度提供了一种可解释的方式来挖掘关系间的语义相关性与蕴含规则。
引用
@article{arxiv.2007.00271,
title = {TransINT: Embedding Implication Rules in Knowledge Graphs with Isomorphic Intersections of Linear Subspaces},
author = {So Yeon Min and Preethi Raghavan and Peter Szolovits},
journal= {arXiv preprint arXiv:2007.00271},
year = {2020}
}
备注
Conference Paper published in the proceedings of AKBC (Automated Knowledge Base Construction) 2020 (https://openreview.net/forum?id=shkmWLRBXH)