TripleRE：通过三元关系向量的知识图谱嵌入
人工智能
2022-09-20 v1
摘要
自TransE问世以来，基于平移的知识图谱嵌入一直是知识表示学习最重要的分支之一。尽管近年来许多基于平移的方法取得了一定进展，性能仍不尽如人意。本文提出一种名为TripleRE的新型知识图谱嵌入方法，包含两个版本。TripleRE第一版本创造性地将关系向量分为三部分。第二版本利用残差概念并取得更好性能。此外，使用NodePiece编码实体的尝试在减小参数量方面取得了有前景的结果，并解决了可扩展性问题。实验表明，我们的方法在大规模知识图谱数据集上取得了最先进（SOTA）性能，在其他数据集上具有竞争力。
引用
@article{arxiv.2209.08271,
title = {TripleRE: Knowledge Graph Embeddings via Tripled Relation Vectors},
author = {Long Yu and Zhicong Luo and Huanyong Liu and Deng Lin and Hongzhu Li and Yafeng Deng},
journal= {arXiv preprint arXiv:2209.08271},
year = {2022}
}