TuckER：基于张量分解的知识图谱补全模型
机器学习
2019-11-07 v2 机器学习
摘要
知识图谱是对真实世界事实的结构化表示。然而，它们通常只包含所有可能事实的一小部分。链接预测是基于已有事实推断缺失事实的任务。我们提出TuckER，一种相对简单但强大的线性模型，基于对知识图谱三元组二值张量表示的Tucker分解。TuckER在标准链接预测数据集上优于以往最先进的模型，可作为更复杂模型的强基线。我们证明TuckER是一个完全表达性模型，推导了其嵌入维数的充分界，并表明若干先前提出的线性模型可视为TuckER的特例。
引用
@article{arxiv.1901.09590,
title = {TuckER: Tensor Factorization for Knowledge Graph Completion},
author = {Ivana Balažević and Carl Allen and Timothy M. Hospedales},
journal= {arXiv preprint arXiv:1901.09590},
year = {2019}
}