Wasserstein-Fisher-Rao嵌入：具有局部比较与全局传输的逻辑查询嵌入

在知识图谱上回答复杂查询十分重要，但由于数据的不完整性而尤其具有挑战性。查询嵌入方法通过基于学习的模型并利用集合算子模拟逻辑推理来解决此问题。先前的工作聚焦于特定形式的嵌入，但嵌入之间的打分函数未被充分探索。与现有的由局部比较或全局传输驱动的打分函数不同，本工作利用非平衡最优传输理论研究了局部与全局的权衡。具体而言，我们将集合嵌入为$\real$中的有界测度，并赋予受Wasserstein-Fisher-Rao度量启发的打分函数。这样的设计也便于在嵌入空间中使用闭式集合算子。此外，我们引入了基于卷积的线性时间计算算法和块对角核以强化该权衡。结果表明，WFRE在标准数据集、具有组合复杂查询的评估集以及分层知识图谱上均能优于现有的查询嵌入方法。消融研究显示出，寻找更好的局部与全局权衡对性能提升至关重要。