知识图谱嵌入的分块对角正交关系与矩阵实体
提出了一种名为 SpaceE 的翻译距离 (KGE) 基于线性变换的方法来模拟知识图谱中实体的关系,它可以很好地建模与非注射关系模式, 并且在许多具有非注射关系的数据集中明显优于现有的 KGE 方法。
Apr, 2022
本文提出了一种称为 RotatE 的新型知识图谱嵌入方法,它能够模拟和推断各种关系模式,包括对称性 / 反对称性、倒置和组合,并使用一种新颖的自对抗负采样技术有效地训练模型,实验证明它不仅可扩展性好,而且还能够显着地优于现有的最先进模型用于链接预测。
Feb, 2019
本论文提出了一种基于几何代数的知识图谱嵌入框架 GeomE,利用多向量表示和几何积模拟实体和关系,具有对称、反对称、逆序和复合等多种关系模式,具有良好的泛化能力,能在多个基准知识图谱上优于现有的最先进模型,适用于链接预测。
Oct, 2020
提出一种简单而有效的知识图谱嵌入框架,使用关系矩阵的全批量学习,基于正交 Procrustes 分析,非负采样训练等三项技术创新较大程度上减少训练时间和环境影响,同时能够生成具有高度可解释性并且富含语义的模型。
Apr, 2021
本论文使用几何代数和张量分解提出了一种新的知识图谱表示学习方法 GeomE 和 TGeomE,用于解决深度学习中的时序数据问题。结果表明,该方法在四个常用的静态 KG 数据集和四个知名的时间 KG 数据集上实现了最先进的性能。
Feb, 2022
最近的知识图谱嵌入(KGE)研究依赖于欧几里得 / 双曲正交关系变换以建模内在的逻辑模式和拓扑结构。然而,现有方法局限于维度有限和同质几何的刚性关系正交化,导致建模能力不足。本文介绍了一种名为 GoldE 的强大框架,它基于广义 Householder 反射形式的通用正交参数化,从维度和几何方面突破了这些方法的限制。这种参数化可以自然地实现维度扩展和几何统一,并具备理论保证,使我们的框架能够同时捕捉到知识图谱的重要逻辑模式和固有拓扑异质性。在实证方面,GoldE 在三个标准基准上实现了最先进的性能。代码可在提供的网址中获得。
May, 2024
该论文介绍了一种基于块循环矩阵的新型双线性知识图嵌入模型 BlockHolE,其可以使用非交换关系矩阵,从而可以自然地建模复合关系,并且基于循环矩阵傅里叶变换的对偶性开发出了快速计算技术。
Sep, 2019
本研究提出了一种新的知识图谱嵌入模型 CompoundE3D,它利用了三维几何变换的复合特性,包括平移、旋转、缩放、反射和剪切,并且其多个设计变体可以匹配不同的关系类型,实验结果显示它在四个流行链路预测数据集上有明显的优势。
Apr, 2023
该研究介绍了一种叫做 3H-TH 的新型模型,可以同时捕捉对称、反对称、倒置、交换组合、非交换组合、层级和多重性等许多关系模式,实验结果表明,在低维空间中,该模型在精度、层级属性和其他关系模式方面优于现有的最先进模型,但在高维空间中表现相似。
May, 2023