ICMLMay, 2024

通用正交参数化的知识图谱嵌入泛化

PDF
TL;DR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。
knowledge graph embeddingeuclidean/hyperbolic orthogonal relation transformationsgoldedimensional extensiongeometric unification
发现论文，激发创造
  • HousE: 带豪斯霍尔德参数化的知识图谱嵌入

    本文提出了一种强大的知识图谱嵌入 (knowledge graph embedding) 框架 HousE，利用两种 Householder 变换进行参数化，从而实现了对于关系模式和映射属性的建模能力，并在五个基准数据集上取得了新的最佳表现。

    Feb, 2022

  • 正交 Procrustes 分析实现高效知识图谱嵌入学习

    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

  • 基于几何代数嵌入的静态和时态知识图完成

    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

  • 超超负曲率知识图谱嵌入

    本文提出了一种新的知识图谱嵌入方法 UltraE，它使用超弦广义相对论模型天衣无缝地将双曲和球形流形交错地组织起来，使其能够同时建模异构结构和复杂的关系模式，实验结果表明，UltraE 优于之前的欧几里得和双曲嵌入方法。

    Jun, 2022

  • 带有投影变换的知识图谱嵌入

    提出了一种基于投影几何的 KGE 模型，支持多重变换类型（包括翻转，反射，平移，旋转和相似变换），旨在解决多关系型知识图谱在邻域中存在多个子图结构的问题，并在几个广泛使用的链接预测基准测试中表现出优越性。

    Jun, 2020

  • 在几何代数中的知识图谱嵌入

    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

  • 知识图谱嵌入的分块对角正交关系与矩阵实体

    通过使用矩阵表示实体和使用黎曼优化获得分块对角正交矩阵表示关系，我们引入了一种新颖的知识图谱嵌入模型 OrthogonalE，提高了模型的泛化性和灵活性，显著优于现有最先进的知识图谱嵌入模型，并大幅减少了关系参数的数量。

    Jan, 2024

  • 低维双曲知识图谱嵌入

    本文介绍了一种超几何知识图嵌入方法，可以同时捕捉层次结构和逻辑模式，并在现有方法的基础上提高了平均倒数排名（MRR）达 6.1%。

    May, 2020

  • 超几何分层知识图谱嵌入的低维链接预测

    本文提出了一种新颖的基于注意力的可学习曲率超几何分层知识图嵌入模型（HypHKGE），以在超几何空间中有效地建模知识图中的语义层次结构，并在低维度下表现出色，特别是在链接预测方面。

    Apr, 2022

  • ModulE: 知识图谱的模块嵌入

    通过基于群论的嵌入框架和模结构，提出了一种新的知识图谱嵌入模型 ModulE，取得了多个基准数据集上的最先进性能。

    Mar, 2022