基于组合关系翻译的知识表示学习模型

摘要

目前,基于表示学习的知识图谱嵌入方法旨在将知识图谱中的实体和关系映射到一个低维的向量空间中,例如,翻译模型如TransE及其变体在近年来已显示出可喜的结果,它们将实体与实体之间的关系表示为实体向量之间的平移操作。这些工作中的大多数都专注于对单一关系进行建模,因此没有充分利用知识图谱的图结构信息。在本文中,我们提出了TransE的扩展,它通过添加相应的翻译向量来对关系的组合进行建模。我们的实验结果表明,我们的方法可以提高预测单个关系以及它们的组合的性能。