TransD:"Knowledge Graph Embedding via Dynamic Mapping Matrix"(ACL2015)
动机:不同类型的实体有不同的属性和作用,如果将全部实体都映射到同一空间,使用同一参数进行传递表示时不充分的。本质上应该如果是相似的实体,他们应该是具有相似的映射矩阵,反之则具有不相似的映射矩阵。所以本文设置了一种动态映射矩阵来对不同类型的实体和关系进行投影。
模型:对于一个实体或者关系都表示成两个向量,即h,hp,r,rp,t,tp∈Rn,r,rp∈Rm.同时设置两个映射矩阵Mrh,Mrt∈Rm×n。算法对原实体空间的头尾映射使用Mrh和Mrt这两个矩阵。
从图6中可以看出,TransD与TransR的不同之处在于TransD使用的动态矩阵是可以将不同类型的实体进行区分,独立映射的。TransD的目标函数与TransR一样。
总结:
总的来说,Trans系列的算法在知识图谱的表示学习上逐渐完善,但是同样存在很多未能解决的点,比如如何解决多元关系的预测问题,如何结合实体本身的属性问题等等。
TransA: An Adaptive Approach for Knowledge Graph Embedding
TransG: A Generative Model for Knowledge Graph Embedding
标签:Knowledge,映射,图谱,实体,矩阵,Embedding,TransD,原理 From: https://www.cnblogs.com/lusiqi/p/17236350.html