多关系知识图谱表示学习

1.异质知识图谱研究的对象便是如何处理多关系知识图谱？
个人理解：多relation知识图谱中modeling在做node表征时需要充分考虑relation,也就是边对于实体表征的作用

2.如何合理充分结合node and relation信息提高表征能力？
**answer:**RGCN是一个messages-passing[消息传递]=框架
[R-GCN–Modeling Relation data with Graph Convolution networks]
RGCN是专门处理具有高度多关系数据特征的现实数据库而开发
是针对局部邻居信息进行聚合的GCN在大规模数据上的扩展
function:
RGCN[关系图卷积网络]：在链接预测和节点分类两个任务上都取得效果
solution:
1. RGCN将每一种边当成一个参数矩阵，进行学习,在边增多的时候，参数量也会越来越大
2. 存在参数巨大化，如何减低参数量，GRCN提出regularization规则化的方法：
regularization规则化：
1.对参数进行技术分解，2.对参数进行块对角分解