笔记整理 | 耿玉霞,浙江大学直博生。研究方向:知识图谱,零样本学习等。
论文链接: https://arxiv.org/pdf/2007.06267.pdf
本文是发表在NeurIPS 2020上的一篇基于Box的知识图谱表示学习模型的文章。在以往知识图谱表示学习(KG Embedding)的相关工作中,通常将知识图谱中的实体和关系均映射为n维向量空间中的一个点,而这篇文章提出将图谱中的关系表示为n维空间中的一个区域,即一个Box,基于Box的关系表示,使得表示学习模型的表达能力更强、能更好地捕获隐含在图谱中推理规则,同时可以兼容外来的推理规则。更重要的是,模型支持对图谱中多元关系(>2)的表达,对于更复杂的知识库有较强的学习能力。
1. 背景:知识图谱与知识库
通常,知识库由一组facts组成,每个fact表示为 ,即m个实体