笔记整理:孙泽群,南京大学计算机科学与技术系,博士研究生。
论文链接:https://arxiv.org/abs/1901.09590
背景
知识图谱是图结构的数据库,以三元组(es, r, eo)的形式存储事实,其中es和eo分别表示主语和宾语实体,r表示它们之间的关系。然而,知识图谱中的事实是不完备的,人工补全费时费力,这就需要开发自动化补全知识图谱的算法。知识图谱可以表示为一个三阶二值张量,其中每一个元素表示一个三元组,1表示真实三元组,0表示未知三元组(或错误或丢失)。因此,很多基于张量分解的补全模型被提出。本文基于Tucker decomposition, 它可以将一个三阶张量分解为一个核心张量每一维度乘上一个矩阵。令是一个三阶张量,Tucker decomposition 会产生一个核