文献题目:Relation-Aware Entity Alignment for Heterogeneous Knowledge Graphs
文献代码:RDGCN
参考笔记:论文笔记 - 异构知识图的关系感知实体对齐
此文章中有大部分来源于此参考笔记
Abstract
本文提出了一种新颖的关系感知双图卷积网络(RDGCN),该方法旨在探索存在多关系的知识图谱中复杂关系信息,方法是通过原始图和对偶关系图之间的交互进行建模,并利用高速神经网络门控GCN层捕获邻居结构,以学习更好的实体表示。
1.Introduction
在大多数现有模型如Trans系列模型作为嵌入知识图谱的主干,都有假设head+relation 约等于tail的约束,但这种假设无法在多关系图中捕获更复杂的关系信息。
如上图(a)所示,TransE需要同时满足下列式子:
但是依照上述的前两个式子推导出:<