【HOLE】论文浅读：Holographic Embeddings of Knowledge Graphs

HOLE

Holographic Embeddings of Knowledge Graphs

基于向量的循环相关

任务

• 提出全息嵌入(holographic embeddings，HOLE)来学习整个知识图的组成向量空间表示。
• 在组合向量空间模型的框架内研究从知识图谱学习的问题。

方法（模型）

compositional vector space models

1. 组合向量空间模型

$$Pr({\varphi }_p(s,o)=1|\Theta )=\sigma ({\eta }_{spo})=\sigma ({\mathbf{r}}_p^T({\mathbf{e}}_s◦{\mathbf{e}}_o))$$

$${\varphi }_p(s,o)$$：特征函数

◦ ：复合算子，从嵌入${\mathbf{e}}_s$，${\mathbf{e}}_o$创建$（s，o）$的复合向量表示。

2. 通过最大限度地减少（正则化）logistic损失来实现最好地解释数据集的实体和关系的表示。

min ⁡ ∑