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
- 组合向量空间模型
P r ( ϕ p ( s , o ) = 1 ∣ Θ ) = σ ( η s p o ) = σ ( r p T ( e s ◦ e o ) ) Pr(\phi_p(s,o)=1|\Theta)=\sigma(\eta_{spo})=\sigma(\mathbf{r}_p^T(\mathbf{e}_s◦\mathbf{e}_o)) Pr(ϕp(s,o)=1∣Θ)=σ(ηspo)=σ(rpT(es◦eo))
ϕ p ( s , o ) \phi_p(s,o) ϕp(s,o):特征函数
◦ :复合算子,从嵌入 e s \mathbf{e}_s es, e o \mathbf{e}_o eo创建 ( s , o ) (s,o) (s,o)的复合向量表示。
- 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 ∑