Rescal 和 Distmult，知识图谱嵌入（KGE）论文阅读

Rescal 模型

主要思想：三维张量分解

---

参考：
双线性模型（一）（RESCAL、LFM、DistMult）
知识图谱嵌入(KGE)：方法和应用的综述

---

张量是多维数组，其中零阶张量是标量（scalar），一阶张量是一个向量（vector），二阶的张量是矩阵（matrix），三阶及三阶以上的就是我们通常所说的张量，也叫高阶张量。数据的的维度被称为张量的阶。它可以看成是向量和矩阵在多维空间中的推广。如下图定义一个的三维张量，m 代表关系数，n 代表实体数

---

三维张量分解思想： 每个关系对应于 张量（三维） 中的一个 切片（二维），即一个矩阵，如下图，其实相当于表示图的邻接矩阵，存储各对实体是否有这样的关系，有则表示为 1，没有则表示为 0

对三维张量（下图左式，这个 n×n 的矩阵如上图，代表实体与实体中有无指定关系的存在）进行分解（下图右式）：

分解后的 A 是每个实体的潜在语义表示，每行代表一个实体，r 是指定关系的维度，也即语义表示。矩阵 Rk（r × r） 建模 指定关系中 的实体间的语义的交互。如此，三维张量就能一片片（每个关系都照顾到）进行分解

示意图：

---

总共有多少个关系，和式中的 k 就从1累加到多少，因此有下式：

论文中通过最小化函数来求得 Rk 和 A

---

其实等价转化为最小化如下函数来进一步求解：

---

Distmult 模型

基于Rescal模型进行的改进，个人理解如下，欢迎批评指正