知识图谱-KGE-语义匹配-双线性模型（打分函数用到了双线性函数）-2012：LFM（Latent Factor Model）

【paper】 A latent factor model for highly multi-relational data

【简介】 这篇文章是法国的研究团队发表在 NIPS 2012 上的文章，还挂了 Antoine Bordes 的名字。文章提出了 LFM（Latent Factor Model），主要贡献有两点：一是定义了 unigram、bigram、trigram 三种方式组合的三元组打分函数；二是将关系矩阵分解为低阶矩阵的组合，这样可以实现参数共享。

其实这种比较老的论文的表达方式、行文结构跟现在的论文都不太一样，再加上时间有限，所以没有看太明白。但这类模型终究是要过一遍的，就这样吧。

模型

文章在 intro 部分介绍了统计关系数据建模的现存难点：

1. 频繁出现的关系类型只是一小部分（长尾现象）
2. 数据存在噪声并且不完整
3. 数据集规模有限

文章称 LFM 是基于概率的，明确考虑了数据的不确定性。这里的不确定性应该不是指的实体和关系包含语义的不确定性，只是指对三元组进行概率打分。

早期的论文中三元组表示都是（subject, relation, object），若三元组成立，写作 Ri(Si,Ok)=1Ri(Si,Ok)=1。