知识图谱-KGE-语义匹配-双线性模型-2018：SimplE

 【paper】 SimplE Embedding for Link Prediction in Knowledge Graphs
【简介】 本文是加拿大英属哥伦比亚大学的两位学者发表在 NIPS 2018 上的工作，文章提出了 SimplE（Simple Embedding）。这篇和前面一篇差不多，也是对 1927 年的 CP 进行改进（简化），传统CP为实体分配的两个向量是独立训练的，SimplE利用关系的逆在三元组打分函数中加上了一个对称项，使得每个实体的两个向量依赖学习，并且 SimplE 的复杂度随 embedding 维度呈线性。

SimplE 可以被视为双线性模型，并且是 fully expressive，可以通过参数共享（赋权）编码背景知识；尽管（或者是因为）其简单，在实验中表现效果好。

模型

1927 年的 CP（Canonical Polyadic）在链接预测上表现效果通常很差，因为它为每个实体分配两个向量（作为头尾实体时的不同表示），但是两个向量是分别学习的，如：

对此，SimplE 仍然保留