【paper】 TuckER: Tensor Factorization for Knowledge Graph Completion
【简介】 这篇文章是英国爱丁堡大学的研究者发表于 ICML 2019 上的文章,提出了 TuckER,是一个线性的张量分解模型,对表示三元组事实的二值张量做 Tucker 分解。
背景知识
本模型基于 1966 年 Tucker 提出的 Tucker decomposition,它将一个张量分解为一个 core tensor 和一组矩阵相乘的形式,可以被视为一种高阶 SVD 的形式,在矩阵是正交的和 core tensor 是“all-orthogonal(全正交)”的 special case 下。
文章声称 TuckER 是 fully expressive 的,这个词也在很多文章中见过,这里解释了它的含义:
对于给定的 golden triplet,一定有 embedding 各维度值的分配方法,使其与负样本分开。
TuckER 可以视为各种 bilinear model (RESCAL、DistMult、ComplEx、SimplE)的通用情况。
Related Work 中介绍了几大 bilinear 模型的方法和打分函数。
Tucker 分解:
一篇博客里介绍得很清楚,贴在这里好了: