知识图谱-KGE-语义匹配-双线性模型-2019：TuckER

【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：