知识图谱-KGE-模型-归纳式(Inductive)-2022：MorsE【传统直推式的KGE方法只能对训练阶段已经见过的实体进行预测和应用】【归纳式模型可用于训练阶段未见过的实体】

论文题目：Meta-Knowledge Transfer for Inductive Knowledge Graph Embedding
论文链接：https://arxiv.org/abs/2110.14170
代码链接：https://github.com/zjukg/MorsE

一、引言

当前，大量的大规模知识图谱（knowledge graph，KG）被提出，并应用于多种下游任务。在知识图谱的使用过程中，有各种知识图谱表示学习的方法（即知识图谱嵌入，knowledge graph embedding，KGE）被提出，用于将知识图谱中的实体和关系映射到连续的低维向量空间中。相比于传统地用离散的三元组对知识图谱进行表示，向量表示可以更好地被深度学习模型所使用。

然而传统的KGE方法只能对训练阶段已经见过的实体进行预测和应用（即transductive，直推式场景），因为传统的KGE方法是对一个固定集合的实体学习嵌入表示。所以对知识图谱表示学习来说，可归纳式&#