向量交叉相乘和为零_ICLR 2020|知识图谱推理框架：基于向量空间的推理和数值逻辑推理...

最新推荐文章于 2022-08-28 21:04:27 发布

EDopamine

最新推荐文章于 2022-08-28 21:04:27 发布

阅读量551

点赞数

文章标签：向量交叉相乘和为零

本文链接：https://blog.csdn.net/weixin_36132709/article/details/112767708

版权

本文解读了ICLR 2020上的两篇论文，分别探讨了基于向量空间的推理框架Query2box和数值逻辑推理。Query2box利用Box Embedding处理复杂问题，通过合取和交集操作进行知识图谱推理。另一篇论文扩展了Neural Logic Programming，引入数值比较、属性聚合和求反操作，适用于涉及实体属性数值的问题。

摘要由CSDN通过智能技术生成

2篇ICLR 2020 推理主题论文解读

ICLR专题

知识图谱作为人类知识的载体，蕴含着丰富的语义知识，因此支撑着许多上游的应用，例如问答，推荐等。基于知识图谱的推理作为知识图谱问答的基础，也是有着不同的解决框架，本文解读了两篇不同框架的论文：一篇是基于知识图谱的向量嵌入技术，完全基于向量操作进行推理演算；另一篇是基于Neural Logic Programming框架，并进一步解决了数值推理的问题。

1，Query2box: Reasoning over Knowledge Graphs in Vector Space Using Box Embeddings

(ICLR 2020, Poster)

Hongyu Ren, Weihua Hu, Jure Leskovec

Code

随着知识图谱向量嵌入的技术发展，衍生出了另一种基于向量的知识图谱推理方法，与之前的Neural-LP（Neural Logic Programming）类似的推理框架不同，这一推理框架将问题和实体都表示成低维向量，随后通过向量计算实体与问题的相似度，从而选取相似度较高的实体作为问题的答案实体。然而，之前的方法都是把问题表示为单个向量，但较为复杂的问题可能具有多个答案实体，所以将这种复杂问题表示成语义单一的单个向量明显是不合理的。本文提出了一种Box Embedding的思想，将问题表示成向量空间中的具有一定空间范围的box，这样的query box中就可以自然的包括所有答案实体，充分表示了复杂问题的语义信息。

具体来说，box embedding是由中心向量和偏移向量所组成，覆盖向量空间中的一定范围，所以，问