TransH

目录

一、summary

二、method

三、experiment

总结

---

一、summary

解决TransE在处理Reflexive, 1-N, N-1, N-N 关系上的问题，将实体投影在基于关系得超平面上，在该超平面上进行翻译操作，另外还提出了一种减少出现假负例概率的方法。

二、method

TransE在表达上述关系时会导致头尾实体重合，因此TransH引入超平面，使得同一个节点在不同关系超平面的向量表示不尽相同。

 h和t分别代表头结点和尾节点的向量，而关系超平面由平面的法向量以及平面上的平移向量表示。

先将h，t投影到超平面上，为单位法向量。 

loss function

 

 转化为

 

除此之外，现实中的知识图谱不完整，随机抽样很大概率出现假负例样，因此作者提出了一种减少假负例样本出现的方法。基于关系的属性，对替换头尾实体赋以不同的概率，如关系是一对多的，倾向于替换头实体，如关系是多对一的，倾向于替换尾实体，具体为：对关系r，每个头实体对应的平均尾实体数为tph，每个尾实体对应的平均头实体数为hpt，依概率替换头实体。

三、experiment

Link predition

 Triplets Classification

 

总结

TransH克服了TransE面向反向、一对多、多对一和多对多关系的缺点同时继承了其高效性。本文提出的减少假阴性标签的方法也被证明是有效的