目录
2.Link predition for low-dimension d=32
一、summary
提出了ATTH模型以对知识图谱的层次性和逻辑关系进行建模,具体为:
1.不同关系学习不同的曲率;
2.参数化等距双曲,以建模关系的逻辑模式;
3.使用“双曲注意力”将几何操作与捕获逻辑模式结合起来。
二、method
Hyperbolic geometry
定义一个负曲率-c的庞加莱球,通过指数变换和对数变化实现从庞加莱球到切空间的变换.
利用M ̈obiu加法计算球上的矢量加法,同时定义双曲空间两点的距离为:
基于Givens变换,在偶数维度d中,利用块对角阵参数化rot和rel:
基于注意力机制学习两种等距映射
model
head embedding
Attention+translatiom
Score functon
三、experiment
1.dataset
2.Link predition for low-dimension d=32
双曲嵌入能更好表达层次结构,在FB15k-237,ATTH和MuRP表现差不多,translation is sufficient。
在WN18RR上,双曲嵌入更好的表示层次关系。
不同的几何操作捕获不同的逻辑关系,rot捕获反对称,ref捕获对称。
高维空间中,双曲空间和欧式空间的表现差不多,且随着维度的升高ROTH的曲率越来越靠近0.
总结
ATTH模型对不同关系学习不同的曲率,相较于固定曲率表现更好,基于rot和ref操作捕获不同的逻辑关系模式,基于attention可以建模混合的关系模式。该模型在低维情形表现优异,但在高维情形中与欧氏空间表现差不多,因为随着维度的升高,欧氏空间具备很好地表达层次关系和逻辑关系模式。