9.1 知识图谱嵌入方法的研究-知网-曾国燕-电子科技大学.2022-知识图谱嵌入的主要方法

6.翻译模型（Trans模型）

    翻译模型是把关系当作头实体和尾实体之间的翻译，包括TransE，TransH，TransR，TransD等模型。

    （1）TransE

    TransE 是基于平移的最具代表性的模型。TransE 希望实体和关系满足方程：h+r≈t。也就是说，把实体和关系都表示成向量，在三元组（h, r, t）中，关系的表示向量被看作是头尾实体间的平移向量（也称为翻译向量）。

     TransE 以关系作为实体之间的平移向量，这种方式可以有效地学习一对一的关系类型，但不能有效学习一对多、多对一、多对多这些关系。比如（姚明，搭档，王治郅）和（姚明，搭档，刘炜）两个三元组，当头实体h为“姚明”和关系r为“搭档”相同时，TransE 认为这两个尾实体“王治郅”和“刘炜”具有相同的嵌入向量，但实际情况并非如此。

    TransE 模型简单，参数较少，同时，在多个数据集上，TransE表现很好。

    （2）TransH

    针对 TransE 存在的问题，TransH 模型提出一个新的办法，即是将头、尾实体都映射到关系的平面中，然后在关系的超平面上以关系向量为平移向量找存在特定关系的头、尾实体。

    虽然 TransH 模型将实体投影到关系的超平面，但它仍然假设实体和关系是处于相同的语义空间中。

    （3）TransR

    TransR 模型认为实体和关系的语义属性不一样，那么实体和关系的嵌入空间不应该是相同的。TransR 模型的主要思想是：将实体和关系嵌入到不同的语义空间，然后在关系的嵌入空间中建立从头实体到尾实体的翻译关系。

    TransR 模型性能好，但仍然存在明显的缺点：不分头实体还是尾实体，实体空间向关系表示空间投影所用的向量是同一个。

    （4）TransD

    TransD 模型解决了 TransR模型的缺点，头实体、尾实体投影到关系语义空间所用的矩阵是两个不同的矩阵。

知识图谱嵌入的主要方法总结：包括距离模型、单层神经网络模型、能量模型、张量神经网络模型、双线性模型、翻译模型（Trans模型）。