.png){kind=icon}
返回
MultiRelE: Multi-relation Knowledge Graph Embedding Model
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-5719-6_22.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为了解决知识图谱嵌入模型中关系规模随实体维度增加而成比例增长、导致参数数量激增以及难以识别高维关系模式的问题，本文提出了一种多关系知识图谱嵌入模型MultiRelE。MultiRelE模型使用矩阵表示实体，利用Kronecker积正交矩阵表示关系，结合奇异值阈值处理和Grassmann流形优化来收缩关系矩阵以减少参数数量。实验结果表明，在WN18RR和FB15K-237数据集上，MultiRelE能够捕捉多种关系模式，相比次优模型DCNE显著减少参数数量，MRR分别提升了7.72%和8.19%。结果表明，MultiRelE模型在处理多关系知识图谱和高维数据场景下具有更优指标，为知识图谱嵌入领域提供了新的解决方案。
Keyword:
Knowledge graph embedding
High-dimensional rotation
Multi-relation
Matrix representation
Contracting Grassmann Manifold Optimization
期刊
W
IF:
0
论文数:
32
被引数:
0
机构
引用论文
DensE: An enhanced non-commutative representation for knowledge graph embedding with adaptive semantic hierarchy.png)
NEUROCOMPUTING
OAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏分享收藏 没有更多内容
没有更多内容