On The Expressive Power of Knowledge Graph Embedding Methods

要約

ナレッジ グラフ エンベディング (KGE) は一般的なアプローチであり、潜在空間内のナレッジ グラフのエンティティと関係を表現することを目的としています。
それらの表現はエンベディングとして知られています。
トリプレットの妥当性を測定するために、埋め込みスペースに対してスコア関数が定義されます。
さまざまなタスクで KGE が広く普及しているにもかかわらず、KGE 手法の推論能力には限界があります。
この論文では、KGE メソッドの推論能力を比較するための数学的枠組みを提案します。
我々は、STransE が TransComplEx よりも高い機能を備えていることを示し、次に、STransE を TransCoRe の洞察と組み合わせることで STransE を改善し、STransE 空間の複雑さを軽減できる新しい STransCoRe メソッドを提示します。

要約(オリジナル)

Knowledge Graph Embedding (KGE) is a popular approach, which aims to represent entities and relations of a knowledge graph in latent spaces. Their representations are known as embeddings. To measure the plausibility of triplets, score functions are defined over embedding spaces. Despite wide dissemination of KGE in various tasks, KGE methods have limitations in reasoning abilities. In this paper we propose a mathematical framework to compare reasoning abilities of KGE methods. We show that STransE has a higher capability than TransComplEx, and then present new STransCoRe method, which improves the STransE by combining it with the TransCoRe insights, which can reduce the STransE space complexity.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google