Knowledge Graph Completion with Mixed Geometry Tensor Factorization

要約

本論文では、低ランクテンソル近似による知識グラフ補完のための新しい幾何学的アプローチを提案する。我々は、タッカーテンソル分解に基づく、事前に学習された確立されたユークリッドモデルを、新しい双曲線相互作用項によって補強する。この補正により、実世界の知識グラフにより近いデータにおいて、より微妙な分布特性の捕捉が可能となる。2つの形状を組み合わせることで、我々のアプローチは、結果として得られるモデルの表現力を向上させ、従来のユークリッドモデルや双曲モデルと比較して、大幅に少ないパラメータ数で、最先端のリンク予測精度を達成した。

要約(オリジナル)

In this paper, we propose a new geometric approach for knowledge graph completion via low rank tensor approximation. We augment a pretrained and well-established Euclidean model based on a Tucker tensor decomposition with a novel hyperbolic interaction term. This correction enables more nuanced capturing of distributional properties in data better aligned with real-world knowledge graphs. By combining two geometries together, our approach improves expressivity of the resulting model achieving new state-of-the-art link prediction accuracy with a significantly lower number of parameters compared to the previous Euclidean and hyperbolic models.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL