Knowledge Base Embeddings: Semantics and Theoretical Properties

要約

ナレッジ グラフ エンベディングの研究は、最近ナレッジ ベース エンベディングに進化しました。その目標は、事実をベクトル空間にマッピングするだけでなく、利用可能な関連する概念的知識を考慮に入れるようにモデルを制約することでもあります。
この論文では、幾何学ベースのセマンティクスのレンズを通して、記述ロジック内の知識ベースをベクトル空間に埋め込むために提案されている最近の方法を検証します。
私たちはいくつかの関連する理論的特性を特定し、それらを文献から引き出し、場合によっては一般化または統一します。
次に、具体的な埋め込み手法がこの理論的枠組みにどのように適合するかを調査します。

要約(オリジナル)

Research on knowledge graph embeddings has recently evolved into knowledge base embeddings, where the goal is not only to map facts into vector spaces but also constrain the models so that they take into account the relevant conceptual knowledge available. This paper examines recent methods that have been proposed to embed knowledge bases in description logic into vector spaces through the lens of their geometric-based semantics. We identify several relevant theoretical properties, which we draw from the literature and sometimes generalize or unify. We then investigate how concrete embedding methods fit in this theoretical framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google