Please enable JavaScript.
Coggle requires JavaScript to display documents.
知识嵌入, 知识推理, 距离模型 - Coggle Diagram
知识嵌入
链接预测任务 :red_flag:
-
-
语义匹配模型
利用基于相似性的评分函数
-
SimpIE模型 :!:
做法：在RESCAL模型的基础上，将关系矩阵限制为对角阵，并简化为向量表示；
每个实体编码两个嵌入向量，分别对应三元组的头实体和尾实体；
关系也编码两个向量，分别对应关系的正方向和逆方向。
TuckER模型 :!:
做法：将知识图谱表示为三阶二元张量，并引入三阶张量的分解方法，通过输出核心张量、实体及关系的向量来学习嵌入。
特点：RESCAL和SimpIE均可解释为TuckER模型的特殊情况。
-
SME模型
做法：在语义上匹配实体关系对(h,r)和(r,t)的单独组合。
-
-
-
-
-
-
-
-
神经网络模型
-
ConvE模型 :!:
做法：通过将头实体、关系对(h,r)视为特征图来建模实体和关系之间的相互作用，最终全连接层的输出与尾实体向量求内积，得到模型对三元组的评分。
-
-
-
NAM模型
做法：将(h,r)对的隐藏编码与尾实体向量进行匹配，提出了关系调制神经网络。
-
-
-
-
-
-
几何模型
-
QuatE模型 :!:
问题：复数域的哈达玛积具有交换律，导致RotatE在建模合成关系模式时存在缺陷。
做法：引入超复数表示来建模实体和关系，采用具有三个虚分量的四元数嵌入，关系被建模为四元数空间中的旋转。
-
-
-
-
-
-
-
-
-
-
-