一种结合层次化类别信息的知识图谱表示学习方法

摘要

知识图谱表示学习方法旨在将知识图谱中的实体和关系嵌入到低维连续的向量空间.由于知识图谱本身具有数据稀疏性的问题导致学习出的向量表示性能欠缺.实体的类别信息包含了丰富的语义,引入它能够更好地指导向量表示的学习.已有结合类别信息的表示学习方法要么不支持类别信息的层次化结构或者关系的类别约束,要么对层次化结构的建模过于复杂.提出一种结合层次化类别信息的表示学习方法.我们将类别嵌入到不同的向量空间,使用偏序关系建模类别的层次化结构.同时,将实体向量表示映射到类别向量空间中,要求实体与其所属类别满足偏序关系,且三元组的实体与其关系的类别约束也满足偏序关系.最后,在多个数据集上执行链接预测、三元组分类和实体分类任务的实验结果表明我们的方法相比其他基线方法学习出的向量表示性能更好.