摘要

神经模型通常采用图对象的组合表示来处理知识库数据：实体和关系嵌入系统地结合以评估候选知识库条目的真实性。受和谐语法（Harmonic Grammar）启发，我们提出通过优化过程对三元组嵌入进行分词，该过程基于学习到的知识库三元组的良构条件。所得到的模型被称为梯度图（Gradient Graphs），当作为组合模型的辅助时，能够显著提高性能。此外，我们还展示了该模型生成的“超组合”（supracompositional）三元组分词嵌入具有可解释性特征，这些特征在对生成的三元组表示进行推理时证明是有帮助的。