摘要

我们研究了在知识图谱中学习实体和关系表示以预测缺失链接的问题。此类任务的成功在很大程度上取决于对关系模式（或关系之间）进行建模和推理的能力。在本文中，我们提出了一种新的知识图谱嵌入方法——RotatE，该方法能够建模和推理多种关系模式，包括对称性/反对称性、逆关系和复合关系。具体而言，RotatE模型将每个关系定义为从源实体到目标实体在复向量空间中的旋转。此外，我们提出了一种新颖的自对抗负采样技术，用于高效且有效地训练RotatE模型。多个基准知识图谱上的实验结果表明，所提出的RotatE模型不仅具有可扩展性，还能够推理和建模各种关系模式，并显著优于现有的最先进链接预测模型。