
摘要
在这项工作中,我们超越了传统的复数值表示方法,引入了更具表现力的超复数表示来建模知识图谱嵌入中的实体和关系。具体而言,利用具有三个虚部成分的四元数嵌入来表示实体。关系则被建模为四元数空间中的旋转。所提出方法的优势在于:(1) 通过哈密顿积(Hamilton product)恰当地捕捉到了各成分之间的潜在相互依赖关系,促进了实体与关系之间更为紧凑的交互;(2) 四元数在四维空间中实现了富有表现力的旋转,并且比复平面上的旋转具有更高的自由度;(3) 所提出的框架是对ComplEx模型在超复数空间上的推广,同时提供了更好的几何解释,满足了关系表示学习的关键需求(即建模对称性、反对称性和逆变性)。实验结果表明,我们的方法在四个广泛认可的知识图谱补全基准测试中达到了最先进的性能。
代码仓库
cheungdaven/QuatE
pytorch
GitHub 中提及
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| link-prediction-on-fb15k | QuatE | Hits@1: 0.800 Hits@10: 0.900 Hits@3: 0.859 MR: 17 MRR: 0.833 |
| link-prediction-on-fb15k-237 | QuatE | Hits@1: 0.248 Hits@10: 0.550 Hits@3: 0.382 MR: 87 MRR: 0.348 |
| link-prediction-on-wn18 | QuatE | Hits@1: 0.945 Hits@10: 0.959 Hits@3: 0.954 MR: 162 MRR: 0.95 |
| link-prediction-on-wn18rr | QuatE | Hits@1: 0.438 Hits@10: 0.582 Hits@3: 0.508 MR: 2314 MRR: 0.488 |