摘要

基于平移距离的知识图谱嵌入方法在链接预测任务上已取得显著进展，从最初的TransE发展到最新的前沿模型RotatE。然而，对于N-1、1-N以及N-N类型的链接预测任务，仍面临较大挑战。本文提出一种新型的基于平移距离的知识图谱链接预测方法。该方法包含两个核心方面：首先，将RotatE从二维复数空间扩展至高维空间，并引入正交变换以增强关系建模能力，从而提升模型的表达能力；其次，显式地通过两个有向图上下文表示来建模图结构上下文信息，这些上下文表示被整合进距离评分函数中，用于在训练与推理阶段评估三元组的合理性。所提出的模型在处理知识图谱链接预测中难度较高的N-1、1-N和N-N情形时，显著提升了预测准确性。实验结果表明，该方法在两个基准数据集上的表现优于基线模型RotatE，尤其在包含大量高入度连接节点的FB15k-237数据集上，性能提升尤为明显。