摘要

知识图谱嵌入（Knowledge Graph Embedding）旨在将实体和关系表示为低维向量（或矩阵、张量等），已被证明是一种在知识图谱中预测缺失链接的强大技术。现有的知识图谱嵌入模型主要聚焦于建模关系模式，如对称性/反对称性、逆关系以及关系复合等。然而，许多现有方法难以有效建模语义层次结构，而这类结构在现实应用中十分常见。为应对这一挑战，我们提出一种新型知识图谱嵌入模型——层次感知知识图谱嵌入（Hierarchy-Aware Knowledge Graph Embedding, HAKE），该模型将实体映射到极坐标系中。HAKE 的设计灵感源于极坐标系中同心圆天然能够反映层次结构的特性：其中，径向坐标用于建模不同层次的实体，半径较小的实体预期处于更高层级；而角向坐标则用于区分同一层级内的实体，这些实体应具有相近的半径但不同的角度。实验结果表明，HAKE 能够有效建模知识图谱中的语义层次结构，并在标准基准数据集上的链接预测任务中显著优于现有最先进方法。