摘要

基于距离的知识图谱嵌入方法在链接预测任务中表现出良好的性能，相关研究主要集中在两个方面：一是处理复杂关系（如N对1、1对N以及N对N关系）的能力，二是对多种关系模式（如对称性/反对称性）的编码能力。然而，现有方法难以同时解决上述两个问题，导致性能不尽如人意。为缓解这一问题，本文提出PairRE模型，该模型为每种关系引入一对向量进行表示。这一对向量能够自适应地调整损失函数中的边距，从而更好地适应复杂关系。此外，PairRE能够有效编码三种重要关系模式：对称性/反对称性、逆关系以及复合关系。在对关系表示施加简单约束的前提下，PairRE还可进一步建模子关系。在多个链接预测基准数据集上的实验结果验证了PairRE所具备的核心能力。此外，我们在具有挑战性的开放图基准（Open Graph Benchmark）的两个知识图谱数据集上取得了新的最先进性能，刷新了当前最佳结果。