摘要

知识图谱嵌入旨在预测知识图谱中实体之间的缺失关系。基于张量分解的模型（如ComplEx）在效率与表达能力之间提供了良好的平衡，这一点尤为重要，因为现实世界中的知识图谱通常规模庞大。近期提出的多分区嵌入交互（Multi-partition Embedding Interaction, MEI）模型通过采用分块张量（block term tensor）格式，统一了上述张量分解类模型，并为该权衡问题提供了一种系统性解决方案。然而，MEI仍存在若干局限性，其中部分问题源自其所涵盖的张量分解模型本身。本文针对这些缺陷，提出了一种改进模型——超越分块张量格式的多分区嵌入交互模型（Multi-partition Embedding Interaction iMproved beyond block term format, MEIM）。该模型在保留多分区嵌入的基础上，引入了独立的核心张量以实现集成效应，并采用软正交性约束以实现最大秩映射。MEIM在保持高度计算效率的同时显著提升了模型的表达能力，在使用相对较小的嵌入维度情况下，显著优于多个强基准模型，并在多个具有挑战性的链接预测基准测试中取得了当前最优性能。相关源代码已开源，地址为：https://github.com/tranhungnghiep/MEIM-KGE。