摘要

通过利用一系列二维几何变换来建模知识图谱（Knowledge Graph, KG）中实体之间的关系，研究提出了一种高效的知识图谱嵌入（Knowledge Graph Embedding, KGE）模型——CompoundE。此外，基于三维空间中旋转操作的非交换性特征，提出了另一种新的KGE模型Rotate3D。受CompoundE与Rotate3D的启发，本文进一步引入三维复合几何变换，包括平移、旋转、缩放、反射和剪切等，构建了一类新型KGE模型，命名为CompoundE3D。该模型支持多种设计变体，能够灵活匹配知识图谱中丰富的潜在关系特征。由于每种变体在特定类型的关系上具有各自的优势，因此通过集成多个变体可实现更优的整体性能。在四个主流的链接预测数据集上的实验结果验证了CompoundE3D在有效性与灵活性方面的显著优势。