Голографические вложения графов знаний
Holographic Embeddings of Knowledge Graphs
2016-03-02
SCID: 54.1/rf3g7egq
Discuss with AI
циклическая корреляцияголографические представленияграфы знанийпредсказание связейобучение на реляционных данных
Figures from the paper
Abstract (AI)
Обучение вложений сущностей и отношений представляет собой эффективный и универсальный метод применения машинного обучения к реляционным данным, таким как графы знаний. В этой работе мы предлагаем голографические вложения (HolE) для обучения композиционных векторно-пространственных представлений целых графов знаний. Предлагаемый метод связан с голографическими моделями ассоциативной памяти, поскольку в нем используется циклическая корреляция для создания композиционных представлений. Использование корреляции в качестве оператора композиции позволяет HolE моделировать сложные взаимодействия, сохраняя при этом вычислительную эффективность, простоту обучения и масштабируемость для очень больших наборов данных. Экспериментально показано, что голографические вложения превосходят современные методы предсказания связей в графах знаний и на эталонных наборах данных для обучения на реляционных данных.
Key Findings
1
Эксперименты показывают, что HolE превосходит современные методы на задачах предсказания связей в графах знаний и на эталонных наборах данных для реляционного обучения.
2
HolE использует циклическую корреляцию в качестве оператора композиции, что позволяет моделировать богатые взаимодействия между представлениями сущностей и отношений.
3
Голографические вложения (HolE) обучают композиционные векторные представления целых графов знаний.
4
Метод сохраняет вычислительную эффективность, простоту обучения и масштабируемость для очень больших наборов данных.
Research Object
Графы знаний (сущности и отношения, представленные для реляционного обучения)
Research Subject
эффективность, выразительная способность, вычислительная эффективность, удобство обучения, масштабируемость и производительность при предсказании связей голографических эмбеддингов для композиционного представления графов знаний
Publication Details
Publication Date
2016-03-02
Journal
Publisher
ISSN
Cited by
559
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai3
Работы, цитирующие эту статью10
Обзор графов знаний: представление, получение и приложения2021
ConceptNet 5.5: открытый многоязычный граф общих знаний2017
Встраивание графа знаний: обзор подходов и приложений2017
Сверточные двумерные встраивания для графов знаний2018
Графы знаний2021
Встраивание графов знаний для предсказания связей2021
Графы знаний: возможности и проблемы2023
Дополнение графов знаний: обзор2020
Переоценка методов дополнения графов знаний2020
Тройная классификация для дополнения научных графов знаний2021