Голографические встраивания онтологических графов

Обучение встраиваний (эмбеддингов) сущностей и отношений является эффективным и универсальным методом применения машинного обучения к реляционным данным, таким как онтологические (knowledge) графы. В этой работе мы предлагаем голографические встраивания (HolE) для обучения композиционных векторных представлений целых онтологических графов. Предложенный метод связан с голографическими моделями ассоциативной памяти тем, что использует циркулярную корреляцию для создания композиционных представлений. Используя корреляцию в качестве оператора композиции, HolE способен захватывать богатые взаимодействия, оставаясь при этом вычислительно эффективным, простым в обучении и масштабируемым до очень больших наборов данных. Экспериментально мы показываем, что голографические встраивания превосходят современные методы для задачи предсказания связей (link prediction) в онтологических графах и на эталонных наборах данных по реляционному обучению.