高级检索
知识超图包含了现实世界中的事实，并给出这些事实的结构化表示.但知识超图无法包括所有事实，所以其是高度不完整的.链接预测方法致力于根据现有实体间链接推理缺失链接，因此广泛应用于知识库补全.目前大多数研究集中于二元关系知识图谱的补全.然而，现实世界中实体间的关系通常是非二元的，即关系中涉及的实体通常多于2个.相较于知识图谱，知识超图能够以一种灵活且自然的方式来表示这些复杂的多元关系.对此，设计一个基于张量分解的知识超图链接预测模型Typer，显式地为不同关系以及不同位置上实体的角色建模，并对关系进行细化分解以提升模型性能.同时，考虑到促进实体与关系间的信息流动有助于学习实体和关系的嵌入表示，提出窗口的概念，以增加实体与关系的交互.此外，证明了Typer模型具有完全表达性，并给出了使模型具有完全表达性的嵌入表示维度边界.在多个公开真实知识超图数据集上进行了详实的实验，实验表明Typer模型能有效解决知识超图链接预测问题，并在所有数据集上取得了较其他方法更好的结果.
[知识超图, 链接预测, 知识库补全, 多元关系, 张量分解, 嵌入学习]
[王培妍, 段磊, 郭正山, 蒋为鹏, 张译丹]