21、基于知识图谱嵌入的集成事实分类：DuEL方法解析

基于知识图谱嵌入的集成事实分类：DuEL方法解析

1. 嵌入模型与链接预测基础

在知识图谱的研究中，嵌入模型是进行链接预测的重要工具。不同的嵌入模型，如TransE、RotatE和ComplEx，有着不同的数值类型和评分函数。
- 评分函数 ：
- TransE ：评分函数为 (f_{tr}(\langle h, r, t\rangle) = ||h + r - t||)，这里的 (||\cdot||) 是L1范数，(h)、(r) 和 (t) 分别是与头实体、关系和尾实体相关联的向量。
- ComplEx ：评分函数为 (f_{co}(\langle h, r, t\rangle) = Re(\langle r, h, \overline{t}\rangle))，其中 (\langle\cdot\rangle) 是向量的广义点积，(Re(\cdot)) 是实部，(\overline{\cdot}) 是复向量的共轭。
- RotatE ：评分函数为 (f_{ro} = ||h \circ r - t||)，(\circ) 表示元素级别的乘积。

经验评估表明，嵌入模型通常会为真实链接返回比虚假链接更高的分数。基于此，一种直接的链接预测方法是根据 (f(\langle h, r, t_i\rangle)) 对每个实体 (t_i) 进行排名，并将排名最高的 (k) 个实体视为潜在的有效补全。然而，不加区分地接受所有 (k) 个实体可能会导致低精度，因为实际上许多排名靠前的实体并非有效补全。减少 (k) 以仅保留最可能的