TransRHS: A Representation Learning Method for Knowledge Graphs with RHS-学习笔记

TransRHS: A Representation Learning Method for Knowledge Graphs with Relation Hierarchical Structure

PPT

一种具有关系层次结构的知识图谱的表示学习方法。

知识表示学习是面向知识图谱中实体（或概念）和关系的表示学习。通过将实体或关系投影到低维稠密向量（嵌入表示），实现对实体和关系的语义信息的表示，高效地计算实体、关系及其之间的复杂语义关联。

---

RHS

关系层次结构（RHS）由关系之间的名为subRelationOf的泛化关系构成，隐含关系之间的固有关联性，可以提高知识表示学习的整体性能。

图中显示了带有RHS的KG，（1）矩形表示实体，（2）圆角矩形表示关系，（3）实线表示观察到的事实，（4）虚线表示潜在事实。

给定一个观察到的三元组（Mike Smith，教练组，猎鹰队），则可以根据RHS从逻辑上得出三元组（Mike Smith，效力于，猎鹰队）和三元组（Mike Smith，人员属于组织，猎鹰队） 。

RHS的直接方法可能会对嵌入产生负面影响，从而降低模型性能。（（1）当训练了现有模型时，直接考虑RHS信息的方法将 改变关系的根基。 （2）此外，大多数基于翻译的模型都满足h + r≈t，因此实体的嵌入也将受到影响。）

提出新方法TransRHS，能够将RHS无缝地嵌入到嵌入中。

---

典型的关系层次结构像树一样。通常使用最一般的关系r作为相应树结构的根节点，r(i)j代表关系层次结构中第i层的第j个子关系。