Von einem Punkt zu einer Mannigfaltigkeit: Wissensgraph-Einbettung zur präzisen Verlinkungs-Vorhersage

Die Wissensgraph-Einbettung zielt darauf ab, ein numerisches Wissensdarstellungsparadigma anzubieten, indem die Entitäten und Beziehungen in einen kontinuierlichen Vektorraummodell transformiert werden. Bestehende Methoden konnten jedoch den Wissensgraph nicht in einem feinen Grad charakterisieren, um eine präzise Vorhersage zu ermöglichen. Es gibt zwei Gründe: das Vorliegen eines schlecht gestellten algebraischen Systems und die Anwendung einer überstrengen geometrischen Form. Da präzise Vorhersagen entscheidend sind, schlagen wir ein manifold-basiertes Einbettungsprinzip (ManifoldE) vor, das als gut gestelltes algebraisches System betrachtet werden kann, das die Position der goldenen Tripel von einem Punkt in aktuellen Modellen auf eine Mannigfaltigkeit in unserem Ansatz erweitert. Umfangreiche Experimente zeigen, dass die vorgeschlagenen Modelle erhebliche Verbesserungen gegenüber den aktuellen State-of-the-Art-Baselines erzielen, insbesondere bei der präzisen Vorhersage, und dennoch eine hohe Effizienz aufrechterhalten.