【论文】多关系庞加莱图嵌入（Multi-relational Poincaré Graph Embeddings），爱丁堡大学| Ivana Balažević

题目： Multi-relational Poincaré Graph Embeddings

摘要： 双曲型嵌入方法由于其比欧几里德类似方法更准确、简洁地表示层次数据的能力，近年来在机器学习中得到了广泛的关注。然而，多关系知识图往往表现出多个同时的层次结构，而目前的双曲线模型并没有捕捉到这些层次结构。为了解决这个问题，我们提出了一个在双曲空间的Poincaréball模型中嵌入多关系图数据的模型。我们的多关系Poincaré模型（Multi-Relational Poincarémodel，MuRP）通过Móbius矩阵向量乘法和Móbius加法学习特定于关系的参数来转换实体嵌入。分层WN18RR知识图上的实验表明，我们的Poincar EI嵌入优于其欧几里得对和现有的嵌入方法在链路预测任务上，特别是在低维上。

作者简介： Ivana Balažević，爱丁堡大学信息学院机器学习组的博士，也是据科学博士培训中心的成员。她的研究方向是知识图的关系机器学习、表示学习、数学原理嵌入模型和非欧几里德几何。个人主页：http://homepages.inf.ed.ac.uk/s1656585/