Query2box: 使用盒嵌入对向量空间中的知识图谱进行推理，Query2box: Reasoning over Knowledge Graphs in Vector Space Using Box Embeddings

题目： Query2box: Reasoning over Knowledge Graphs in Vector Space Using Box Embeddings 在大规模的不完全知识图谱(KGs)上回答复杂的逻辑查询是一项基本而又具有挑战性的任务。最近，解决这个问题的一个很有前景的方法是将KG实体和查询嵌入到向量空间中，这样回答查询的实体就会被嵌入到查询附近。然而，以前的工作将查询建模为向量空间中的单点，这是有问题的，因为一个复杂的查询表示一个可能很大的答案实体集合，但是不清楚如何将这样的集合表示为单点。此外，以前的工作只能处理使用连词和存在量词的查询。使用逻辑分隔处理查询仍然是一个有待解决的问题。在这里，我们提出Query2box，这是一个基于嵌入的框架，用于在大量且不完整的KG中使用、和操作符对任意查询进行推理。，其中框内的一组点对应于查询的一组回答实体。我们证明了连词可以自然地表示为盒子的交叉点，同时也证明了一个否定的结果，即处理拆分需要嵌入的维度与KG实体的数量成比例。但是，通过将查询转换为析取范式，Query2box能够以一种可伸缩的方式处理带有、的任意逻辑查询。我们演示了query2box在两个大型KGs上的有效性，并表明Query2box实现了比现有技术高25%的改进。