بلاگ

استنتاج مبتنی بر بازنمایی توزیعی

تعبیه های نمودار دانش (KGEs) بازنمایی های بُعد پایین از موجودیت‌ها و روابط در یک گراف دانش هستند. آنها یک زمینه قابل تعمیم در مورد گراف دانش کلی ارائه می دهند که می تواند برای استنتاج روابط یا موجودیت ها استفاده شود. تعبیه‌های گراف دانش به گونه‌ای محاسبه می‌شوند که ویژگی‌های خاصی را برآورده کنند. مدل‌های KGE توابع امتیاز متفاوتی را تعریف می‌کنند که فاصله دو موجودیت را نسبت به نوع رابطه آن در فضای تعبیه‌شده با ابعاد پایین اندازه‌گیری می‌کند. این توابعِ امتیاز، برای آموزش مدل های KGE استفاده می شود به طوری که موجودیت های متصل شده توسط روابط به یکدیگر نزدیک هستند در حالی که موجودیت هایی که به هم متصل نیستند دور هستند. بسیاری از مدل‌های KGE محبوب مانند TransE، TransR، RESCAL، DistMult، ComplEx و RotatE وجود دارند که عملکردهای امتیازی مختلفی را برای یادگیری تعبیه‌های موجودیت و روابط تعریف می‌کنند.