知识图谱描边——知识图谱的数值表示

• 核心词汇：embedding
• 科研方向的核心问题：如何为KG中的实体与关系求得最优的向量化表示

一、概述

1、知识图谱有几种表示方法？

KG有两种表示方法：
其一，基于图的表示（方便人理解）；
其二，数值表示（将知识图谱中的数据转化为机器可以“理解”的内容）；

2、embedding是干什么的？

让深度学习模型能够使用KG中的知识。
全面的分为：翻译(TransE, TransH, TransR, etc)、双线性(RESCAL, DisMult, ComplEx, etc)、双曲几何(Poincare, MuRE, etc)、神经网络(ConvE, CapsE, etc)、旋转(RotatE, QuatE, DihEdral, etc)类别

一篇不错的文章参考知乎：embedding的作用，

3、有哪些主流模型？

Trans系列的。
其实数值里边有基于距离的模型与基于翻译的模型。
按时间先后顺序为：
基于距离的模型：
SE，这篇文章《Learning Structured Embeddings of Knowledge Bases》2011
基于翻译的模型：把关系看成翻译
Trans E
Trans H
Trans R
Trans D
新的在不断改正着旧的。

二、发文心路历程：

——想做推理方向
——看ACL2020一篇文章
《Improving Multi-hop Question Answering over Knowledge Graphs using Knowledge Base Embeddings》
——注意到embedding和Trans E模型
——看《知识图谱——概念与技术》 2.2知识表示
去找系统性的讲解
——系统的了解了一下embedding