arXiv:2312.10370v2 [cs.AI] 2024 年 3 月 28 日__

arXiv:2312.10370v2 [cs.AI] 2024 年 3 月 28 日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arXiv:2312.10370v2 [cs.AI] 2024 年 3 月 28 日

¥ 1.0

热度

摘要。为链接预测而开发的知识图谱嵌入模型 (KGEM) 学习知识图谱中实体的向量表示，称为嵌入。一个常见的默认假设是 KGE 实体相似性假设，该假设指出这些 KGEM 在其嵌入空间内保留了图的结构，即将图中的相似实体彼此靠近。这一理想特性使 KGEM 广泛应用于下游任务，如推荐系统或药物再利用。然而，实体相似性和嵌入空间相似性的关系很少得到正式评估。通常，KGEM 是根据其唯一的链接预测能力进行评估的，使用基于排名的指标，如 Hits@K 或平均排名。本文挑战了流行的假设，即图中的实体相似性本质上反映在嵌入空间中。因此，我们进行了大量实验来衡量 KGEM 将相似实体聚类在一起的能力，并研究了潜在因素的性质。此外，我们研究不同的 KGEM 是否表现出不同的相似性概念。数据集、预训练嵌入和代码可在以下位置获取：https://github.com/nicolas-hbt/similar-embeddings/ 。

添加pdf代下载 VIP点击下载文件