基于镜像空间的平移嵌入模型

知识图广泛应用于许多人工智能(AI)任务。然而，现有知识图通常是不完整的，需对知识图进行补全或链接预测。本文通过对知识图中的实体和关系进行嵌入来预测知识图的缺失环节：首先，引入镜像空间的概念，使得模型具有学习对称和反对称模式的能力；其次，在新的空间模型中，关系仍然被建模为平移，而实体被建模为具有镜像点的点；最后，提出了MTransE模型将镜像空间的概念应用到TransE上，并在4个广泛使用的数据集上进行实验。实验结果表明，该方法能减少参数的规模，并提高了在4个广泛使用的知识补全数据集上的性能。