基于卷积神经网络的KBC
原版的：
A Novel Embedding Model for Knowledge Base Completion Based on Convolutional Neural Network
概括
本篇文章是将图片卷积的概念扩展并应用于知识图谱点的嵌入表示，简单来说，是对知识图谱中的每一个三元组组合而成的嵌入矩阵k表示的是嵌入向量的维度，与不同的
的filters进行卷积运算，来提取嵌入三元组相同维度的关系。得到多个feature maps，然后将这些feature maps拼接在一起，得到三元组的一个嵌入向量表示，该嵌入表示在于一个权重向量做内积，得到的数值来对三元组进行打分，表示三元组的有效与否。
建议的方法
将知识图谱的三元组表示为矩阵的形式，
，卷积核
，
与A的每一行进行卷积运算，会得到一个k维的feature map，记为
其中b是偏置项，g是激活函数。
用和
分别表示卷积核集合和卷积核的个数。分别去和A进行卷积运算，运算结果直接拼接起来，得到一个向量
，再和一个权重向量
做内积运算，得到的值是对该三元组的打分：
所有三元组的共享和力参数
最后，目标函数如下：
[1]: A Novel Embedding Model for Knowledge Base Completion Based on Convolutional Neural Network
文章出处登录后可见！
已经登录？立即刷新
