Generalizing Knowledge Graph Embedding with Universal Orthogonal Parameterization

最近的知识图谱嵌入（KGE）的进展依赖于欧几里得/双曲正交关系转换来建模内在逻辑模式和拓扑结构。然而，现有方法局限于刚性关系正交化，具有受限维度和同质几何，导致建模能力不足。在这项工作中，我们通过引入一个名为GoldE的强大框架，在维度和几何方面超越了这些方法，它具有基于广义Householder反射的通用正交参数化。这种参数化可以自然地实现维度扩展和几何统一，并具有理论保证，使我们的框架能够同时捕捉知识图谱的关键逻辑模式和内在拓扑异质性。在实证方面，GoldE在三个标准基准测试中实现了最先进的性能。代码可在https://github.com/xxrep/GoldE获得。

GoldE论文试图解决的问题是如何在知识图谱嵌入中同时考虑到逻辑模式和拓扑结构的异质性，以及如何突破现有方法在维度和几何方面的限制。

GoldE提出了一种基于广义Householder反射的通用正交参数化框架，可以自然地实现维度扩展和几何统一，并具有理论保证。

论文在三个标准基准测试中实现了最先进的性能，并提供了可用于复现实验的代码。

在知识图谱嵌入领域，最近的相关研究包括TransE、TransH、TransR、RotatE等。