本文发表于ACL 2020。知识图谱嵌入通过学习实体和关系的低维表示来预测缺失的事实。知识图谱通常表现出层次结构和逻辑模式，必须在嵌入空间中保留这些模式。对于层次数据，双曲线嵌入方法已经显示出高保真和精简表示的前景。然而，现有的双曲线嵌入方法并不能解释知识图谱中丰富的逻辑模式。本文介绍了一类双曲线知识图谱嵌入模型，该模型同时捕获层次模式和逻辑模式。本文的方法结合了双曲线反射和旋转，并注意到模型的复杂关系模式。在标准知识图谱基准上的实验结果表明，本文的方法在低维平均倒数秩方面比以前的基于欧几里德和双曲线的方法提高了6.1%。

内容中包含的图片若涉及版权问题，请及时与我们联系删除