تمثيلات الرسم البياني للمعرفة في الشبكات الفائقة

الرسوم البيانية للمعرفة هي تمثيلات رسومية لقواعد بيانات كبيرة من الحقائق، والتي تعاني عادةً من النقص. تنبؤ الروابط هو المهمة التي تتضمن استنتاج العلاقات (الروابط) المفقودة بين الكيانات (العقد). نهج حديث ورائد في مجال تنبؤ الروابط هو ConvE، الذي يطبق شبكة عصبية انتقالية لاستخراج الخصائص من متجهات الموضوع والعلاقة المتصلة. رغم أن النتائج مبهرة، فإن الطريقة غير بديهية وتُفهم بشكل ضعيف. نقترح هندسة شبكة فرعية تولد مرشحات انتقالية مبسطة ومحددة للعلاقة، والتي (أ) تتفوق على ConvE وكل النهج السابقة عبر قواعد البيانات القياسية؛ و(ب) يمكن صياغتها كتحليل موتر وبالتالي إدراجها ضمن عائلة معروفة جيدًا من نماذج التحليل العامل لتنبؤ الروابط. وبذلك نثبت أن الانتقال يوفر ببساطة وسيلة حسابية ملائمة لإدخال الندرة وربط المعلمات لاكتشاف توازن فعال بين التعبير اللاخطي وعدد المعلمات التي يجب تعلمها.