SEEK: تضمين مُقسَّم لرسوم المعرفة

في السنوات الأخيرة، أصبح تمثيل الرسوم المعرفية (Knowledge Graph Embedding) موضوعًا بحثيًا شائعًا جدًا في مجال الذكاء الاصطناعي، ويلعب دورًا متزايد الأهمية في مجموعة متنوعة من التطبيقات ذات الصلة، مثل التوصية والإجابة على الأسئلة. ومع ذلك، لا تتمكن الطرق الحالية لتمثيل الرسوم المعرفية من تحقيق توازن مناسب بين تعقيد النموذج وقابليته التعبيرية، مما يجعلها ما زالت بعيدة عن المستوى المطلوب من الرضا. لمعالجة هذه المشكلة، نقترح إطارًا نموذجيًا خفيف الوزن يمكنه تحقيق تعبير علاقات قوي جدًا دون زيادة تعقيد النموذج. يركّز إطارنا على تصميم دوال التقييم، ويبرز خاصيتين حاسمتين: 1) تمكين تفاعلات كافية بين الميزات؛ و2) الحفاظ على خاصيتي التماثل والانعكاسية (antisymmetry) للعلاقات. من الجدير بالذكر أن التصميم العام والأنيق لدوال التقييم يتيح لإطارنا دمج العديد من الطرق الشهيرة الحالية كحالات خاصة. علاوةً على ذلك، تُظهر التجارب الواسعة على معايير عامة فعالية وكفاءة إطارنا. يمكن العثور على الكود المصدري والبيانات على الرابط: \url{https://github.com/Wentao-Xu/SEEK}.