DensE: تمثيل مُحسَّن غير تبادلي لتمثيل الرسوم المعرفية مع هرمية معنوية تكيفية

التعرف على أنماط التراكيب للعلاقات يُعد مهمة أساسية في إكمال رسم المعرفة (Knowledge Graph Completion)، كما يُشكّل خطوة جوهرية نحو التفكير متعدد الخطوات (multi-hop reasoning) على المعرفة المُتعلّمة. في السابق، تم تطوير عدة طرق قائمة على الدوران والتحويل لتمثيل العلاقات المركبة باستخدام حاصل ضرب سلسلة من المصفوفات القطرية ذات القيم المركبة. ومع ذلك، تميل هذه الطرق إلى اتخاذ افتراضات مبسطة جدًا بشأن العلاقات المركبة، مثل إجبارها على أن تكون قابلة للتبديل (commutative)، ومستقلة عن الكيانات، وتنقص من هيكلها الدلالي الهرمي. وللتعامل بشكل منهجي مع هذه المشكلات، قمنا بتطوير طريقة جديدة لتمثيل رسم المعرفة تُسمى DensE، لتوفير نموذج محسّن لتمثيل أنماط التراكيب المعقدة للعلاقات. وبشكل خاص، تقوم طريقة DensE بتفكيك كل علاقة إلى عامل دوران مبني على مجموعة SO(3) وعامل تكبير (scaling operator) في الفضاء الإقليدي ثلاثي الأبعاد (3-D). يؤدي هذا المبدأ التصميمي إلى عدة مزايا لطريقة DensE: (1) بالنسبة للعلاقات المركبة، يمكن أن تكون المصفوفات القطرية المقابلة غير قابلة للتبديل، مما يعكس سيناريوًّا سائدًا في التطبيقات الواقعية؛ (2) يحافظ نموذجنا على التفاعل الطبيعي بين عمليات العلاقات وتمثيلات الكيانات؛ (3) يوفر عامل التكبير قدرة على التمثيل للهيكل الهرمي الدلالي الداخلي للكيانات؛ (4) يتم تحقيق تعبير أقوى في DensE مع كفاءة حسابية عالية من حيث حجم المعلمات ووقت التدريب؛ و(5) الحفاظ على تمثيل الكيانات في الفضاء الإقليدي بدلًا من الفضاء الكوانتي (quaternion space) يُبقي على التفسيرات الهندسية المباشرة لأنماط العلاقات. أظهرت النتائج التجريبية على عدة رسم معرفة معيارية أن DensE تتفوق على النماذج الحالية الرائدة في مهام التنبؤ بالروابط المفقودة، وبشكل خاص في حالة العلاقات المركبة.