TuckER：用于知识图谱补全的张量分解方法

知识图谱是对现实世界事实的结构化表示。然而，它们通常只包含所有可能事实的一小部分。链接预测是一项基于现有事实推断缺失事实的任务。我们提出了一种名为TuckER的模型，该模型相对简单但功能强大，基于知识图谱三元组的二进制张量表示的Tucker分解。TuckER在标准链接预测数据集上的表现优于先前的最先进模型，成为更复杂模型的强大基线。我们证明了TuckER是一种完全表达性的模型，推导了其嵌入维度的充分界限，并展示了几个先前引入的线性模型可以被视为TuckER的特例。