摘要
本文提出了一种基于翻译机制的知识图谱嵌入方法——高效关系旋转（TransERR），这是一种简洁而有效的传统翻译型知识图谱嵌入模型的替代方案。与以往的翻译模型不同，TransERR在超复数域空间中对知识图谱进行编码，从而在挖掘头实体与尾实体之间潜在关系信息时，具备更高的翻译自由度。为进一步缩小翻译距离，TransERR在模型训练过程中，自适应地使用对应的单位四元数对头实体和尾实体进行旋转，这些四元数为可学习参数。本文还提供了数学证明，以验证TransERR在建模多种关系模式方面的强大能力，包括对称性、反对称性、逆关系、复合关系以及子关系等。在10个基准数据集上的实验结果表明，TransERR具有优异的性能和良好的泛化能力。此外，实验还显示，相较于以往的翻译型模型，TransERR能够在参数更少的情况下，更有效地编码大规模知识图谱数据。本文的代码与数据集已公开，获取地址为：~\url{https://github.com/dellixx/TransERR}。