Ein Kapselnetz-basiertes Einbettungsmodell für die Vervollständigung von Wissensgraphen und die Personalisierung von Suchvorgängen

In dieser Arbeit stellen wir ein Einbettungsmodell vor, das CapsE genannt wird und das Kapselnetze zur Modellierung von Relationstripeln (Subjekt, Relation, Objekt) verwendet. Unser CapsE stellt jedes Tripel als eine 3-Spalten-Matrix dar, wobei jeder Spaltenvektor die Einbettung eines Elements im Tripel repräsentiert. Diese 3-Spalten-Matrix wird dann an eine Faltungsschicht weitergegeben, in der mehrere Filter angewendet werden, um verschiedene Merkmalskarten zu generieren. Diese Merkmalskarten werden in entsprechende Kapseln rekonstruiert, die anschließend an eine andere Kapsel geleitet werden, um einen kontinuierlichen Vektor zu erzeugen. Die Länge dieses Vektors wird verwendet, um den Plausibilitätswert des Tripels zu messen. Das von uns vorgeschlagene CapsE erreicht bessere Ergebnisse als bisherige state-of-the-art-Einbettungsmodelle für die Vervollständigung von Wissensgraphen auf zwei Benchmark-Datensätzen WN18RR und FB15k-237 und übertrifft starke Baseline-Modelle für Suchpersonalisierung auf SEARCH17.