要約
エンティティと関係の埋め込みを学習することは、知識グラフなどの関係データに対する機械学習を行うための効率的かつ多用途な方法です。本研究では、全知識グラフの合成的なベクトル空間表現を学習するための全息埋め込み（Holographic Embeddings: HolE）を提案します。提案手法は、相関記憶の全息モデルに関連しており、円周相関を使用して合成表現を作成します。相関を合成演算子として使用することで、HolEは豊かな相互作用を捉えることができつつも、計算効率が高く、訓練が容易で、非常に大規模なデータセットにもスケーラブルです。広範な実験において、全息埋め込みが知識グラフや関係学習ベンチマークデータセットでのリンク予測において最先端の手法を上回ることが示されました。