統計的関係学習において、リンク予測問題は大規模な知識ベースの構造を自動的に理解する上で鍵となる課題です。本研究では、従来の研究と同様に、潜在因子分解を通じてこの問題を解決することを提案します。しかし、ここでは複素数値埋め込み（complex valued embeddings）を利用します。複素数値埋め込みの合成は、対称関係や非対称関係など、多種多様な二項関係を処理することができます。現行の最先端モデルであるニューラルテンソルネットワークやホログラフィック埋め込みと比較して、我々の複素数値埋め込みに基づくアプローチはより単純であり、実ベクトル間の標準的な内積の複素数版であるエルミート内積のみを使用します。また、本アプローチは空間と時間の両方で線形であるため、大規模データセットにもスケーラブルであり、標準的なリンク予測ベンチマークにおいて一貫して他の手法を上回る性能を示しています。