SimplE Embedding for Link Prediction in Knowledge Graphs 知識グラフにおけるリンク予測のためのSimplE埋め込み

知識グラフは世界に関する知識を含み、その知識の構造化された表現を提供します。現在の知識グラフは、世界で真実である情報の一部しか含んでいません。リンク予測手法は、既存のエンティティ間のリンクに基づいて新しいリンクを予測することを目指しています。テンソル分解手法は、このようなリンク予測問題に対して有望な結果を示しています。1927年に提案されたカノニカル・ポリアディック（CP）分解は、最初のテンソル分解手法の一つです。しかし、CPは各エンティティに対して独立した2つの埋め込みベクトルを学習するため、リンク予測において一般的に性能が低いです。本稿では、各エンティティの2つの埋め込みベクトルが依存して学習できるようにするCPの単純な改良版（SimplEと呼ぶ）を提案します。SimplEの計算量は、埋め込みベクトルのサイズに線形に増加します。SimplEを通じて学習される埋め込みベクトルは解釈可能であり、特定の種類の背景知識をこれらの埋め込みベクトルに組み込むことができます。我々はSimplEが完全表現性を持つことを証明し、完全表現性のために必要な埋め込みベクトルのサイズに関する境界値を導出しました。実験的にも示されるように、SimplEはその単純さにもかかわらず、いくつかの最先端のテンソル分解技術よりも優れた性能を発揮します。SimplE のコードは GitHub で公開されており、以下の URL からアクセスできます: https://github.com/Mehran-k/SimplE.