知識グラフ埋め込みの迅速な生成

知識グラフ埋め込み手法は、知識ベース内のエンティティとリレーションを連続的なベクトル空間における点やベクトルとして表現することを目指しています。埋め込みを使用するいくつかのアプローチは、リンク予測、エンティティ推薦、質問応答、三項分類などのタスクにおいて有望な結果を示しています。しかし、最先端の計算資源を必要とせずに非常に大きな知識ベースの低次元埋め込みを計算できる手法は限られています。本論文では、スキップグラムモデルに基づく単純かつ高速な知識グラフ埋め込み手法であるKG2Vecを提案します。事前に定義されたスコアリング関数を使用する代わりに、我々は長短期記憶（Long Short-Term Memory, LSTM）に依存してそれを学習します。我々の実験結果は、KG2Vecが知識グラフ補完および新しい評価指標において最もスケーラブルな手法と同等の結果を達成できることを示しています。さらに、一般的なハードウェア上で2億5000万以上のトリプルを7時間未満で処理することで、大規模なグラフの埋め込みをより短時間で行うことができます。