カプセルネットワークを基盤とする埋め込みモデルによる知識グラフの補完と検索パーソナライゼーション

本論文では、カプセルネットワークを用いて関係三項（主語、関係、目的語）をモデル化する埋め込みモデルであるCapsEを紹介します。我々の提案するCapsEは、各三項を3列の行列として表現し、各列ベクトルが三項内の要素の埋め込みを表します。この3列の行列は次に畳み込み層に供給され、複数のフィルタが作用して異なる特徴マップを生成します。これらの特徴マップは対応するカプセルに再構築され、別のカプセルへとルーティングされて連続的なベクトルを生成します。このベクトルの長さが三項の妥当性スコアを測定するために使用されます。我々が提案するCapsEは、WN18RRおよびFB15k-237という2つのベンチマークデータセットでの知識グラフ補完において、以前の最先端の埋め込みモデルよりも優れた性能を示し、SEARCH17における強力な検索パーソナライゼーション基準も上回っています。