概念は、共通の特性を共有する異なるインスタンスのグループを表す重要な情報であり、知識表現において不可欠です。従来の知識埋め込み手法の多くは、エンティティ（概念とインスタンス）と関係を低次元の意味空間で同等にベクトルとして符号化し、概念とインスタンスの違いを無視しています。本論文では、概念とインスタンスを区別する新しい知識グラフ埋め込みモデルであるTransCを提案します。具体的には、TransCは知識グラフ内の各概念を球体として、各インスタンスを同じ意味空間内のベクトルとして符号化します。概念とインスタンス間の関係（例：instanceOf）、および概念とサブコンセプト間の関係（例：subClassOf）は、相対的な位置を使用してモデル化されます。我々はYAGOに基づくデータセット上で、リンク予測および三重分類タスクでモデルを評価しました。実験結果は、TransCが最先端の手法を上回り、instanceOfおよびsubClassOf関係における意味的推移性を捉えていることを示しています。当該コードおよびデータセットは、https://github.com/davidlvxin/TransC から入手可能です。