グラフコンテキストモデリングを用いた直交関係変換による知識グラフ埋め込み

翻訳距離に基づく知識グラフ埋め込みは、TransEから最新の最先端手法であるRotatEに至るまで、リンク予測タスクにおいて着実な進展を示してきた。しかし、N-1、1-NおよびN-Nの予測は依然として困難な課題のままである。本研究では、知識グラフのリンク予測を対象とした新たな翻訳距離ベースのアプローチを提案する。本手法は二つの側面から構成される。第一に、関係の表現能力を向上させるために、RotatEを2次元複素数空間から直交変換を用いた高次元空間へ拡張する。第二に、グラフの文脈を2つの有向文脈表現を用いて明示的にモデル化する。これらの文脈表現は、学習および推論の過程において三つ組の妥当性を評価する距離スコア関数の一部として利用される。提案手法は、知識グラフリンク予測タスクにおける困難なN-1、1-NおよびN-Nケースにおいて、予測精度を顕著に向上させた。実験結果によれば、ベースラインとなるRotatEと比較して、2つのベンチマークデータセットにおいて優れた性能を達成しており、特に高次数の接続を持つノードを多く含むデータセット（FB15k-237）において顕著な改善が確認された。