要約
知識グラフ埋め込み（Knowledge graph embedding）は、知識グラフ内のエンティティ間の欠落した関係を予測することを目的としている。テンソル分解に基づくモデル、例えばComplExは、効率性と表現力のバランスが良好であり、現実世界の知識グラフが巨大であることを考慮すると、非常に重要な特性である。最近提案された多分割埋め込み相互作用モデル（MEI）は、ブロック項テンソル形式を用いることで、こうしたテンソル分解モデルを包含し、このバランスに対する体系的な解決策を提供している。しかし、MEIにはいくつかの欠点が存在し、その一部は元となるテンソル分解モデルに由来するものである。本論文では、これらの欠点を克服し、多分割埋め込みに加えて、アンサンブル効果を実現する独立したコアテンソルと、最大ランクマッピングを実現するソフト直交性を導入した、ブロック項形式を超越した多分割埋め込み相互作用改良モデル（MEIM）を提案する。MEIMは、依然として高い効率性を維持しつつ、表現力を向上させることで、強力なベースラインを上回り、わずかに小さな埋め込みサイズで困難なリンク予測ベンチマークにおいて最先端の性能を達成している。ソースコードは、https://github.com/tranhungnghiep/MEIM-KGE にて公開されている。