Knowledge Graph Embeddings

Knowledge Graph Embeddings (KGE) sind eine Familie von Methoden, die Entitäten und Relationen in einem Wissensgraphen als dichte, niedrigdimensionale Vektoren in einem kontinuierlichen Raum darstellen. Das grundlegende Modell, TransE, wurde 2013 von Bordes, Usunier, García-Durán, Weston und Yakhnenko eingeführt. TransE behandelt jede Relation als eine Translation im Einbettungsraum – der Vektor der Kopfentität plus der Relationsvektor sollte sich dem Vektor der Schwanzentität für jedes wahre Tripel (h, r, t) annähern. Dieses einfache geometrische Prinzip ermöglichte eine effektive Link-Vorhersage und Wissensbasis-Vervollständigung in großem Maßstab.