Knowledge Graph Embeddings

Knowledge Graph Embeddings (KGE) zijn een reeks methoden die entiteiten en relaties in een knowledge graph representeren als dichte, laag-dimensionale vectoren in een continue ruimte. Het fundamentele model, TransE, werd geïntroduceerd door Bordes, Usunier, García-Durán, Weston en Yakhnenko in 2013. TransE behandelt elke relatie als een translatie in de embeddingruimte — de vector van de head-entiteit plus de relatievector zou de vector van de tail-entiteit moeten benaderen voor elke ware triple (h, r, t). Dit eenvoudige geometrische principe maakte effectieve linkvoorspelling en knowledge base completion op schaal mogelijk.