Core Concepts
本研究は、知識グラフ集合検索問題を初めて提案し、この問題に対処するための新しい知識グラフ埋め込みモデルSpherEを提案する。SpherEは、各エンティティを球体として埋め込み、各関係を回転として表現することで、多対多の関係をより表現力豊かにモデル化できる。また、SpherEは高い解釈可能性も備えている。
Abstract
本研究は、知識グラフ集合検索問題を初めて提案している。従来の知識グラフ埋め込みモデルは、各エンティティをベクトルとして、各関係を変換関数としてモデル化していたが、これでは一対多、多対一、多対多の関係を十分に表現できないという問題があった。
そこで本研究では、SpherEと呼ばれる新しい知識グラフ埋め込みモデルを提案する。SpherEでは、各エンティティを球体として埋め込み、各関係を回転変換として表現する。これにより、多対多の関係を自然に表現できるようになる。また、球体の半径は各エンティティの「普遍性」を表すパラメータとして解釈できるため、SpherEは高い解釈可能性も備えている。
実験の結果、SpherEは従来手法と比べて知識グラフ集合検索タスクにおいて優れた性能を示すことが分かった。特に、多対多の関係を持つクエリに対して大幅な性能向上が見られた。一方で、推論能力についても従来手法と遜色ない結果が得られた。
Stats
知識グラフ中のエンティティの出現頻度が高いほど、そのエンティティの球体の半径が大きくなる
知識グラフ中に1回しか出現しないエンティティの球体の半径は負の値に最適化される
Quotes
「知識グラフ集合検索問題を初めて提案する」
「SpherEは、各エンティティを球体として埋め込み、各関係を回転として表現することで、多対多の関係をより表現力豊かにモデル化できる」
「SpherEは高い解釈可能性も備えている」