历安毛子代枚大学 TransR XIDIAN UNIVERSITY ·基于翻译的知识表示学习：TransR 问题：知识图谱中的复杂关系有一对多、多对一和多对多三种。以职业这个关系 为例子，我们从谷歌搜索引擎获取有（姚明，职业，运动员）和（姚明，职业， 企业家)。按照TransE的假设，会使运动员与企业家的向量表示接近，但事实 上两者有很大的差别。为缓解以上问题，人们相继提出TransR模型1]，TransH 模型[2]，TransD模型[3] 方法：TransR模型是2015年由Lin等人提出的知识表示学习模型，将实体与关 系映射到不同的空间中。翻译操作在关系空间进行：通过关系矩阵，将实体由实 体空间转换到关系空间。在关系空间中使得头实体映射向量与关系向量的和与尾 实体向量接近，以此为目标进行表示学习。 [1]Lin Y,Liu Z,Sun M,et al.Learning entity and relation embeddings for knowledge graph completion[C]//Proceedings of the AAAI Conference on Artificial Intelligence.2015,29(1) TransR 6 • 基于翻译的知识表示学习：TransR 问题：知识图谱中的复杂关系有一对多、多对一和多对多三种。以职业这个关系 为例子，我们从谷歌搜索引擎获取有（姚明，职业，运动员）和（姚明，职业， 企业家）。按照 TransE 的假设，会使运动员与企业家的向量表示接近，但事实 上两者有很大的差别。为缓解以上问题，人们相继提出 TransR 模型[1]，TransH 模型[2]，TransD 模型[3] 方法：TransR模型是 2015 年由 Lin 等人提出的知识表示学习模型，将实体与关 系映射到不同的空间中。翻译操作在关系空间进行：通过关系矩阵，将实体由实 体空间转换到关系空间。在关系空间中使得头实体映射向量与关系向量的和与尾 实体向量接近，以此为目标进行表示学习。 [1]Lin Y, Liu Z, Sun M, et al. Learning entity and relation embeddings for knowledge graph completion[C]//Proceedings of the AAAI Conference on Artificial Intelligence. 2015, 29(1)