PaperReading-TransA《TransA: An Adaptive Approach for Knowledge Graph Embedding》

本文記錄了有關閱讀TransA論文的相關情況.如果有在做相關工作的同學,歡迎與我溝通聯繫 [email protected]

背景

TransA論文的思路也是對於TransE的改進,目的也是來改進TramsE中無法解決的自反、一對多、多對一的關係問題,但是在TransA中解決問題的方法是來來修正在之前集合模型中比較簡單的評價函數的方法

在之前的翻譯模型中,都採用的是計算得到的尾實體和標準尾實體之間的歐式距離,在計算歐式距離的時間將所有的維度都沒有取消量綱下進行計算的,那麼按照論文中的說法實際就是一個球形超平面

以頭實體爲球心,以關係向量爲半徑,得到的尾實體應該就在同一個球上,那麼得到的所有的計算實際在所有的維度上按照同一個標準來計算的

這樣的幾算法方法,第一,沒有取消掉維度的量綱,第二,沒有考慮到不同維度之間的相關性,在計算時會存在噪音,第三,對於所有的維度設置成了同樣的權重,在實際的情況下是不一樣的

思路

TransA解決這個問題的思路就是改進了評估函數,勢能差的計算方法由歐式距離計算方法改進成了馬氏距離的計算方法

1

論文中也是在給了很多的解釋後,通過馬氏距離來解決了以上的三個問題

馬氏距離通過計算協方差矩陣來去掉了維度之間相關性造成的噪音;通過協方差的方式也取消了維度上的量綱;通過馬氏距離將球形超平面計算成了橢圓型超平面

具體的WrW_r矩陣的構造論文中採用的是被稱爲LDL的方法

1

並不是標準的協方差矩陣,而是通過訓練得到結果。

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章