主要思想：三维张量分解
参考：
双线性模型（一）（RESCAL、LFM、DistMult）
知识图谱嵌入(KGE)：方法和应用的综述
张量是多维数组，其中零阶张量是标量（scalar），一阶张量是一个向量（vector），二阶的张量是矩阵（matrix），三阶及三阶以上的就是我们通常所说的张量，也叫高阶张量。数据的的维度被称为张量的阶。它可以看成是向量和矩阵在多维空间中的推广。如下图定义一个的三维张量，m 代表关系数，n 代表实体数
三维张量分解思想： 每个关系对应于 张量（三维） 中的一个 切片（二维），即一个矩阵，如下图，其实相当于表示图的邻接矩阵，存储各对实体是否有这样的关系，有则表示为 1，没有则表示为 0
对三维张量（下图左式，这个 n×n 的矩阵如上图，代表实体与实体中有无指定关系的存在）进行分解（下图右式）：
分解后的 A 是每个实体的潜在语义表示，每行代表一个实体， r 是 指定关系的维度，也即语义表示。 矩阵 Rk（r × r） 建模 指定关系中 的实体间的语义的交互。如此，三维张量就能一片片（每个关系都照顾到）进行分解
示意图：
总共有多少个关系，和式中的 k 就从1累加到多少，因此有下式：
论文中通过最小化函数来求得 Rk 和 A
其实等价转化为最小化如下函数来进一步求解：
基于Rescal模型进行的改进，个人理解如下，欢迎批评指正
Original: https://blog.csdn.net/qq_40506723/article/details/122889173
Author: 白白净净吃了没病
Title: Rescal 和 Distmult，知识图谱嵌入（KGE）论文阅读
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/554894/
转载文章受原作者版权保护。转载请注明原作者出处！