论文阅读|NeurIPS 2013：（TransE）Embedding Embedding for Modeling Multi-relational Data

  摘要 我们研究了低维向量空间中多关系数据的嵌入实体和关系问题。我们的目标是提出一个易于训练的规范模型，它将包含一组较少的参数，并且可以扩展到非常大的数据库，因此，我们提出了TransE，该方法可以将对关系的建模在低维度的实体表征空间上视为一种翻译操作。尽管它很简单，但这个假设被证明是很强大的，因为广泛的实验表明TransE在两个知识库上的的链接预测显著优于STOA方法。此外，它还在一个拥有1M

>>阅读原文<<