👔

TransE : Translating Embeddings for Modeling Multi-relational Data

지식 그래프란?

•
Entity와 Relation으로 이루어진 Directed Graph로 Human Knowledge를 표현하는 방법
•
Entity는 Graph의 node, Relation은 edge가 된다.
•
지식 그래프는 (h,r,t)( {h, r, t}), (head enity, relation, tail entity)로 표현한다.
•
하지만 위와 같은 표현은 다루기 어렵기 때문에 지식 그래프를 벡터 공간에 임베딩 하는 방법들을 제안했다.

TransE

•
TransE는 지식 그래프를 연속적인 벡터 공간에 임베딩하는 대표적인 방법이다.
•
TransE에서는 Relation을 Embedding space에서의 Translation으로 해석한다. 따라서, h+r≈t\bold{ h + r ≈ t} 가 성립한다. 즉, 임베딩된 tail entity는 head entity와 relation의 합으로 근사적으로 표현될 수 있다.
•
Embedding 모델이니까 당연히 Loss Function이 있고... SGD등으로 학습하고...
REF)
1.
Haotian Li, et al. "KG4Vis: A Knowledge Graph-Based Approach for Visualization Recommendation." (VIS). 2021.
2.
Bordes, Antoine, et al. “Translating embeddings for modeling multi-relational data.” Neural Information Processing Systems (NIPS). 2013.