【paper】 RotatE: Knowledge Graph Embedding by Relational Rotation in Complex Space
【简介】 本文是北大和加拿大的研究团队发表在 ICLR 2019 上的文章，提出了 RotatE（Rotation Embedding），主要思想是将实体表示为复向量，关系视为从头实体指向尾实体的旋转（Rotation）。这个模型大概是看明白了的，感觉还是比较巧妙的。

问题定义

RotatE 的提出主要是为了建模三种关系:对称/非对称、反向关系、关系组合

这里的对称关系指的就是自反关系，inverse 是对两个关系来说的。TransE 可以建模 inverse 和 composition，无法表示 symmetry。

模型

RotatE 是复空间中的双线性模型，希望 truth triplet 满足：

RotatE 巧妙地利用了欧拉公式，将关系视为从头实体向尾实体的旋转。

RotatE 的距离函数为：

附录中还给出了为什么 RotatE 可以建模这三种关系的证明：

文章还提出了一种 self-adversarial 的负采样方法，为负样本赋权重。

最终 loss 为：

实验

pRotatE 是 RotatE 没有模长（modulus）信息，只有相位（phase）信息的版本。

【code】 GitHub - DeepGraphLearning/KnowledgeGraphEmbedding

双线性模型（六）（CrossE、RotatE、TuckER） - 胡萝不青菜 - 博客园