يادگيري انطباق موجوديت و رابطه براي گراف دانش چند زبانه

Learning Entity and Relation Embeddings for Knowledge Graph Completion

گراف هاي دانش چند زبانه مانند دي-بي پديا و ياگو شامل دانش ساخت يافته از موجوديت ها در چندين زبان متمايز هستند و منابع مفيدي براي برنامه هاي بين زباني هوش مصنوعي محسوب مي شوند. هدف از انطباق گراف دانش بين زباني تطبيق دادن موجوديت ها با موجوديت هاي همتاي آنها در زبان هاي ديگر مي باشد، كه يك راه حل مهم براي بهبود لينك هاي بين زباني در انطباق دانش چند زبانه محسوب مي شود. بنابراين، در اين مقاله روش MultiTransR به عنوان يك مدل مبتني بر ترجمه براي انطباق گراف دانش چندزبانه پيشنهاد شده است.اين روش از انتقال موجوديت ها و روابط هر زبان به يك فضاي نهان جداگانه بهره مي برد، به اين ترتيب كه MultiTransR انتقال هر يك از بردار هاي نگاشت را به همتاي بين زباني شان در فضاهاي ديگر فراهم مي كند، در حالي كه ويژگي هاي تك زبانگي آنها حفظ ميشوند.