关于TransE的表示学习方法的研究综述

简介：
本研究综述文章深入探讨了TransE在知识图谱中的表示学习方法，分析其优势与局限，并总结近年来基于TransE的相关改进工作。 为了及时掌握基于TransE的表示学习方法的最新研究进展，通过归纳与整理，将这类方法分为四种类型：复杂关系、关系路径、图像信息以及其他方面的方法，并对每种方法的设计思路及优缺点进行了详细分析。同时，还对比和总结了该领域的公共数据集与评价指标，并比较了各种基于TransE表示学习算法在实验中的表现。 研究结果表明，在链接预测和三元组分类任务上，PaSKoGE、NTransGH、TCE以及TransD方法的表现最为突出，值得推广并进一步拓展。未来可以在这几种方法的特定路径嵌入、两层神经网络结构、三元组上下文信息以及动态构造映射矩阵等方面进行改进和完善。