ネットワーク構造を利用した知識グラフの埋込

抄録

知識グラフにおいて、個別知識は「s（主語）についてr（述語）の値（目的語）はoである」 という3つの値（トリプル）で表現される。主語sと目的語 o は実態を示すnode、述語r はそれらの関係を示すedgeとすると、知識群全体は（知識）ネットワークで表現される。一方で、node, edge をそれぞれ多次元上のベクトルで表現すること（埋め込み）をすれば、未知関係の知識表現（トリプル）の予測が可能となるため、近年研究が進んでいる。ここでは学習時間を減らすことが目的である。ネットワークにはさまざまな特徴があるが、モジュール構造がある場合にはその情報をうまく利用することによって学習時間を短くできる方法を開発した。モジュール構造を同定し、それを基に他のエンティティの学習に影響するような影響度の高いエンティティを同定する。それを重点的に学習することで効率をあげる手法を提案する。この知識グラフ埋め込みの高速な学習方法は、モデルの種類に依存しないメリットがある。学習の高速化は、新規モデルの検証やハイパーパラメータの探索など、学習を何度も行うときにも有用である。