「AI Drive」是由 PaperWeekly 和 biendata 共同發起的學術直播間，旨在幫助更多的青年學者宣傳其最新科研成果。我們一直認為，單向地輸出知識并不是一個最好的方式，而有效地反饋和交流可能會讓知識的傳播更加有意義，從而產生更大的價值。

本期 AI Drive，我們邀請到北京航空航天大學博士生宋騰煒，為大家在線解讀其發表在 NeurIPS 2021 的最新研究成果：Rot-Pro: Modeling Transitivity by Projection in Knowledge Graph Embedding。對本期主題感興趣的小伙伴，12?月 2?日（本周四）晚 7 點，我們準時相約 PaperWeekly 直播間。

直播信息

知識圖譜表示學習模型通過學習知識圖譜中實體和關系的表示，用于預測實體之間缺失的鏈接（關系），而這些模型的性能很大程度上受模型推斷不同關系模式能力的影響。目前常見的關系模式有對稱、非對稱、互逆、組合和傳遞等。盡管現有模型已經能夠對這些關系模式中的大部分進行建模，但當前模型還未能支持建模傳遞關系性這一常見的關系模式。

在本文中，我們首先從理論上證明了傳遞關系可以用一種通用的投影變換進行建模。然后我們提出了一種能夠將投影變換和關系的旋轉結合在一起的知識表示模型，Rot-Pro。我們證明了 Rot-Pro 可以推斷出上述所有關系模式。實驗結果表明，Rot-Pro 模型能夠有效地學習傳遞模式，并在包含傳遞關系的數據集中展現了良好的鏈接預測結果。

論文標題：

Rot-Pro: Modeling Transitivity by Projection in Knowledge Graph Embedding

論文鏈接：

https://arxiv.org/abs/2110.14450

本次分享的具體內容有：?

• 知識圖譜表示學習及關系模式

• 傳遞關系建模：使用投影變換建模傳遞性

• Rot-Pro：模型的建模及優化過程

• 實驗結果及討論

• 未來工作

嘉賓介紹

?宋騰煒?/ 北京航空航天大學博士生?

宋騰煒。北京航空航天大學博士研究生。主要研究方向為知識圖譜表示學習，本體語義約束，以及時序知識圖譜的建模。

直播地址?& 交流群

本次直播將在 PaperWeekly 視頻號和 B 站直播間進行，掃描下方海報二維碼或點擊閱讀原文即可免費觀看。線上分享結束后，嘉賓還將在直播交流群內實時 QA，在 PaperWeekly 微信公眾號后臺回復「AI Drive」，即可獲取入群通道。

視頻號直播間：

掃描下方二維碼關注 PaperWeekly 視頻號，第一時間獲取開播提醒。

B 站直播間：

https://live.bilibili.com/14884511

合作伙伴

🔍

現在，在「知乎」也能找到我們了

進入知乎首頁搜索「PaperWeekly」

點擊「關注」訂閱我們的專欄吧

·

總結

以上是生活随笔為你收集整理的直播 | NeurIPS 2021：基于投影变换建模传递关系的知识图谱表示学习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。