Paper总结 - ConvE: Convolutional 2D knowledge graph embeddings
发表于AAAI2018。
该篇文章利用了卷积操作，整个模型如下：
score function的定义如下：
\begin{equation}
\psi_{r}\left(\mathbf{e}_{s}, \mathbf{e}_{o}\right)=f\left(\operatorname{vec}\left(f\left(\left[\overline{\mathbf{e}_{s}} ; \overline{\mathbf{r}_{r}}\right] * \omega\right)\right) \mathbf{W}\right) \mathbf{e}_{o}
\end{equation}
其中 \(\left[\overline{\mathbf{e}_{s}} ; \overline{\mathbf{r}_{r}}\right] * \omega\) 就是卷积操作，\(\mathbf{W}\) 就是映射。
同时本文也用了 1-N scoring，以往的scoring都是1-1的打分，这篇文章提出了可用1-N的方式打分。