KBGAN: Adversarial Learning for Knowledge Graph Embeddings理解

本篇論文的主要創新點在於將GANs與Knowledge graph embeddings(KGE)相結合，提高了KGE的效率。 傳統KGE方法通過隨機替換fact的head或tail entity生成負樣本，但這樣的負樣本往往與正樣本的語義差別較大，對模型的訓練沒有幫助。 因此，本文提出KBGAN——損失函數爲marginal loss function，帶有softmax的KGE模型。KBGAN

>>阅读原文<<