MTransE：多语言知识图谱嵌入与跨语言知识对齐

"MTransE论文翻译" MTransE（Multilingual Knowledge Graph Embeddings for Cross-lingual Knowledge Alignment）是一篇关于多语言知识图谱嵌入的论文，旨在解决跨语言知识对齐的问题。知识图谱嵌入技术已经在单语知识图谱的构建中展现出了巨大的价值，然而，由于知识库常常使用多种不同的语言构建，使得实现跨语言知识对齐变得至关重要，这能够促进知识库的连贯性，并帮助计算机理解不同语言中实体和关系的差异。 传统的跨语言知识对齐方式依赖于人工操作，这种方法既昂贵又容易出错。MTransE模型由此应运而生，它提供了一个自动化解决方案，通过推理方法在独立的嵌入空间中编码每种语言的实体和关系。MTransE允许每个实体向量转换到其他语言的对应向量，同时保持单语嵌入的特性。模型采用三种技术来表示跨语言转换：轴校准、平移向量和线性变换，从而形成五个不同的MTransE变体，每个使用不同的损失函数。 在部分对齐的图上训练MTransE，即只有少量三元组与跨语言对应项对齐，实验结果表明，该模型在跨语言实体匹配和三元组对齐任务上表现出色，某些变体在不同任务中表现优于其他方法。此外，MTransE还展示了其保留单语对应物TransE关键属性的能力。 知识图谱的构建和使用对于人和人工智能系统来说是至关重要的，尤其是多语言知识库，如Wikipedia、WordNet和ConceptNet。这些资源以三元组的形式存储单语知识（实体、关系），并通过匹配来体现跨语言知识。尽管单语知识的补全已经有了很多研究，但基于嵌入的方法最近成为了关注焦点，因为它可以简洁地在低维度空间中编码实体，并利用关系作为实体向量间的转换。 给定三元组$(h,r,t)$，其中$h$代表头实体，$r$表示关系，$t$表示尾实体，嵌入技术能够学习到这些实体和关系的向量表示，使得关系可以通过头实体向量和尾实体向量的运算来表达。MTransE在此基础上扩展，实现了跨语言环境下的知识对齐，从而提高了知识图谱的通用性和可访问性。