NAACL(Annual Conference of the Nations of the Americas Chapter of the Association for Computational Linguistics)是人工智能和自然语言处理领域的国际顶级会议,在学术界及业界都享有盛誉。本次被NAACL 2025录用的论文第一作者李江为高光来教授、苏向东副教授指导的博士研究生。该论文首次聚焦于时序知识图谱嵌入中的异质性问题。该研究工作得到了国家自然科学基金项目以及自治区重点研发和成果转化计划项目的经费支持,蒙古文智能信息处理技术国家地方联合工程研究中心为该项研究提供了软硬件支撑。

Mitigating Heterogeneity among Factor Tensors via Lie Group Manifolds
for Tensor Decomposition Based Temporal Knowledge Graph Embedding
作者:李江,苏向东,高光来
单位:内蒙古大学
近期的研究表明,基于张量分解方法在时序知识图谱嵌入(TKGE)任务中表现出了较好的效果。然而,我们发现张量分解中因式张量之间的固有异质性,显著制约了张量融合过程,并进而影响了链路预测的性能。为了克服这一问题,我们提出了一种新方法,通过将因式张量映射到统一的光滑李群流形上,从而使得张量分解中的因式张量的分布趋于同质化。我们为这一动机提供了理论证明:在同构张量融合以及基于张量分解的TKGE方法逼近目标时,同质张量比异质张量更为有效。所提出的方法能够直接集成到现有的基于张量分解的TKGE模型中,并且无需引入额外的参数。大量实验结果验证了我们的方法在减轻异质性和提升基于张量分解的TKGE模型性能方面的有效性。
