یادگیری انطباق موجودیت و رابطه برای گراف دانش چندزبانه

گراف های دانش چند زبانه مانند دی-بی پدیا و یاگو شامل دانش ساخت یافته از موجودیت ها در چندین زبان متمایز هستند و منابع مفیدی برای برنامه های بین زبانی هوش مصنوعی محسوب می شوند. هدف از انطباق گراف دانش بین زبانی تطبیق دادن موجودیت ها با موجودیت های همتای آنها در زبان های دیگر می باشد، که یک راه حل مهم برای بهبود لینک های بینزبانی در انطباق دانش چندزبان محسوب می شود. بنابراین، در این مقاله روشMultiTransR به عنوان یک مدل مبتنی بر ترجمه برای انطباق گراف دانش چندزبانه پیشنهاد شده است.این روش از انتقال موجودیت ها و روابط هر زبان به یک فضای نهان جداگانه بهره می برد، به این ترتیب MultiTransR انتقال هر یک از بردارهای نگاشت را به همتای بین زبانی شان در فضاهای دیگر فراهم می کند، در حالی که ویژگی های تک زبانگی آنها حفظ می شوند.

کلیدواژه ها:

چندزبانه ، مدل مبتنی بر ترجمه ، بین زبانی ، گراف دانش