第 108 题：知识图谱召回，TransE的翻译假设与复杂关系建模？
题目
知识图谱召回，TransE的翻译假设与复杂关系建模？
完整讲解
一、知识图谱召回与 TransE
知识图谱由三元组 $(h, r, t)$（头实体、关系、尾实体）组成。知识图谱召回即利用 KG 做推荐：如 (user, 点击, item)、(item, 属于类目, category)。TransE 将关系视为头尾实体向量间的平移：$\boldsymbol{h} + \boldsymbol{r} \approx \boldsymbol{t}$，即
\(f(h,r,t) = \|\boldsymbol{h} + \boldsymbol{r} - \boldsymbol{t}\|,\)
希望正样本得分低、负样本得分高。嵌入 $\boldsymbol{h},\boldsymbol{r},\boldsymbol{t}$ 通过 margin-based 损失学习，从而可用 $f$ 做链接预测与召回（给定 $h,r$ 找 $t$，或给定 $u$ 与关系「点击」找 item）。
二、翻译假设的局限与复杂关系
翻译假设 $\boldsymbol{h}+\boldsymbol{r}=\boldsymbol{t}$ 对 1-to-1 关系自然；对 1-to-N、N-to-1、N-to-N 或对称/反对称关系，单向量平移难以区分。例如同一 $h,r$ 对应多个 $t$，则 $\boldsymbol{t}$ 会聚到同一点，与「多个不同尾实体」矛盾。这即复杂关系建模的难点。
三、复杂关系建模的改进
- TransH / TransR：关系对应超平面或不同空间，$h,t$ 投影后再平移，使同一关系下多尾实体可有不同表示。
- DistMult / ComplEx：用双线性 $f = \boldsymbol{h}^\top \boldsymbol{R} \boldsymbol{t}$ 或复数空间，可表达对称/反对称与多对多。
- RotatE：关系视为复数旋转 $\boldsymbol{t} \approx \boldsymbol{h} \circ \boldsymbol{r}$，可建模对称、反对称、逆关系。
- 多跳与路径：用多跳路径 $(h,r_1,e_1,r_2,t)$ 做推理与召回，或路径嵌入与 TransE 结合，增强复杂关系表达。
四、召回中的使用
将 user 与 item 映射为实体或通过交互关系连到 KG，用学到的 $f(h,r,t)$ 对候选 item 打分、做 Top-K 召回；或沿 KG 路径做扩展与排序，融合协同与知识信号。
面试要点
- 能写出 TransE 的翻译假设 $\boldsymbol{h}+\boldsymbol{r}\approx\boldsymbol{t}$ 与得分函数 $f=|\boldsymbol{h}+\boldsymbol{r}-\boldsymbol{t}|$。
- 能说清翻译假设对 1-to-N、N-to-N 等复杂关系的局限（多尾实体坍缩）。
- 能列举 TransH/R、DistMult、RotatE、多跳路径等改进思路及在召回中的用法。
记忆要点
- TransE：$\boldsymbol{h}+\boldsymbol{r}\approx\boldsymbol{t}$，$f=|\boldsymbol{h}+\boldsymbol{r}-\boldsymbol{t}|$；适合 1-to-1。
- 复杂关系：1-to-N/N-to-N 单平移不够；TransH/R、DistMult、RotatE、多跳路径等改进。
- 召回：用 $f(h,r,t)$ 或路径对候选打分、做 Top-K 或扩展。