图像识别的未来之舟NeurIPS 2019展现的17篇论文深度解析
在图像识别的未来之舟上，NeurIPS 2019展现了17篇论文深度解析。作为知识图结合对话AI研究的先驱，Michael Galkin带领我们穿越到一个充满机器学习热潮的世界。在那里，我们发现了100多篇关于图相关的论文，以及三个与图有关的工作坊。
我们的航程首先抵达Hyperbolic Graph Embeddings领域，这里传统嵌入算法被超越，双曲空间和庞加莱球面取代了欧氏几何。通过将向量嵌入连续树结构中，双曲算法展现出了更高层次结构表示能力，同时维数需求降低。然而，其训练和优化仍然是一项挑战。
在这片新天地中，我们探索了两款双曲神经网络：Hyperbolic Graph Convolutional Neural Networks和Hyperbolic Graph Neural Networks。这两种模型旨在结合双曲空间优势与图神经网络表达力，只是它们各自对应任务略有不同。前者主要关注节点分类和连接预测，而后者则专注于图分类任务。
接下来，我们踏上了Multi-relational Poincaré Graph Embeddings的小径。在这个领域，一种名为MuRP（Multi-Relational Poincaré）的模型利用庞加莱几何来进行知识图嵌入。此外，它们展示了一种名为RotationH的竞赛获奖方法，该方法使用旋转操作并引入可学习的曲率参数，在低维设定下取得了出色的表现。
此外，还有一篇名为Group Representation Theory for Knowledge Graph Embedding的文章，从群论角度探讨KG嵌入，并证明RotatE可以表示任何有限阿贝尔群。不过，这一工作尚未解决如何扩展到1-N或N-N关系的问题。
最后，我们进入Quaternion Knowledge Graph Embeddings领域，其中作者提出了使用四元数域H代替复数空间C以拓宽研究范围。这不仅展示了数学理论在实践中的应用，也激发了一系列新的研究可能性，为构建更加完善、强大的对话AI奠定基础。
