この記事では、知識グラフを用いて多様な関係型を効率的にモデル化するための新しい埋め込み手法「HyperComplEx」が提案されています。従来の埋め込み手法は階層や非対称関係のモデル化に制約がありましたが、HyperComplExはハイパーボリック空間、複素数空間、ユークリッド空間を適応的に組み合わせるハイブリッド手法です。関係ごとに最適な幾何学を選択する策略や、マルチスペース一貫性損失を用いることで、さまざまな関係に対して高い予測精度を発揮します。研究者たちは、コンピュータサイエンス分野の知識グラフに対し、HyperComplExを評価し、従来の手法に対して一貫して改善された結果を示しました。特に、1000件から1000万件の論文データセットでの実験では、HyperComplExがトリプルあたり85ミリ秒の効率的な推論を維持しつつ、最適化されることが確認されました。研究者たちはこの手法とデータセットを公開し、再現性のある研究を促進しています。