CircularE：用于知识图谱嵌入中链接预测的复数空间循环相关关系模型

基于摘要分析。本文研究知识图谱不完整条件下的链接预测，提出关系模型 CircularE，以复数域循环相关增强实体与关系之间的交互，并配套提出自适应对抗负采样方案；主要研究对象是知识库补全，而非 EEG 或 BCI。 机制方面，作者将 HolE、RotatE 等归入纯嵌入模型，并以元素交互有限等问题作为研究动机。CircularE 使用循环相关这一压缩算子，旨在不扩展嵌入空间维度的情况下表达更多元素语义交互。摘要未提供具体评分函数、循环相关的实现方式、损失函数或计算复杂度，因此尚不能核实交互增强与计算开销之间的权衡。 负采样方面，所提方案依据知识图谱结构与三元组的概率语义进行自适应对抗负采样。作者报告，该方案能够改善 CircularE 的知识表示能力，也能提升若干原有嵌入关系模型的表现；具体采样分布、更新规则及其相对常规负采样的贡献尚未验证。 结果方面，作者报告 CircularE 在四个大规模知识库补全基准上优于所比较的先进方法，但摘要未列出基准名称、数据划分、评估指标、分数或对照配置，不能据此量化优势。实验协议、消融及统计信息尚未验证，代码与复现条件也尚未验证。 该方法依赖实体、关系和三元组构成的知识图谱结构，材料未给出与神经信号解码的具体对应机制，因此不据此推导 EEG/BCI 效果，也不提出直接迁移实验；已有 EEG 相关工作尚未检索确认。