知识库补全问题可以被表述为一个三阶二元张量补全问题。从这个角度来看，经典张量分解（CP）（Hitchcock，1927）似乎是一个自然的选择；然而，目前在标准知识库补全基准测试中，CP的实现落后于其竞争对手。在这项工作中，我们试图理解CP在知识库补全中的局限性。首先，我们提出并测试了一种基于张量核$p$p-范数的新正则化方法。然后，我们提出了一个问题的重新表述方法，使其对数据集中谓词及其逆谓词的任意选择具有不变性。这两种方法结合使用后，使我们能够在多个数据集上通过CP分解超越当前的最佳水平，并且使用更先进的ComplEx模型获得了更好的结果。