TransE的理解

最新推荐文章于 2022-10-23 20:15:01 发布

FocusOneThread

最新推荐文章于 2022-10-23 20:15:01 发布

阅读量5.6k

点赞数 1

分类专栏：自然语言处理

本文链接：https://blog.csdn.net/guotong1988/article/details/79377747

版权

自然语言处理专栏收录该内容

166 篇文章 4 订阅 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍TransE模型，通过训练483142个三元组来学习头实体(head)、尾实体(tail)及关系(relation)的嵌入表示。在预测阶段，固定一头一关系，计算所有可能的另一头或尾的相似度，用于评估模型性能。

摘要由CSDN通过智能技术生成

github.com/thunlp/OpenKE

先看下train2id.txt，大概是这样子：

253 3643 35
438 10640 94
36 13172 18
8484 35 17
406 3869 38
6039 6038 384
5771 8658 50
7111 683 10
7293 9471 61
4312 2557 382

就只有head tail relation的id这么多信息

训练目的就是根据483142个三元组学得head tail relation的embedding，

预测的时候，
固定head和relation看计算出来的tail和真实tail做比较（，需要遍历所有tail算一遍，因为最有可能的10个tail包括真实tail 是一种指标）
或者
固定tail和relation看计算出来的head和真实head做比较（，需要遍历所有head算一遍，因为最有可能的10个head包括真实head 是一种指标）