dgl-ke使用方法和参数

最新推荐文章于 2024-08-12 08:51:44 发布

生生不息123

最新推荐文章于 2024-08-12 08:51:44 发布

阅读量1.4k

点赞数

分类专栏：算法

本文链接：https://blog.csdn.net/lv17774848392/article/details/118719089

版权

python

算法专栏收录该内容

4 篇文章

订阅专栏

该博客介绍了如何利用DGLKE工具包进行知识图谱嵌入的训练和预测。首先，使用`dglke_train`命令配置TransR模型，设置数据路径、批大小、学习率等参数进行模型训练。训练完成后，运用`dglke_predict`进行链接预测，指定模型路径、格式、评分函数和TopK。最后，通过`dglke_emb_sim`计算实体之间的相似度，提供相似度检索。整个流程涵盖了知识图谱的建模、训练和应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

https://dglke.dgl.ai/doc/emb_sim.html

dglke_train --model_name TransR --data_path data/own_kg --data_files train.txt test.txt valid.txt --format raw_udd_hrt --dataset own_kg --batch_size 1000 --log_interval 100 --neg_sample_size 200 --regularization_coef=1e-9 --hidden_dim 400 --gamma 19.9 --lr 0.25 --batch_size_eval 16 --test -adv --gpu 1 --max_step 20000

dglke_predict --model_path /root/lv_my_task/ckpts/TransE_l1_own_kg_0 --format 'h_r_*' --data_files head.list rel.list --score_func logsigmoid --topK 5 --raw_data --entity_mfile /root/lv_my_task/data/own_kg/entities.tsv --rel_mfile /root/lv_my_task/data/own_kg/relations.tsv

dglke_emb_sim --emb_file /root/lv_my_task/ckpts/TransE_l1_own_kg_0/own_kg_TransE_l1_entity.npy --format 'l_*' --data_files head.list --topK 50 --raw_data --mfile /root/lv_my_task/data/own_kg/entities.tsv