知识图谱表示学习Transe TransD TransR等的评价指标 hit@10、mean rank的理解

最近学习了知识图谱数值表示方式的学习算法，包括TransE、TransD、TransR等，看到提到的评价指标有hit@10、mean rank等，一开始对于这些指标并不清楚。在看了一篇Transe的实现之后，明白了其所代表的含义。

表示学习的过程，其实就是实体链接的过程，首先把实体以及关系随机初始化为一定长度的向量，然后基于训练数据，希望通过类似于翻译的方式得到一个更优的向量表示，使 头实体+关系 尽可能的与尾实体的向量表示相近。在完成训练之后，如何测试、如何衡量我们得到的结果的好坏呢。

下面就是hit@10、mean rank两个指标显身手的时候了。

在测试过程中，对于一对关系及实体，我们将头实体或尾实体替换成任意一种其他的实体（共n-1个，保持另一个实体以及关系不变，只变其中一个实体），这样我们得到了（n-1）个新的关系三元组，然后我们对这些三元组计算实体关系距离，将这n-1个三元组按照距离从小到大排列。

接下来就是计算hit@10、mean rank了，在这个排好序的n-1元素中，我们从第一个开始遍历，看从第一个到第十个是否能够遇到真实的实体，如果遇到了就将（hit@10 +1），这就是hit@10的意义，表示我们的算法能够正确表示三元组关系的能力（在hit@10里  不要求第一个才是对的，能做到前十的能力就可以了）

而对于mean rank是计算在测试集里，平均到第多少个才能匹配到正确的结果。

如果还有疑惑，看了下面的代码会更清晰