知识图到文本的生成（三）-CSDN博客

本文链接：https://blog.csdn.net/m0_47381222/article/details/120999272

2021SC@SDUSC

本文章将对 vectorize.py中的代码部分内容进一步分析。重点在于对如何生成矩阵的代码分析

代码Link：https://github.com/rikdz/GraphWriter

def vec_ents(self,ex,field):
# returns tensor and lens
ex = [[field.stoi[x] if x in field.stoi else 0 for x in y.strip().split(" ")] for y in ex.split(";")]
return self.pad_list(ex,1)

定义了一个vec_ents函数，实现一种映射关系：当变量存在于变量池中，将该坐标对应的变量池中的数据值赋值给ex，若不存在，则赋值为零，并用；分割，存储于pad_list中，相当于创建了一个三元组，分别用“ ”和;分词。（返回张量和透镜）

def mkGraphs(self,r,ent):
#convert triples to entlist with adj and rel matrices
pieces = r.strip().split(';')
x = [[int(y) for y in z.strip().split()] for z in pieces]
rel = [2]
#global root node
adjsize = ent+1+(2*len(x))
adj = torch.zeros(adjsize,adjsize)
for i in range(ent):
#adj[i,0]=1
adj[ent+1,i]=1
for i in range(adjsize):
adj[i,i]=1
for y in x:
rel.extend([y[1]+3,y[1]+3+self.REL.size])
a = y[0]
b = y[2]
c = ent+len(rel)-2
d = ent+len(rel)-1
adj[a,c] = 1
adj[c,b] = 1
adj[b,d] = 1
adj[d,a] = 1
rel = torch.LongTensor(rel)
return (adj,rel)

该函数mkGraph的主要功能是将上面函数创建的三元组转化为矩阵，即entlist与adj和rel矩阵。

pieces = r.strip().split(';')
x = [[int(y) for y in z.strip().split()] for z in pieces]
rel = [2]

首先，该函数对局部变量进行定义，pieces为以；分割的维度，x为分为pieces（降维）后的横坐标，rel是一个列表（仅含2）

#global root node
adjsize = ent+1+(2*len(x))
adj = torch.zeros(adjsize,adjsize)

对全部节点进行定义，adjsize计算出矩阵的大小，torch.zeros函数全例为torch.zeros(*size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) -> Tensor
返回一个全为标量 0 的张量，形状由可变参数 *size 定义。该返回结果为一个行列数目均为adjsize的全0矩阵。

for i in range(ent):
#adj[i,0]=1
adj[ent+1,i]=1
for i in range(adjsize):
adj[i,i]=1

将adj矩阵中横坐标为ent+1位置的所有数据变为1，再对adj矩阵中对角线上的所有数据变为1.

for y in x:
rel.extend([y[1]+3,y[1]+3+self.REL.size])
a = y[0]
b = y[2]
c = ent+len(rel)-2
d = ent+len(rel)-1
adj[a,c] = 1
adj[c,b] = 1
adj[b,d] = 1
adj[d,a] = 1

遍历每个降维后的单个列表，再rel中添加新的列表[y[1]+3,y[1]+3+self.REL.size]，且对0和2位置进行初始化，得到a ，b，同时c，d是第三维初始值，将adj矩阵剩余无实值部分填充为1.