机器学习项目（六）医疗知识图谱构建（五）

图表征学习

TransX系列算法
空间传递不变性
Queen-women+man = king

TransE
对于所有的实体和关系随机初始化一个向量，使得实体和关系在同一空间内表征，使得每个正确的三元组可以从头实体通过关系翻译到尾实体上，定义从头实体翻译到尾实体之后与标注尾实体之间的距离为“势能差”，找到整体最小的势能差的实体和关系向量。

存在的问题
TransE模型很简单也带来一个很大的问题就是他只适合处理一对一的关系，举例来说（华科、地点、武汉）和（黄鹤楼、地点、武汉）出现在KG中时，TransE的表示会将“华科”和“黄鹤楼”的向量表示计算的很接近，但是实际上这两者之间的关系并不大。

TransH怎么操作
它解决了一对多和多对一的关系问题，基本思想是针对每个关系r，都把实体投影到有关于这个r的一个空间上去，在这个r的空间上，做TransE。实体、关系在同一个空间内，但是需要做一次投影
$$h_{wr}=w^{T}hw$$

TransE和TransH存在什么问题
TransE和TransH模型都假设实体和关系是在同一个语义空间的向量，这样相似的实体会在空间中相近的位置，然而每一个实体都可以有很多方面，而不同的关系关注的是实体不同的方面，所以TransR对每个三元组，首先应将实体投影到对应的关系空间中，然后再建立从头实体到尾实体的翻译关系。
实体和关系在不同的空间中

TransR怎么操作
通过一个转换矩阵，将实体转换到关系所在的空间中，做TransE
$$h_r=h{M}_r$$
t r = t M r t_r = tM_r t