KGC的衡量指标（MR、MRR、Hits@n）

KGE，知识图谱嵌入（Knowledge Graph Embedding），衡量kge模型性能主要有以下几个常见的指标，有MR、MRR和Hits@n

MR（Mean Rank）：是平均排名

MRR（Mean Reciprocal Ranking)：是平均倒数排名

Hits@n：是排名小于等于n的三元组的平均占比

很多人很疑惑，这个排名是指什么的排名？平均排名和平均倒数排名又是什么？

是这样子的，在进行知识图嵌入的时候，首先把实体以及关系随机初始化为一定维度的向量，然后进行训练，目的是使（头实体+关系）向量与尾实体向量在空间中的表示尽可能相近。训练完成后，需要衡量嵌入的质量，因此MR、MRR、Hits@n这几个指标就是用来衡量嵌入的质量。

在评估时，是需要对所有的三元组进行计算的，假设有m组正确的三元组，对于每一组正确的三元组，我们需要将该组的尾实体换成任意一种其他实体，共替换n-1个（因为正确的三元组占有一个名额），然后将这n个三元组（一个正确的、n-1个替换的）的实体关系距离进行求值，得出分数，将这n个三元组按照 距离从小到大排列，然后找出那个正确的三元组在这n个三元组中的排名记为rank1；

再根据上面的方法计算出另外（m-1）组三元组中 每组正确实体在其组中的各自的排名rank2、rank3、···、rankm，则MRR、MR、Hits@n的值则为：

值得注意的是：Hits@n指标中，n常取的1、3、10