知识图谱-KGE-第三方库：LibKGE库【包含：TransE、TransH、ConvE、DistMult、ComplEx、TuckER、SimplE...】

已于 2024-02-14 22:36:53 修改
阅读量949 收藏 2
点赞数
分类专栏： 知识图谱（Knowledge Graph） 文章标签： kge
于 2022-11-18 20:29:26 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013250861/article/details/127929125
版权

在这里插入图片描述
用于Knowledge Graph Embedding的向量表示库有很多，比如：

LibKGE的主要目的是为了助力知识图谱表示模型复现研究并提供训练方法。

LibKGE提供整洁的训练实现，超参优化和评估策略。并且所有的现在的启发式实现都是基于本地配置文件，符合了软件的开闭原则，不同的参数，模型选择，只需要修改配置文件即可。

一、主要特点

1、训练

训练方法：负采样、1vsALL，KvsALL
损失函数：交叉熵损失函数、KL散度、Margin Ranking、平方差
优化器、学习率可以根据不同任务独立选择
学习率预热 &#x

了解本专栏 订阅专栏 解锁全文 超级会员免费看
u013250861
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
订阅专栏
知识图谱-KGE-第三方库：OpenKE库【清华开源】
u013250861的博客
12-14 1368
为了解决这个问题，知识图谱表示学习被引入，将实体和关系转化为连续的向量空间，从而简化操作，同时保留知识图谱的原有的结构。使用我们的工具包复现出的模型与公开论文中公布的历史最高结果相比是基本一致的，相关的参数和训练代码也作为使用案例在我们的工具包中。孙茂松：清华大学计算机系教授，https://nlp.csai.tsinghua.edu.cn/staff/sms/谢若冰：清华大学计算机系硕士生（已毕业），http://nlp.csai.tsinghua.edu.cn/~xrb/
kge:LibKGE - 用于可重复研究的知识图嵌入库
08-04
LibKGE 是一个基于 PyTorch 的库，用于(KGE) 的高效训练、评估和超参数优化。 它具有高度可配置性、易于使用和可扩展性。 其他 KGE 框架。 LibKGE 的主要目标是促进对KGE 模型和训练方法的可重复研究（以及之间有意义的比较）。 正如我们在（请参见）中所述，训练策略和超参数的选择对模型性能的影响非常大，通常比模型类本身影响更大。 LibKGE 旨在提供可用于任何模型的训练、超参数优化和评估策略的干净实现。 框架中实现的每个潜在的旋钮或启发式方法都通过详细记录的配置文件显式公开（例如，请参阅和）。 LibKGE 还提供了最常见的 KGE 模型，并且可以轻松添加新模型（欢迎投稿！）。 对于链接预测任务， 等基于规则的系统是 KGE 的竞争替代品。 快速开始 # retrieve and install project in development mode git
kgTransformer复现踩过的坑
guanjian6334的博客
10-11 819
复现kgTransformer
探索知识图谱嵌入：PyKEEN - Python中的高效工具
gitblog_00059的博客
03-25 849
探索知识图谱嵌入：PyKEEN - Python中的高效工具 项目地址:https://gitcode.com/pykeen/pykeen 在现代信息时代，数据的爆炸性增长使知识图谱成为理解和处理复杂关系的重要手段。而知识图谱嵌入（Knowledge Graph Embeddings）是这一领域的核心方法，它通过将实体和关系编码为低维向量，帮助我们挖掘潜在的模式并进行推理。PyKEEN 是一个开...
TransE系列源码
12-29
TranE是一篇Bordes等人2013年发表在NIPS上的文章提出的算法。它的提出，是为了解决多关系数据（multi-relational data）的处理问题。我们现在有很多很多的知识库数据knowledge bases (KBs)，比如Freebase、 Google Knowledge Graph 、 GeneOntology等等。 TransE的直观含义，就是TransE基于实体和关系的分布式向量表示，将每个三元组实例（head，relation，tail）中的关系relation看做从实体head到实体tail的翻译（其实我一直很纳闷为什么叫做translating，其实就是向量相加），通过不断调整h、r和t（head、relation和tail的向量），使（h + r） 尽可能与 t 相等，即 h + r = t。 以前有很多种训练三元组的方法，但是参数过多，以至于模型过于复杂难以理解（作者表达的意思就是，我们的工作效果和你们一样，但我们的简单易扩展）。（ps：作者以前也做过类似的工作，叫做Structured Embeddings，简称SE，只是将实体转为向量，关系是一个矩阵，利用矩阵的不可逆性反映关系的不可逆性。距离表达公式是1-norm）。
知识图谱-KGE-语义匹配-双线性模型-2018：SimplE
u013250861的博客
12-07 532
【paper】 SimplE Embedding for Link Prediction in Knowledge Graphs 【简介】 本文是加拿大英属哥伦比亚大学的两位学者发表在 NIPS 2018 上的工作，文章提出了 SimplE（Simple Embedding）。这篇和前面一篇差不多，也是对 1927 年的 CP 进行改进（简化），传统CP为实体分配的两个向量是独立训练的，SimplE利用关系的逆在三元组打分函数中加上了一个对称项，使得每个实体的两个向量依赖学习，并且 SimplE 的复杂度随
scikit-kge, 计算知识图嵌入的python 库.zip
10-10
scikit-kge, 计算知识图嵌入的python 库 基于的知识图scikit kge是一个计算知识图嵌入的python 库。 库由不同的构建模块组成，用于训练和开发知识图嵌入模型。为了计算一个知识图嵌入，首先实例化一个模型，然后对它...
KGE-HAKE:The code of paper Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction. Zhanqiu Zhang, Jianyu Cai, Yongdong Zhang, Jie Wang. AAAI 2020
05-15
HAKE：层次结构感知知识图嵌入这是用于链接预测的书面学习层次感知知识图嵌入的代码。 张占秋，蔡建宇，张永东，王杰。 依存关系Python 3.6+ 1.0+结果在WN18RR ， FB15k-237和YAGO3-10上的HAKE和基线模型ModE的结果...
pykg2vec:用于知识图嵌入和表示学习的Python库
05-14
我们试图将最先进的知识图嵌入（KGE）算法和知识图嵌入任务流水线中的必要构造块引入一个库中。 对于希望探索相关领域的人们，我们希望Pykg2vec既实用又具有教育意义。 特征： 支持最新的KGE模型实现和基准数据集...
KGE:关于知识图嵌入（KGE）的一些论文
05-13
KGEAmpliGraph方法论 传统 翻译年来源方法2013年NeurIPS TransE 2014年AAAI TransH 2015年AAAI TransR 2015年访问控制列表TransD 2015年EMNLP PTransE 2015年EMNLP 转送2015年知识管理系统KG2E 2016年AAAI TransA ...
android手机应用源码Imsdroid语音视频通话源码.rar
05-20
android手机应用源码Imsdroid语音视频通话源码.rar
营销计划汇报PPT，市场品牌 推广渠道 产品 营销策略tbb.pptx
05-20
营销计划汇报PPT，市场品牌 推广渠道 产品 营销策略tbb.pptx
JavaScript_超过100种语言的纯Javascript OCR.zip
05-20
JavaScript
JavaScript_跨平台React UI包.zip
05-20
JavaScript
node-v16.17.0-headers.tar.xz
最新发布
05-20
Node.js，简称Node，是一个开源且跨平台的JavaScript运行时环境，它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立，旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎，可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型，这使得它非常适合处理大量并发连接，从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外，Node.js使用了模块化的架构，通过npm（Node package manager，Node包管理器）,社区成员可以共享和复用代码，极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展，它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等，因此，开发者可以用JavaScript编写全栈应用程序，这一点大大提高了开发效率和便捷性。 在实践中，许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台，如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能，简化了开发流程，并且能更快地响应市场需求。
520表白代码.rar
05-20
520表白html5爱心代码
一个简单的HTML5和CSS代码示例，用于创建一个动态的爱心形状，并在网页上展示一个类似520表白的消息 这个示例使用了CSS的
05-20
520表白html5爱心代码 一个简单的HTML5和CSS代码示例，用于创建一个动态的爱心形状，并在网页上展示一个类似520表白的消息。这个示例使用了CSS的动画效果和HTML的结构。
智慧养老社区方案.pdf
05-20
智慧养老社区方案.pdf
知识图谱嵌入评价指标
11-30
KGE模型的性能评价指标通常包括MRR、HITS@1和HITS@10。其中，MRR是平均倒数排名，表示所有正确三元组的平均倒数排名，其计算公式为： $$MRR=\frac{1}{|\mathcal{T}|}\sum_{(h,r,t)\in\mathcal{T}}\frac{1}{rank_{(h,r,t)}}$$ 其中，$\mathcal{T}$表示测试集中的所有正确三元组，$rank_{(h,r,t)}$表示正确三元组$(h,r,t)$在模型预测结果中的排名。MRR的取值范围为$[0,1]$，其值越大表示模型性能越好。 另外，HITS@k是命中率指标，表示模型预测结果中前$k$个三元组中包含正确三元组的比例，其计算公式为： $$HITS@k=\frac{1}{|\mathcal{T}|}\sum_{(h,r,t)\in\mathcal{T}}indicator(rank_{(h,r,t)}\leq k)$$ 其中，$\mathcal{T}$表示测试集中的所有正确三元组，$indicator$函数表示条件成立时函数值为1，否则为0。HITS@1和HITS@10分别表示命中率指标中$k=1$和$k=10$的情况。HITS@k的取值范围为$[0,1]$，其值越大表示模型性能越好。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值