关于知识图谱的trans系列一：transE

最新推荐文章于 2023-04-15 21:02:11 发布

非辰

最新推荐文章于 2023-04-15 21:02:11 发布

阅读量1.1k

点赞数

分类专栏：知识图谱文章标签：知识图谱

本文链接：https://blog.csdn.net/weixin_41946661/article/details/93299616

版权

TransE是一种将实体和关系映射到低维向量空间，并通过向量加法来表示关系的方法。该模型参数少，适用于1对1的关系表示，但不适用于1对多或多对1关系。其目标函数基于能量框架，通过最小化正样本的d值和最大化负样本的d值（使用L1或L2范数）实现关系的区分。在Wordnet和Freebase数据集上的实验验证了其效果。

摘要由CSDN通过智能技术生成

关于知识图谱的trans系列一：transE

论文链接
https://www.utc.fr/~bordesan/dokuwiki/_media/en/transe_nips13.pdf
参考链接
https://zhuanlan.zhihu.com/p/32993044
abstract:
Hence, we propose TransE, a method which models relationships by interpreting them as translations operating on the low-dimensional embeddings of the entities.
论文提出TransE模型学习词向量的思想将元组之间的关系嵌入到低维空间中去
introduction:
Multi-relational data refers to directed graphs whose nodes correspond to entities and edges of the form (head, label, tail) (denoted (h, l, t)) 文中用三元组表示实体与实体之间的关系（h,l,t) model: if (h, l, t) holds, then the embedding of the tail entity t should be close to the embedding of the head entity h plus some vector that depends on the relationship
模型的思想大致就是模型学习到的的实体h向量+关系向量l=实体t的向量