本文介绍了TransE模型，该模型将实体和关系嵌入到低维向量空间中，以处理多关系数据。通过平移操作来表示关系，优化目标函数并在SGD中约束实体向量。实验在WN、FB15K和FB1M数据集上进行，表明TransE在链接预测任务上表现良好，但在一对多和多对一关系处理上存在局限性。
目录
3.Learning to predict new relationships with few examples
一、summary
本文提出了TransE模型，用于将多关系数据中的实体和关系嵌入到低维向量。
二、method
将h，t嵌入到k维向量空间中，关系r表示从头实体到尾实体的平移。目标函数为：
在SGD优化时，实体嵌入向量加以的约束，关系向量不用。
设计corrupted triplets时，替换头或者尾实体之后的三元组可能存在于训练，验证或者测试集中，故应该将其剔除，经过该操作之后的数据集为filtered (or filt)，原始数据集为raw。
三、experiment
1.dataset
作者在WN，FB15K，FB1M上做实验。
2.Link predition
在处理一对多和多对一关系时，该模型的表现效果不佳。
3.Learning to predict new relationships with few examples
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
