知识图谱链接预测时的评估指标：mean rank和hit@10 。

 

链接预测是用来预测三元组（h，r，t）中缺失实体h，t或r的任务，对于每一个缺失的实体，模型将被要求用所有的知识图谱中的实体作为候选项进行计算，并进行排名，而不是单纯给出一个最优的预测结果。

在测试阶段，对于每个待测试三元组，用知识图谱中的除去h与t之外的其他实体作为候选项来替换头实体或尾实体，并且按大小顺序给出这些实体的评分函数。

使用了两种评测方法。

正确的实体评分函数的平均排名（mean rank），

正确的实体排名在前10的比例，即十命中率（hit@10）

1.先说Mean rank   原文链接：https://blog.csdn.net/coolerzz/article/details/81704756

首先 对于每个 testing triple，以预测tail entity为例，我们将（h,r,t）中的t用知识图谱中的每个实体来代替，然后通过fr（h,t）函数来计算分数，这样我们可以得到一系列的分数，之后按照 升序将这些分数排列。

然后，我们需要知道的是f函数值是越小越好，那么在上个排列中，排的越前越好。

现在重点来了，我们去看每个 testing triple中正确答案也就是真实的t到底能在上述序列中排多少位，比如说t1排100，t2排200，t