基于平移距离的知识图谱推理模型（TransE、TransH、TransR、TransD、RotatE）

TransE

将关系视为低维向量空间中的头实体到尾实体的平移

训练目标：

最小化正确的三元组与错误的三元组之间的分数差距。具体来说，对于正确的三元组（头实体，关系，尾实体），TransE希望满足公式中的近似关系，而对于错误的三元组（头实体，关系，错误的尾实体），TransE希望分数差距大于某个阈值。

• S 是包含正确三元组的集合
• S′ 是包含错误三元组的集合
• d(x,y) 是向量 x 和y之间的距离度量，通常使用 L1 范数或 L2 范数
• γ 是一个边际间隔参数
• [z] +是一个阶跃函数，表示当 z 大于零时取值为 z，否则取值为零

损坏三元组由训练三元组用随机实体替换头部或尾部组成，但不能同时替换。

局限性：

TransE模型在处理多对一、多对多、自反关系的会有很多局限性。

如将三元组（诺兰，导演，《