Neural Tensor Network详细介绍
文章目录
- 前言
- 思想
- NTN
前言
论文原文:Reasoning With Neural Tensor Networks
for Knowledge Base Completion。
作者比较有名,有吴恩达。
这个神经网络是2013年提出来的,所以非常简单,你现在看他就跟玩一样,尤其是你如果训练过词向量(2013年mikolov那篇)的话,这篇的讲解你会跟喝水一样简单。
思想
为什么说简单?因为2013年的时候NLP流行做嵌入,这里也不例外,所以是无监督模型。
这篇论文的目的就是说:我们要设计一个网络,给定一个知识图谱的三元组(e1,r,e2),判断这个三元组合不合法,合法你就输出高一点的值,不合法就输出低一点的值。
比如对于输入的三元组(孟加拉虎,有,尾巴),你的神经网络需要输出高一点的值。
有人会问,我们直接把上面那个三元组在知识图谱里面查询不就完事了嘛?查到了就是合法,查不到就是不合法。
现在的问题在于,知识图谱是不完整的,比如知识图谱里面只有这样的信息:孟加拉虎属于老虎,老虎有尾巴。如果是用逻辑的方法是可以推出来(孟加拉虎,有,尾巴),但是,现在我们不想用逻辑的方法,因为逻辑需要事先制定好规则,耗费人力,我们要用神经网络的方法。
NTN
你要是学过开头说的那个词向量,就会这么做:把知识图谱已有的三元组当作正样本,然后替换已有的三元组,比如把(老虎,有,腿)替换成(苹果,有,腿)等等。这样,我们就有了很多很多的正样本和负样本。然后扔到神经网络中,希望正样本输出大值,负样本输出小值。解决!
那么现在很简单了,我们只需要设计好这个网络,其接受一个三元组作为输入,输出一个值。
Neural Tensor Network:为什么叫做tensor,有人懵逼,甚至有人不知道为什么Pytorch里面也叫tensor,这是因为,通常matrix矩阵特指二维,高维的都叫张量,即tensor,numpy中叫做ndarray,即n dimensional array,n维数组,也行吧。
既然NTN以tensor命名,说明其里面有高维数组,即如下的WRW_{R}WR
上面这个公式,配合下面食用。
点评:所以,如果你学过多头注意力机制,其实那个tensor你可以认为其实就是k个头,分别变换k次,然后把结果拼在一起。
最后,我们神经网络定义好了,就希望正样本输出越大越好,负样本输出越小越好,也就是说正样本的输出-负样本的输出越大越好(最大化边际margin),从而有如下损失函数
那个c就是负样本,最后面那个是一个正则项。
上面这个函数已经见多不怪了,你在知识图谱的嵌入学习里面会见到好多这个。
原论文解读,你还可以参看这位兄弟的:https://blog.csdn.net/yexiaohhjk/article/details/86374735,我只是负责介绍网络。不过,话说回来,这篇论文挺好懂得,我跟你说了思想后,你可以直接看原文了。
完
Neural Tensor Network详细介绍相关推荐
- 图数据集Zachary‘s karate club network详细介绍,包括其在NetworkX、PyG上的获取和应用方式
诸神缄默不语-个人CSDN博文目录 文章目录 1. 原始数据 2. NetworkX中的数据 3. PyG中的数据 1. 原始数据 维基百科:Zachary's karate club - Wikip ...
- 【阅读笔记】Reasoning With Neural Tensor Networks for Knowledge Base Completion
前言 论文地址 Poster Abstract 这篇论文里,作者介绍了一个适用于推理两个实体关系的神经网络(Neural Tensor Network).相比之前的工作要么将实体表示成离散的最小单元或 ...
- 卷积神经网络超详细介绍
文章目录 1.卷积神经网络的概念 2. 发展过程 3.如何利用CNN实现图像识别的任务 4.CNN的特征 5.CNN的求解 6.卷积神经网络注意事项 7.CNN发展综合介绍 8.LeNet-5结构分析 ...
- 卷积神经网络超详细介绍(转载)
卷积神经网络超详细介绍 文章目录 1.卷积神经网络的概念 2. 发展过程 3.如何利用CNN实现图像识别的任务 4.CNN的特征 5.CNN的求解 6.卷积神经网络注意事项 7.CNN发展综合介绍 8 ...
- 【目标检测】56、目标检测超详细介绍 | Anchor-free/Anchor-based/Backbone/Neck/Label-Assignment/NMS/数据增强
文章目录 1.双阶段和单阶段目标检测器 1.1 双阶段目标检测器 1.1.1 R-CNN 1.1.2 SPP 1.1.3 Fast R-CNN 1.1.4 Faster R-CNN 1.2 单阶段目标 ...
- 【语义分割】1、语义分割超详细介绍
文章目录 一.分割方法介绍 1.1 Fully Convolutional Networks [2015] 1.1.1 FCN 1.1.2 ParseNet 1.2 Encoder-Decoder B ...
- 卷积神经网络(CNN)超详细介绍
文章转自:https://blog.csdn.net/jiaoyangwm/article/details/80011656 文章目录 1.卷积神经网络的概念 2. 发展过程 3.如何利用CNN实现图 ...
- 卷积神经网络超详细介绍1
1.卷积神经网络的概念 2. 发展过程 3.如何利用CNN实现图像识别的任务 4.CNN的特征 5.CNN的求解 6.卷积神经网络注意事项 7.CNN发展综合介绍 8.LeNet-5结构分析 9.Al ...
- DTI脑网络构建 详细介绍处理过程以及PANDA的使用
基本概念: 首先介绍一下DTI(Diffusion Tensor Imaging),即弥散张量成像,是MRI的一种特殊形式.举例来说,如果说核磁共振成像是追踪水分子中的氢原子,那么弥散张量成像便是依据 ...
最新文章
- Android服务二 创建绑定服务
- requirements.txt
- Silverlight中全屏处理
- java创建目录时带权限_java – 无法在外部存储中创建目录,尽管权限显然设置正确...
- 20145212 《信息安全系统设计基础》第3周学习总结
- 《中国人工智能学会通讯》——11.28 统一先验建模框架 II:整数规划
- Java Web学习总结(20)——基于ZooKeeper的分布式session实现
- 侠诺虚拟服务器,简便不等于简单 侠诺PPPoE服务器功能介绍
- pythonsubprocess执行多条shell命令_Python获取shell管道数据/输入的2种方法: subprocess子进程 ......
- 知道创宇获CNNVD年度优秀技术支撑单位及漏洞预警报送专项奖
- 数字化、数字化营销及其重要性的思考
- 新pop账户服务器信息,添加 POP 账户
- 英式和美式的单词拼写差异详细对照表
- Strom整合Hbase
- 油溶性CdSe/ZnS量子点,以CdSe为核心,ZnS为壳层,表面由疏水配体包裹的核/壳型荧光纳米材料
- pbr发光 unity_Unity PBR—BRDF
- html5手机 一键开发,Html5变革下的H5和手机app开发工具
- 计算机视觉论文-2021-06-24
- C++:有限差分法求解随时间变化 平流方程 ut = - c * ux 在一个空间维度上,与 恒定速度,使用Lax-Wendroff方法作为时间导数(附完整源码)
- C++分数简单的加减法