TransE, TransR
TransE
最基本的模型。后面很多模型都是基于TransE对图的嵌入,再做后续的处理。
TransE的理论简单,它为实体和关系都设置一个向量,并要求一个三元组(h,r,t)在嵌入空间后的位置关系要保证∣∣h+r−t∣∣≈0||h+r-t||≈0∣∣h+r−t∣∣≈0。
算法如下
input:S是三元组集合,E是实体集合,L是关系集合,超参数γ是为了让正负例距离至少拉开γ远,k是嵌入的维度
- 初始化关系 lll
- 正则化,使其长度为1.
- 初始化实体e,这里没正则化,因为它更新的时候希望还保持长度为1,所以放循环里正则化。
注意uniform是均匀分布,分布的区域就是给的两个数。 - loop
- 正则化e
- SbatchS_{batch}Sbatch:在S里采样b个用于本次训练
- TbatchT_{batch}Tbatch:初始化是空,功能看后面
- for 循环 SbatchS_{batch}Sbatch
- 为每个三元组采样一个负例,即错误的三元组。怎么采任你发挥,但只能改实体,不能改关系。
- 打包正负例为一组,存到TbatchT_{batch}Tbatch里
- end for。所以这个for纯粹是训练数据的准备阶段。
- 套公式,并梯度更新各个向量。
- end loop
TransR
它把空间分为实体空间和关系空间。
让我举个例子说明它如何工作:
假设老师A与学生a关系为师生r
Aa在实体空间的嵌入用符号表示为A和a
经r对应的关系矩阵Mr转换A和a,得Ar=MrAA_r=M_rAAr=MrAar=Mraa_r=M_raar=Mra此时Ar和ar就是关系空间的向量了。
我们会训练Mr,让它能做到使Ar和ar的距离恰好等于r。
||注:r也是需要训练的。
我们回过头看实体空间,它的功能是什么?
它要保证这些实体在实体空间里的嵌入能满足不同关系空间的要求。
TransR可以精准地表示1-to-n关系。还以老师学生举例。
TransR可能把学生们分散在实体空间的任意位置,但经Mr变换后,学生们在r的关系空间里,或许会全部变成同一个点or聚成一堆。这时候不就能很简单地训练老师在r的嵌入和r本身的嵌入了吗?只要1-to-n关系的n能聚在一起,1-to-n就是小问题了。
TransR的评分函数很简单fr(h,t)=∣∣hr+r−tr∣∣22f_r(h,t)=||h_r+r-t_r||^2_2fr(h,t)=∣∣hr+r−tr∣∣22hr=Mrh,tr=Mrth_r=M_rh, t_r=M_rthr=Mrh,tr=Mrt
论文要求所有嵌入的长度都要比1小,因为等比例放大的嵌入是无意义的,你不管一下它们可能训着训着就上天了,就不停地变大了。
有了评分函数,你可以使用TransE的负采样和loss函数训练了。
超参数γ在TransR中的效果和在TransE中一样,同样是让不符合关系r的其他实体躲远点,距离至少为γ。论文中的这张图就是γ发挥作用的效果,在关系空间中把无关的三角形实体从hr和tr周围赶走了。
TransE, TransR相关推荐
- [论文学习]TDN: An Integrated Representation Learning Model of Knowledge Graphs
[论文学习以及翻译]TDN: An Integrated Representation Learning Model of Knowledge Graphs 文章主要内容 摘要 前言 相关工作 基于T ...
- 【实体对齐·综述】A Benchmarking Study of Embedding-based Entity Alignment for Knowledge Graphs
文章目录 模板的简述 简述 1.Introduction 2. preliminatries 2.1 literature review 2.1.1 knowledge graph embedding ...
- cs224w(图机器学习)2021冬季课程学习笔记12 Knowledge Graph Embeddings
诸神缄默不语-个人CSDN博文目录 cs224w(图机器学习)2021冬季课程学习笔记集合 文章目录 1. Heterogeneous Graphs and Relational GCN (RGCN) ...
- 深度学习在自然语言处理中的应用: 集智俱乐部活动笔记
http://www.zmonster.me/2016/12/14/dl_in_nlp.html 目录 简介 深度学习在自然语言处理中的应用 可微数据结构(Differentiable Data-st ...
- 知识图谱嵌入的Translate模型汇总(TransE,TransH,TransR,TransD)
点击上方"AI公园",关注公众号,选择加"星标"或"置顶" 作者:Xu LIANG 编译:ronghuaiyang 导读 一文打尽图嵌入Tr ...
- 基于翻译的模型-TransE,TransH,TransR,TransD
基于翻译的模型 TransE模型 TransE认为在知识库中,三元组<h,r,t>可以看成头实体h到尾实体t利用关系r所进行的翻译. 比如,<柏拉图,老师,苏格拉底>头实体&q ...
- 知识图谱嵌入的Translate模型汇总(TransE,TransH,TransR,TransD
一文打尽图嵌入Translate模型,各种模型的动机,优缺点分析. 本文对知识图谱嵌入/知识表示的转换模型进行了简要的总结.你可以从TensorFlow-TransX中找到开源的TensorFlow代 ...
- 知识图谱表示学习Transe TransD TransR等的评价指标 hit@10、mean rank的理解
最近学习了知识图谱数值表示方式的学习算法,包括TransE.TransD.TransR等,看到提到的评价指标有hit@10.mean rank等,一开始对于这些指标并不清楚.在看了一篇Transe的实 ...
- TransR:实体和关系分开嵌入(知识图谱嵌入)2015 AAAI
论文链接:http://nlp.csai.tsinghua.edu.cn/~lyk/publications/aaai2015_transr.pdf 代码链接:https://github.com/m ...
- [仅个人学习用] 知识图谱 刘知远老师 TransE
ML = representation + objective + optimization 1.representation 表示学习的基本思想是提出一种所谓的Distributed Represe ...
最新文章
- 因为WMI配置,无法执行Sql Server 系统配置检查器的解决办法
- 20145235李涛《网络对抗》Exp2 后门原理与实践
- dracut 查看linux分区,Centos进入dracut模式,报 /dev/centos/swap does not exist,如何恢复
- 8051系列单片机汇编语言指令速查表(汇编语言的111条指
- 进程间通信 - 匿名管道实现
- 满分简便代码——L1-049 天梯赛座位分配 (20分)
- 回溯——伯努利装错信封问题
- file 选择的图片作为背景图片_酷炫!用Python把桌面变成实时更新的地球图片
- 大视场相机prnu测试标准_史上最全,阻燃性能测试方法、标准大揭秘
- cvs的console输出含义
- 递归装饰器正则运算模块
- 论文笔记_S2D.20_2017-ICCV-从单张RGB图像到精确尺度深度图评估的一种双支网络
- 流量造假:“蔡徐坤微博转发过亿”幕后推手一审获刑五年
- 打印纸张尺寸换算_纸张的尺寸规格对照
- PostgreSQL - 一文看懂explain
- 三菱FX系列PLC面板布置和PLC系统构成
- arcgis 矢量编辑过程时,防止误移动操作设置粘滞移动容差设置大一点
- Graylog 中文手册 常用功能和问题整理
- 哈佛管理论丛-谁背上了猴子
- 《投名状》,真正的赢家到底是谁?