本文转载自公众号机器之心，选自 THUNLP。  

清华大学自然语言处理实验室近日发布了 OpenKE 平台，整合了 TransE、TransH、TransR、TransD、RESCAL、DistMult、HolE、ComplEx 等算法的统一接口高效实现，以及面向 WikiData 和 Freebase 预训练知识表示模型。该项目旨在为开发者与研究人员提供便利。

• 项目链接：http://openke.thunlp.org

• GitHub：https://github.com/thunlp/OpenKE

OpenKE 是一个开源的知识表示学习平台，由 THUNLP 基于 TensorFlow 工具包开发。在 OpenKE 中，我们提供了快速和稳定的工具包，包括最流行的知识表示学习（knowledge representation learning，KRL）方法。该框架具有容易拓展和便于设计新的知识表示学习模型的特点。

该框架有如下特征：

• 拥有配置多种训练环境和经典模型的简易接口；

• 对高性能 GPU 训练进行加速和内存优化；

• 高效轻量级的 C++实现，用于快速部署和多线程加速；

• 现有大规模知识图谱的预训练嵌入，可用于多种相关任务；

• 长期维护以修复 bug，满足新需求。

基准测试

一些数据集如 FB15K、FB13、WN18 和 WN11 通常用于知识表示学习的基准测试。我们以 FB15K 和为 WN18 为例介绍我们的框架的输入文件的格式。

数据集有以下五种格式：

• train.txt：训练文件，每行以 (e1, e2, rel) 格式书写，第一行是三元组的数量；

• valid.txt：验证文件，和 train.txt 格式一样；

• test.txt：测试文件，和 train.txt 格式一样；

• entity.txt：所有的实体和对应的 id，每行一个实体及其 id；

• relation2id.txt：所有的关系和对应的 id，每行一个关系及其 id。

还可以从以下地址下载原始数据：

FB15K、WN18：https://everest.hds.utc.fr/doku.php?id=en:transe

相关论文：Translating Embeddings for Modeling Multi-relational Data（2013）

FB13、WN11：http://cs.stanford.edu/~danqi/data/nips13-dataset.tar.bz2

相关论文：Reasoning With Neural Tensor Networks for Knowledge Base Completion

工具包

我们提供了多个知识表示学习的工具包，包括以下四个资源库：

OpenKE

这是一个基于 TensorFlow 的知识表示学习（KRL）的高效实现。我们使用 C++实现了一些基础操作，如数据预处理和负采样。每一个特定的模型都用 TensorFlow 和 Python 接口实现，因此能方便地在 GPU 上运行模型。

OpenKE 提供了训练和测试多种 KRL 模型的简易接口，无需在冗余数据处理和内存控制上花费太多功夫。OpenKE 实现了一些经典和高效的模型用于支持知识表示学习，这些模型包括：

• TransE

http://papers.nips.cc/paper/5071-translating-embeddings-for-modeling-multi-relational-data.pdf

• TransH

https://www.aaai.org/ocs/index.php/AAAI/AAAI14/paper/viewFile/8531/8546

• TransR

https://www.aaai.org/ocs/index.php/AAAI/AAAI15/paper/viewFile/9571/9523/

• TransD

http://anthology.aclweb.org/P/P15/P15-1067.pdf

• RESCAL

http://www.icml-2011.org/papers/438_icmlpaper.pdf

• DistMult

https://arxiv.org/pdf/1412.6575.pdf

• HolE

https://www.aaai.org/ocs/index.php/AAAI/AAAI16/paper/viewFile/12484/11828

• ComplEx

http://proceedings.mlr.press/v48/trouillon16.pdf

我们提供了训练这些模型的教程：http://openke.thunlp.org/index/documentation。

此外，我们还使用一些简单的例子展示了如何基于 OpenKE 构建一个新模型。

Github 链接：https://github.com/thunlp/OpenKE

KB2E

KB2E 是一些知识嵌入模型的早期实现，我们之前的研究中使用了很多资源。这些代码将被逐渐纳入新框架 OpenKE。这是一个基础且稳定的知识图谱嵌入工具包，包括 TransE、TransH、TransR 和 PTransE。该工具包的实现遵循模型的原始文件设置，使其在研究实验中保持稳定。

GitHub 链接：https://github.com/thunlp/KB2E

Fast-TransX

这是 TransE 及其扩展模型用于知识表示学习的高效轻量级实现，包括 TransH、TransR、TransD、TranSparse 和 PTransE。整个框架的底层设计为实现加速作出改变，且该框架支持多线程训练。Fast-TransX 旨在使用 OpenKE 框架实现快速、简单的部署。

GitHub 链接：https://github.com/thunlp/Fast-TransX

TensorFlow-TransX

OpenKE 基于 TensorFlow 的简易版，包括 TransE、TransH、TransR 和 TransD。与 Fast-TransX 类似，TensorFlow-TransX 旨在避免使用 OpenKE 框架产生的复杂封装。

GitHub 链接：https://github.com/thunlp/TensorFlow-TransX

预训练嵌入

现有大规模知识图谱使用 OpenKE 对嵌入进行预训练（目前都通过 TransE 进行训练。必要时会介绍更多模型）。

知识图谱和嵌入包括以下五个文件：

• 实体的嵌入：知识图谱中每个实体的嵌入。数据是二进制格式，每一行有一个嵌入。每一行用大量连续浮点表示这一行的嵌入。

• 关系嵌入：知识图谱中每一个关系的嵌入。数据是二进制格式，每一行有一个嵌入。每一行用大量连续浮点表示这一行的嵌入。

• Triple2id：知识图谱的知识三元组与对应序列号之间的映射。每一行有一个三元组和序列号，二者用一个 tab 隔开。

• Entity2id：知识图谱的实体与对应序列号之间的映射。每一行有一个实体和序列号，二者用一个 tab 隔开。

• Relation2id：知识图谱的关系与对应序列号之间的映射。每一行有一个关系和序列号，二者用一个 tab 隔开。

文件描述和下载链接：

Wikidata：http://openke.thunlp.org/download/wikidata

Freebase：http://openke.thunlp.org/download/freebase

如何阅读二进制文件：

• Python

1. #Python codes to read the binary files.

2. import numpy as np

3. vec = np.memmap(filename , dtype='float32', mode='r')

• C/C++

1. //C(C++) codes to read the binary files.

2. #include <cstring>

3. #include <cstdio>

4. #include <cstdlib>

5. #include <sys/mman.h>

6. #include <fcntl.h>

7. #include <unistd.h>

8. #include <sys/stat.h>

9. 


10. struct stat statbuf;

11. int fd;

12. float* vec;

13. 


14. int main() {

15. if(stat(filename, &statbuf)!=-1) {

16. fd = open("relation2vec.bin", O_RDONLY);

17. vec = (float*)mmap(NULL, statbuf.st_size, PROT_READ, MAP_PRIVATE, fd, 0);

18. }

19. return 0;

20. }

本文为机器之心编译，转载请联系机器之心公众号获得授权。


OpenKG.CN

中文开放知识图谱（简称OpenKG.CN）旨在促进中文知识图谱数据的开放与互联，促进知识图谱和语义技术的普及和广泛应用。

点击阅读原文，进入 OpenKG 博客。