随笔分类 - 知识图谱
摘要：变量管理 随着神经网络的结构更加复杂，参数更多时，需要一个更好的方式来传递和管理变量。在TF中提供了通过变量的名字来创建或者获取一个变量的机制，通过这个机制不同函数可以直接通过变量的名字来直接使用变量。这机制主要是通过tf.get_variable和tf.variable_scope实现的。 tf.
阅读全文
摘要：代码链接： https://github.com/ZichaoHuang/TransE 代码笔记： batch-size： batch-size中文翻译是批量大小，所谓的批量是指学习样本的数量，因为在训练模型时需要将样本图像全部读入到内存中，这么做的原因是提升收敛速度。 如果每次读一个图像到内存然后
阅读全文
摘要：OpenKE是THUNLP基于TensorFlow,PyTorch开发的用于将知识图谱嵌入到低维连续向量空间进行表示的开源框架。在OpenKE中，我们提供了快速且稳定的各类接口，也实现了诸多经典的知识表示学习模型。该框架易于扩展，基于框架设计新的知识表示模型也十分的方便。具体来说，OpenKE具有如
阅读全文
摘要：TransE是一种常见的知识图谱嵌入方法，它需要一个包含实体，关系和三元组的知识图谱数据作为输入。以下是制作TransE数据集的一般步骤： 1.收集知识图谱数据：首先需要收集实体和关系的信息，这可以通过网站，数据库或其他来源获得。这些数据通常以三元组的形式呈现，其中每个三元组包含一个头实体，一个关系
阅读全文
摘要：TransR:实体和关系分开嵌入(Learning Entity and Relation Embeddings for Knowledge Graph Completion) 一.摘要 知识图谱补全旨在执行实体之间的链接预测。在本文中，我们考虑了知识图嵌入的方法。最近，诸如TransE和Trans
阅读全文
摘要：TransH:将知识嵌入到超平面(Knowledge graph embedding by translating on hyperplanes) 1.从TransE到TransH模型 在之前的文章知识图谱-TransE模型原理中，我们介绍了TransE模型的基本原理，对于TransE模型而言，其核
阅读全文
摘要：1.TransE：多元关系数据嵌入(Translation embeddings for modeling multi-relation data) 原文链接：https://proceedings.neurips.cc/paper_files/paper/2013/hash/1cecc7a7792
阅读全文
摘要：本文梳理了面向知识图谱的图嵌入学习算法的不同设计思想，并对相应方法进行了总结。然后按照设计思路，信息利用程度的不同将图嵌入学习方法分成如下5种类别：基于转移思想的图嵌入算法，基于矩阵/张量分解的图嵌入算法，基于传统深度学习的图嵌入算法，基于图神经网络的图嵌入算法以及融入额外信息的图嵌入算法。其中前3
阅读全文
摘要：知识图谱的定义 定义1：知识图谱，是结构化的语义知识库，用于以符号形式描述物理世界中的概念及其相互关系。其基本组成单位是“实体-关系-实体”三元组，以及实体及其相关属性-值对，实体间通过关系相互连接，构成网状的知识结构。 包含的三层含义： 1）知识图谱本身是一个具有属性的实体通过关系链接而成的网状知
阅读全文
