TransE算法原理與案例

jiayalu 2019-09-04 17:42:53 4596 收藏 37 分類專欄： 算法模型 版權聲明：本文為博主原創文章，遵循CC 4.0 BY-SA 版權協議，轉載請附上原文出處鏈接和本聲明。 本文鏈接：https://blog.csdn.net/jiayalu/article/details/100543909 版權

文章目錄

• TransE
• • 知識圖譜基礎
  • 知識表示
  • 算法描述
  • 代碼分析
  • 數據

TransE

知識圖譜基礎

三元組（h,r,t）

知識表示

即將實體和關系向量化，embedding

算法描述

思想：一個正確的三元組的embedding會滿足：h+r=t

定義距離d表示向量之間的距離，一般取L1或者L2，期望正確的三元組的距離越小越好，而錯誤的三元組的距離越大越好。為此給出目標函數為：

梯度求解：

代碼分析

• 定義類：

參數： 目標函數的常數——margin 學習率——learningRate 向量維度——dim 實體列表——entityList（讀取文本文件，實體+id） 關系列表——relationList(讀取文本文件，關系 + id) 三元關系列表——tripleList（讀取文本文件，實體 + 實體 + 關系） 損失值——loss

總結

以上是生活随笔為你收集整理的TransE算法原理与代码解析（2021-06-22）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。