知识图谱 - TransE算法_transe distance_norm

论文

Translating Embeddings for Modeling Multi-relational Data

TransE

算法概览

核心思想

实体向量 + 关系向量 = 实体向量 （h+l = t）

Tips

• 关系向量 （l）需要归一化，避免训练时带来实体向量的尺度变化
• 正样本 - 即原有样本，公式中的d(h+l, t)
• 负样本 - 随机替换h或者l, 不同时替换，即为负样本, 公式中的d(h’+l, t’)
• 距离采用l1 norm 或者l2 norm
• 训练方式采用SGD训练法

参考代码

https://github.com/wuxiyu/transE/blob/master/tranE.py
关键代码片段

def update(self, Tbatch):
        copyEntityList = deepcopy(self.entityList)
        copyRelationList = deepcopy(self.relationList)
        
        for tripletWithCorruptedTriplet in Tbatch:
            headEntityVector = copyEntityList[tripletWithCorruptedTriplet[0][0]]#tripletWithCorruptedTriplet是原三元组和打碎的三元组的元组tuple
            tailEntityVector = copyEntityList[tripletWithCorruptedTriplet[0][1]]
            relationVector = copyRelationList[tripletWithCorruptedTriplet[0][2]]
            headEntityVectorWithCorruptedTriplet = copyEntityList[tripletWithCorruptedT
1
2
3
4
5
6
7
8