4、知识图谱嵌入与时间交互图归纳学习方法解析

知识图谱嵌入与时间交互图归纳学习方法解析

1. MLP - Mixer 知识图谱嵌入

1.1 基准数据集统计

在知识图谱嵌入的研究中，使用了三个基准数据集，其统计信息如下表所示：
| 数据集 | (|E|) | (|R|) | 训练集 | 验证集 | 测试集 |
| — | — | — | — | — | — |
| WN18RR | 40943 | 11 | 86835 | 3034 | 3134 |
| FB15k - 237 | 14541 | 237 | 272115 | 17535 | 20466 |
| YAGO3 - 10 | 123182 | 37 | 1079040 | 5000 | 5000 |

1.2 评估协议与指标

采用统一采样方法在测试集 (G’) 中生成负三元组，公式为 (G’ = {(s’, r, o)|(s’ \in E \setminus s) \land (r \in R)} \cup {(s, r, o’)|(o’ \in E \setminus o) \land (r \in R)})。
然后将这些损坏三元组的分数按降序排列。评估协议遵循过滤设置，即过滤掉原始知识图谱数据集中已存在的采样三元组。最后记录正确三元组的排名，用于计算实验中的评估指标，主要评估指标包括平均排名（MR）、平均倒数排名（MRR）和 Hits@K（(K \in {1, 3, 10})）。

1.3 超参数与基线模型

在三个训练、验证和测试数据集上设置的超参数如下：
- 嵌入空间 (d \in {200, 400})
- 负