xhsun的博客

GitHub仓库问答服务的构建postman请求:后台日志：

综述链接引言回顾word2vec，一个典型的例子：vking−vman≈vqueen−vwomanv_{king}-v_{man}\approx v_{queen}-v_{woman}vking​−vman​≈vqueen​−vwoman​需要知道的是，king和man之间的关系是皇室(royal)，queen和woman之间的关系也是royal。可以看出，从大规模语料中学习得到的词向量可以建模单词之间的相似关系，这种关系体现在词嵌入空间中的翻译(translations)。同样的，国家和城

KGQA与KGE关于KGQA以及知识图谱嵌入的签简单介绍可以看之前的两篇博客：KGQA概览知识图谱嵌入简单介绍这篇论文就是结合知识图谱嵌入（KGE）来进行多跳知识问答EmbedKGQA论文源代码MetaQA数据实验数据集是MetaQA数据集，该数据集是基于电影知识图谱的电影问答。下载链接提供的KG我们需要提供的KG，因为我们要预先训练KG中每一个实体的embedding。KG如下：比如，用ComplEx这个KGE模型训练MetaQA知识图谱得到的结果：提供的QA数据提供的

两个问题KGE可以用来做什么？KGE的诸多方法？下面来聊聊上面提出的两个问题KGE可以用来做什么？知识图谱KG，特别是开放域知识图谱，一定是不完整的，因为不可能穷举所有实体，而实体之间的各种关系也不可能都一一存在。连接预测(link prediction)任务，也叫知识图谱补全。就是利用当前KG中的实体和关系去推理出新的实体或者关系。比如给定(h,r,?)，其中h是头实体，r是关系，我们想知道尾实体是什么。或者给定(h,?,t)，想知道r是什么。这就是连接预测任务，目的是补全知识图谱。有

符号说明符号说明备注E\mathcal{E}E所有实体的集合L\mathcal{L}L所有literal值的集合三元组(姚明,身高,2.26m)中的2.26m就是literal，它不算实体。P\mathcal{P}P所有关系的集合关系既可以是连接两个实体的关系，如国籍，也可以连接实体和literal之间的关系，如上一行所示。tttt∈E×P×(E∪L)t\in \mathcal{E}\times\mathcal{P}\times(\mathcal{E}