赵亮的优快云博客

本文记载有关阅读《Translating Embeddings for Modeling Multi-relational Data》TransE论文的阅读笔记，如果有做相关工作的同学可以邮件和我沟通联系zhaoliang19960421@outlook.com背景知识图谱通常是用一个三元组（前件h，关系r，后件t）来表示一条知识，比如：（中国科学院大学，地点，北京），要使用向量表示的话，可以使用one-hot向量（实际使用中通常是mulit-hot向量）来表示。但是问题也来了，one-hot向量维数太

本文记录了有关阅读TransH《Knowledge Graph Embedding by Translating on Hyperplanes》的相关内容，如果有同学在做相关的工作，可以与我联系zhaoliang19960421@outlook.com背景TransH 论文是在基于TransE进行改进的，TransE算法中将每个关系认为是在实体空间中对于三元组的翻译，具体意思就是说在向量空间中，关系向量负责将头实体向量翻译成尾实体向量，这也是所有的Trans算法的思路。但是在TransE算法中无法解决

本文记录了阅读TransR论文时的相关内容，如果有做相关工作的同学，欢迎与我沟通联系 zhaoliang19960421@outlook.com背景TransR论文的提出还是为了来解决在TransE中无法解决的自反、一对多、多对一的关系问题。有一个很显然的想法就是，在知识图谱中的实体和关系是不一样，那么他们存在的语义空间也就应该不一样，实体空间就是专门的来表示实体上的属性，关系空间就是来表示实体之间的关系内容的。TransR就是利用这样的想法，对于实体和关系分别构建了一个空间（空间维度可以一样，也就

本文记录了在阅读TransD论文时的相关内容，如果有同学在做相关工作，欢迎邮件与我沟通联系 zhaoliang19960421@outlook.com背景TransE无法解决的自反、一对多、多对一关系问题，在TransR/CTransR中通过将实体和关系在不同空间表示的方法进行了解决。TransR的做法是让实体空间单纯的表示实体的属性信息，关系空间单纯的表示实体之间的关系，对于每个实体都有一个特定的映射矩阵，通过这个矩阵将实体映射到关系的空间中，在关系空间中进行TransE.但是TRansR存在几个

本文记录了TransM《Transition-based Knowledge Graph Embedding with Relational Mapping Properties》的论文阅读，如果有同学在做相关的工作，请通过邮件和我沟通联系zhaoliang19960421@outlook.com背景TransM算法是基于TransE算法进行的改进，目的还是为了解决在TransE中无法...

本文记录了有关阅读TransA论文的相关情况.如果有在做相关工作的同学，欢迎与我沟通联系 zhaoliang19960421@outlook.com背景TransA论文的思路也是对于TransE的改进，目的也是来改进TramsE中无法解决的自反、一对多、多对一的关系问题，但是在TransA中解决问题的方法是来来修正在之前集合模型中比较简单的评价函数的方法在之前的翻译模型中，都采用的是计算得到的尾实体和标准尾实体之间的欧式距离，在计算欧式距离的时间将所有的维度都没有取消量纲下进行计算的，那么按照论文中的

本文记录了有关TranSparse《Knowledge Graph Completion with Adaptive Sparse Transfer Matrix》论文的相关情况，如果有做相关内容的同学可以邮件与我联系 zhaoliang19960421@outlook.com背景之前的基于翻译模型中，将所有的关系是按照同一个标准来进行翻译，没有考虑关系在链接实体上的特性，在论文中将这种由于关系在链接实体上的不同，定义成了两个问题，异构性和平衡性异构性：不同的关系链接的头尾对儿的个数不一样实际

本文时 KG2E，《Learning to represent knowledge graphs with gaussian embedding》的论文阅读笔记，如果有做相关工作的同学可以与我联系 zhaoliang19960421@outlook.com背景之前的TransX系列的论文都是在欧式空间中对实体和关系进行表征，然后利用基于空间中点相似度的计算方法来计算势能（通过关系翻译的头实体和真实尾实体之间的差距）在论文中提出了之前的Trans系列论文没有关注到的点，在本文中称之为实体/关系的准确性