qq_40177015的博客

知识图谱数据集UMLS：医疗数据集Kinship：亲属关系数据集WN18RR：WordNet子集。描述英语单词之间关联特征的数据集，同时保留WordNet数据集中的对称、非对称和组合关系，去除了倒装关系FB15k-237:Freebase子集不同数据集的统计信息如下：DatasetEntitiesRelationsTrainValidTestTotal TriplesUMLS1354652166526616529Kinship

模型介绍TransE模型的基本思想是使head向量和relation向量的和尽可能靠近tail向量。这里我们用L1或L2范数来衡量它们的靠近程度。损失函数是使用了负抽样的max-margin函数。L(y, y’) = max(0, margin - y + y’)y是正样本的得分，y'是负样本的得分。然后使损失函数值最小化，当这两个分数之间的差距大于margin的时候就可以了(我们会设置这个值，通常是1)。由于我们使用距离来表示得分，所以我们在公式中加上一个减号，知识表示的损失函数为：其中，