知识表示学习的主要方法

三元组:(head,relation,tail)

距离模型 structured embedding


含义:对头尾实体分别用关系矩阵投影
缺陷:使用两个不同的矩阵投影,协调性较差,往往无法精确刻画两实体与关系间的语义联系。

单层神经网络 single layer model


缺陷:复杂度大,仅仅加入了微弱的联系

能量模型 semantic matching energy


双线性模型 latent factor model


DISMULT模型还探索了LFM的简化形式,模型效果反而得到显著提升

矩阵分解模型 matrix decomposition

如果(h,r,t)存在,则X_{hrt} =1,否则为0。代表模型RESACL。RESCACL与LFM思路类似,只是RESACL不仅优化知识库中有的表示,还优化不存在的,包括0位置。LFM只优化知识库中有的。

翻译模型


TransE

循环相关



TransH



TransR



TransD



TranSparse

将投影矩阵函数化

TransA


TransA
对每个维度进行加权。

TransG

KG2E

使用高斯分布建模

DKRL

关系路径建模

PTransE

全部评论

相关推荐

2025-11-28 16:00
已编辑
武汉理工大学 Java
点赞 评论 收藏
分享
2025-12-15 14:16
门头沟学院 Java
回家当保安:发offer的时候会背调学信网,最好不要这样。 “27届 ”和“28届以下 ”公司招聘的预期是不一样的。
实习简历求拷打
点赞 评论 收藏
分享
评论
点赞
收藏
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务