文件名称：SACN:用于知识库完成的端到端结构感知卷积网络
文件大小：8.43MB
文件格式：ZIP
更新时间：2024-06-12 17:12:00
pytorch knowledge-graph knowledge-graph-completion graph-convolutional-networks sacn
萨恩 论文：“” 发表在第三十三届AAAI人工智能会议（ ）中。 -PyTorch版本- 概述 端到端的结构感知卷积网络（SACN）模型充分利用了GCN和ConvE的优势来完成知识库。 SACN由加权图卷积网络（WGCN）的编码器和称为Conv-TransE的卷积网络的解码器组成。 WGCN利用知识图节点结构，节点属性和边关系类型。 解码器Conv-TransE使最新的ConvE能够在实体和关系之间转换，同时保持与ConvE相同的链路预测性能。 安装 此仓库支持通过Anaconda安装Linux和Python。 使用或安装 。 安装需求： pip install -r requirements.txt 下载使用的默认英语模型，该模型已在上一步python -m spacy download en 。 数据预处理 运行FB15k-237，WN18RR，FB15k-237-attr
【文件预览】：
SACN-master
----preprocess.sh(422B)
----requirements.txt(171B)
----data()
--------kinship.tar.gz(42KB)
--------create_WN18RR.py(1KB)
--------FB15k-237-attr()
--------WN18RR.tar.gz(872KB)
--------FB15k-237.tar.gz(3.51MB)
----src()
--------spodernet()
----run_main.sh(333B)
----inverse_model.py(5KB)
----LICENSE(1KB)
----models.py(12KB)
----README.md(2KB)
----wrangle_KG.py(4KB)
----main.py(10KB)
----evaluation.py(8KB)