文件名称：KGE:知识图嵌入用于链接预测
文件大小：8.84MB
文件格式：ZIP
更新时间：2024-06-04 02:48:43
Python
凯格 知识图嵌入（KGE）库是与统计关系学习（SRL）有关的最新技术的一种实现，用于解决链接预测问题。 这些技术将大型知识图的结构映射到能够预测新三元组中缺失关系的模型上[1-2]。 此代码中实现的技术包括TransE，DistMult，RESCAL和ComplEx。 技术要求 该系统是在python 2.7中开发的。 该代码取决于rdflib，downhill和theano [3]软件包。 连同其他依赖项一起安装： pip install rdflib downhill theano 使用例 生成和评估模型的最简单方法是调用run.py脚本。 所述model参数是可用的技术中， data是将要执行的数据集的完整路径，所述k是嵌入向量的维数，所述epoch是历元将被执行的次数和folds使用的折叠的数量在k折交叉验证技术中。 执行KGE技术的最简单方法是： python run.p
【文件预览】：
KGE-master
----run.py(3KB)
----datasets()
--------fb15k.txt(43.97MB)
--------wn18.txt(4.86MB)
--------bicycleparking.nt(2.45MB)
----LICENSE(1KB)
----tensor()
--------evaluation.py(1KB)
--------experiment.py(637B)
--------batching.py(1KB)
--------__init__.py(0B)
--------models.py(7KB)
--------tools.py(1KB)
--------read.py(1KB)
----README.md(3KB)
----pbs.sh(377B)
----.gitignore(5B)