文件名称：DISCOS-commonsense:WWW 2021纸，DISCOS的此代码
文件大小：29KB
文件格式：ZIP
更新时间：2024-05-30 09:34:05
Python
DISCOS-常识 这是2021年Web会议（WWW）论文的github回购。 如何训练常识知识图人口（CKGP）模型 这是学习CKGP模型的说明。 对于本实验，我们使用第5.1.1节中介绍的过滤图。 首先，git克隆此仓库，然后从下载准备好的对齐图。 data/graph_cache文件夹包含可直接用于培训和测试的数据。 data/graph_raw_data是将ATOMIC和ASER对齐后得到的图形文件，其中CKGP任务具有预定义的负边。 data/infer_candidates文件夹包含要由我们的BertSAGE模型评分的候选（h，r，t）元组。 下一步安装依赖项。 推荐的python版本是3.8+。 pip install -r requirements.txt 请注意，要在data/graph_cache加载文件，需要与requirements.txt文件相同的依赖项。
【文件预览】：
DISCOS-commonsense-master
----README.md(3KB)
----utils()
--------atomic_utils.py(2KB)
--------utils.py(253B)
----BertSAGE()
--------train.py(7KB)
--------infer.py(5KB)
--------model.py(10KB)
--------__pycache__()
--------dataloader.py(16KB)
----build_matched_graph()
--------get_aser_nx.py(6KB)
----requirements.txt(61B)
----preproc_atomic()
--------match_tail.py(8KB)
--------match_head.py(4KB)