TransE:Translating Embeddings for Modeling Multi-relational Data
Posted Facico
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了TransE:Translating Embeddings for Modeling Multi-relational Data相关的知识,希望对你有一定的参考价值。
Translating Embeddings for Modeling Multi-relational Data
- 目的即知识图谱提取成向量
知识图谱三元组
- 一般形式(sub,rel,obj)
- 如:(Barack Obama, place of birth, Hawai),这个关系就是Hawai是Barack Obama的place of birth
- 这只是三元组的一种形式,从属、包含、什么什么是什么等等关系都能变成三元组
类似词向量的构建,这里希望将KG(knowledge graph)中的多关系数据构建embedding
TransE向量构建
TransE定义三元组 ( h , l , t ) (h,l,t) (h,l,t),即(head,relation,tail)
- 这个三元组可以看作实体head到实体tail的转化
- 所以向量构建目的为: h + l ≈ t h+l≈ t h+l≈t
三元组距离
- 通过量化三元组来训练
- 这里可以使用L1范数或L2范数
d ( h + l , t ) = ∣ h + l − t ∣ d ( h + l , t ) = ∣ ∣ h + l − t ∣ ∣ 2 d(h+l,t)=|h+l-t|\\\\ d(h+l,t)=||h+l-t||_2 d(h+l,t)=∣h+l−t∣d(h+l,t)=∣∣h+l−t∣∣2
TransE训练
初始化时先归一化处理
-
循环
- 每个实体进行相同的归一化处理
- 选取一定的正样本 ( h , l , t ) ∈ S (h,l,t)\\in S (h,l,t)∈S
- 选取一定的负样本 ( h ′ , l , t ′ ) ∈ S ′ (h',l,t')\\in S' (h′,l,t′)∈S′
- 使用hinge loss来使得正负样本尽量的分离
L = ∑ ( h , l , t ) ∈ S ∑ ( h ′ , l , t ′ ) ∈ S ′ [ γ + d ( h + l , t ) − d ( h ′ + l , t ′ ) ] + \\mathcalL=\\sum_(h,l,t)\\in S \\sum_(h',l,t')\\in S'[\\gamma + d(h+l,t)-d(h'+l,t')]_+ L=(h,l,t)∈S∑(h′,l,t′)∈S′∑[γ+d(h+l,t)−d(h′+l,t′)]+- [ ] + []_+ []+是 m a x ( x , 0 ) max(x,0) max(x,0)
-
S ′ = ( h ′ , l , t ) ∣ h ′ ∈ E ∪ ( h , l , t ′ ) ∣ t ′ ∈ E S'=\\(h',l,t)|h'\\in E\\∪\\(h,l,t')|t'\\in E\\ S′=(h′,l,t)∣h′∈E∪(h,l,t′)∣t′∈E
-
γ \\gamma γ是间隔修正,越大修正的越多,embedding修正越严格
- 以L2范数为例
∂ l o s s ∂ h = ∂ [ γ + ( h + l − t ) 2 − ( h ′ + l − t ′ ) 2 ] + ∂ h = 2 ( h + l − t ) γ + ( h + l − t ) 2 − ( h ′ + l − t ′ ) 2 ≥ 0 0 γ + ( h + l − t ) 2 − ( h ′ + l − t ′ ) 2 ≤ 0 \\frac\\partial loss\\partial h=\\frac\\partial [\\gamma+(h+l-t)^2-(h'+l-t')^2]_+\\partial h\\\\ = \\left\\\\beginaligned 2(h+l-t)&& \\gamma+(h+l-t)^2-(h'+l-t')^2\\geq 0\\\\ 0&& \\gamma+(h+l-t)^2-(h'+l-t')^2\\leq 0\\\\ \\endaligned\\right. ∂h∂loss=∂h∂[γ+(h+l−t)2−(h′+l−t′)2]+=2(h+l−t)0γ+(h+l−t)2−(h′+l−t′)2≥0γ+(h+l−t)2−(h′+l−t′)2≤0
- 以L2范数为例
实验
- 在当时效果很不错
以上是关于TransE:Translating Embeddings for Modeling Multi-relational Data的主要内容,如果未能解决你的问题,请参考以下文章
TransE:Translating Embeddings for Modeling Multi-relational Data
TransE:Translating Embeddings for Modeling Multi-relational Data
TransE:Translating Embeddings for Modeling Multi-relational Data
论文解读:(TransH)Knowledge Graph Embedding by Translating on Hyperplanes