TransH 论文笔记

已于 2022-03-12 09:41:22 修改
阅读量1k 收藏 2
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 知识图谱论文 文章标签： 自然语言处理 知识图谱 机器学习 深度学习 人工智能
于 2022-03-04 14:10:56 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Jay98/article/details/123275018

Knowledge Graph Embedding by Translating on Hyperplanes

- Abstract

TransH在TransE的基础上的改进，将关系映射到超平面，在超平面上进行平行操作。并提出更好的负例样本设计方式。

- Background

最开始的传统逻辑推理方式，不易于处理，也不具有健壮性。后发展到，将知识图谱嵌入到向量空间，关系r则是向量空间中的操作。
在这里插入图片描述
其中，TransE并不能很好的处理“reflexive, one-to-many, many-to-one, and many-to-many”。
在这里插入图片描述

- ALgorithm

在这里插入图片描述
In TransH, each relation is characterized by two vectors, the norm vector (wr) of the hyperplane, and the translation vector (dr ) on the hy

最低0.47元/天 解锁文章
TransH论文翻译
Alex的博客
12-06 1456
TransH全文翻译
TransD 论文笔记
Jay98的博客
03-08 1205
Knowledge Graph Embedding via Dynamic Mapping Matrix
TransH论文
12-11
关于TransH的论文，提出了TransH算法，并进行了实验。
论文解读：（TransH）Knowledge Graph Embedding by Translating on Hyperplanes
夏栀的博客
12-01 9176
论文解读：（TransH）Knowledge Graph Embedding by Translating on Hyperplanes   TransE是一种经典的知识表示学习方法，其通过对头实体、尾实体及对应关系进行建模，设计 d(h+l−t)d(h+l-t)d(h+l−t) 的能量函数，并运用负采样和随机梯度下降的方法对待训练的向量进行调整，从而能够得到不错的低维向量。TransE模型在链接...
TransH论文：剩余部分
NULL
05-10 5033
TransH论文：Experiments-Link prediction
NULL
05-10 4950
Zhang-Each#Awesome-CS-Course-Learning-Notes#论文阅读笔记06：TransH1
07-25
论文阅读笔记6：TransH阅读知识图谱嵌入领域的论文《Knowledge Graph Embedding by Translating on Hyperpla
PTransE 论文笔记
Jay98的博客
03-12 3428
Modeling Relation Paths for Representation Learning of Knowledge Bases
TransH论文：Related work
NULL
05-08 4838
TransRHS: A Representation Learning Method for Knowledge Graphs with RHS-学习笔记
ChanYeol666的博客
10-13 699
TransRHS: A Representation Learning Method for Knowledge Graphs with Relation Hierarchical Structure PPT 一种具有关系层次结构的知识图谱的表示学习方法。 知识表示学习是面向知识图谱中实体（或概念）和关系的表示学习。通过将实体或关系投影到低维稠密向量（嵌入表示），实现对实体和关系的语义信息的表示，高效地计算实体、关系及其之间的复杂语义关联。 RHS 关系层次结构（RHS）由关系之间的名为sub
transE论文阅读
code_fighter 博客
09-30 2154
震
论文小尝| (TransH)Knowledge Graph Embedding by Translating on Hyperplanes
qq_44256269的博客
12-24 403
论文小尝| (TransH)Knowledge Graph Embedding by Translating on Hyperplanes
TransH
vincent_duan的专栏
05-31 1021
为了解决TransE模型在处理一对多 、 多对一 、多对多复杂关系时的局限性，TransH模型提出让一个实体在不同的关系下拥有不同的表示。如下公式所示，对于关系rrr，TransH模型同时使用平移向量rrr和超平面的法向量wrw_rwr​来表示它。对于一个三元组(h,r,t)(h, r, t)(h,r,t) , TransH首先将头实体向量hhh和尾实体向量rrr，沿法线wrw_rwr​，映射关系rrr对应的超平面上，用h⊥h_\perph⊥​和t⊥t_\perpt⊥​表示如下: h⊥=h−wr⊤hwrt⊥
TransH 算法详解
热门推荐
MonkeyDSummer的博客
12-27 1万+
TransH 算法详解 文章目录TransH 算法详解算法背景transE算法存在的问题解决方法算法描述几何含义目标函数梯度参考文献或博客 算法背景 transE算法存在的问题 在我的上一篇博客中，提到了TransE算法。其在知识表示的引用中因为其简单，高效的特性而广受欢迎。但是其也存在一定的缺陷。例如在处理自反关系，以及一对多、多对一、多对多关系时存在一些不足。 通过上一篇博客容易知道，Tra...
知识图谱笔记：TransH
最新发布
qq_40206371的博客
09-02 604
同一个实体在不同关系中的意义不同，同时不同实体，在同一关系中的意义，也可以相同。
TransH：将知识嵌入到超平面（知识图谱嵌入）2014 AAAI
u013602059的专栏
07-19 938
论文链接：http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.486.2800&rep=rep1&type=pdf 论文来源：2014 AAAI 导读 表示学习是深度学习的基础，将数据用更有效的方式表达出来，才能让深度学习发挥出更强大的作用。表示学习避免了手动提取数据特征的繁琐，允许计算机学习特征的同时，也学习如何提取特征。尽管举例基于翻译（translation）的知识图谱表示学习已经过去了五六年的时间，但是仍不可忽略其重要意.
知识表示学习（二）：TransH
u013010473的博客
08-12 1649
TransH
关于知识图谱的trans系列二：transH
weixin_41946661的博客
06-22 4966
论文链接：https://pdfs.semanticscholar.org/2a3f/862199883ceff5e3c74126f0c80770653e05.pdf 论文题目：Knowledge Graph embedding by Translating on Hyperplanes abstract: 论文动机：We discuss some mapping properties of re...
PaperReading-TransH《Knowledge Graph Embedding by Translating on Hyperplanes》
赵亮的CSDN博客
05-29 562
本文记录了有关阅读TransH《Knowledge Graph Embedding by Translating on Hyperplanes》的相关内容，如果有同学在做相关的工作，可以与我联系[email protected] 背景 TransH 论文是在基于TransE进行改进的，TransE算法中将每个关系认为是在实体空间中对于三元组的翻译，具体意思就是说在向量空间中，关系向量负责将头实体向量翻译成尾实体向量，这也是所有的Trans算法的思路。 但是在TransE算法中无法解决
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值