ERMLP

class ERMLP(*, embedding_dim: int = 64, hidden_dim: int | None = None, activation: str | ~torch.nn.modules.module.Module | type[~torch.nn.modules.module.Module] | None = <class 'torch.nn.modules.activation.ReLU'>, activation_kwargs: ~collections.abc.Mapping[str, ~typing.Any] | None = None, entity_initializer: str | ~typing.Callable[[~torch.Tensor], ~torch.Tensor] | None = <function uniform_>, relation_initializer: str | ~typing.Callable[[~torch.Tensor], ~torch.Tensor] | None = <function uniform_>, **kwargs)[源代码]

基础类：ERModel

ERMLP的实现来自[dong2014]。

该模型将实体和关系表示为存储在Embedding矩阵中的\(d\)维向量。然后，这些表示被传递给ERMLPInteraction函数以获得分数。

初始化模型。

Parameters:

  • embedding_dim (int) – 实体和关系的嵌入向量维度。

  • hidden_dim (int | None) – MLP的隐藏维度。默认为 embedding_dim。

  • activation (str | Module | type[Module] | None) – 激活函数或其提示。

  • activation_kwargs (Mapping[str, Any] | None) – 如果激活函数未预先实例化，则传递给激活函数构造函数的额外基于关键字的参数。

  • entity_initializer (str | Callable[[Tensor], Tensor] | None) – 初始化实体嵌入的方法

  • relation_initializer (str | Callable[[Tensor], Tensor] | None) – 初始化实体嵌入的方法

  • kwargs – 传递给pykeen.models.ERModel的额外基于关键字的参数

注意

参数对 (activation, activation_kwargs) 用于 class_resolver.contrib.torch.activation_resolver

解析器的解释及其使用方法在 https://class-resolver.readthedocs.io/en/latest/中给出。

属性摘要

hpo_default

优化模型超参数的默认策略

属性文档

hpo_default: ClassVar[Mapping[str, Any]] = {'embedding_dim': {'high': 256, 'low': 16, 'q': 16, 'type': <class 'int'>}}

优化模型超参数的默认策略