SE
- class SE(*, embedding_dim: int = 50, scoring_fct_norm: int = 1, power_norm: bool = False, entity_initializer: str | ~typing.Callable[[~torch.Tensor], ~torch.Tensor] | None = <function xavier_uniform_>, entity_constrainer: str | ~typing.Callable[[~torch.Tensor], ~torch.Tensor] | None = <function normalize>, entity_constrainer_kwargs: ~collections.abc.Mapping[str, ~typing.Any] | None = None, relation_initializer: str | ~typing.Callable[[~torch.Tensor], ~torch.Tensor] | None = <pykeen.utils.compose object>, **kwargs)[源代码]
基础类：
ERModel[Tensor,tuple[Tensor,Tensor],Tensor]由[bordes2011]发布的结构化嵌入（SE）的实现。
该模型将实体表示为\(d\)维向量，并通过两个投影矩阵\(\textbf{M}_{r}^{h}, \textbf{M}_{r}^{t} \in \mathbb{R}^{d \times d}\)分别表示头部和尾部角色。它们存储在一个
Embedding矩阵中。然后，这些表示被传递到SEInteraction函数中以获得分数。初始化SE。
- Parameters:
embedding_dim (int) – 实体嵌入维度 \(d\)。通常为 \(d \in [50, 300]\)。
scoring_fct_norm (int) – 与
torch.linalg.vector_norm()一起使用的范数。通常为1或2。power_norm (bool) – 是否使用\(L_p\)范数的p次方。它的优点是在0附近可微分，并且在数值上更稳定。
entity_initializer (str | Callable[[Tensor], Tensor] | None) – 实体初始化函数。默认为
pykeen.nn.init.xavier_uniform_()。entity_constrainer (str | Callable[[Tensor], Tensor] | None) – 实体约束函数。默认为
torch.nn.functional.normalize()。entity_constrainer_kwargs (Mapping[str, Any] | None) – 调用实体约束器时要使用的关键字参数。
relation_initializer (str | Callable[[Tensor], Tensor] | None) – 关系初始化函数。默认为
pykeen.nn.init.xavier_uniform_norm_()kwargs – 剩余的关键字参数将转发到
ERModel
属性摘要
优化模型超参数的默认策略
属性文档