UM

class UM(*, 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_normal_>, **kwargs)[源代码]

基础类：ERModel[Tensor, tuple[()], Tensor]

由[bordes2014]发布的无结构模型（UM）的实现。

该模型将实体表示为存储在Embedding中的\(d\)维向量。 它没有任何关系表示。UMInteraction用于 计算分数。

初始化UM。

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) – 实体嵌入的初始化器。 默认为 pykeen.nn.init.xavier_normal()。

  • kwargs – 传递给ERModel的剩余关键字参数。

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'>}, 'scoring_fct_norm': {'high': 2, 'low': 1, 'type': <class 'int'>}}

优化模型超参数的默认策略