ConvKB交互
- class ConvKBInteraction(hidden_dropout_rate: float = 0.0, embedding_dim: int = 200, num_filters: int = 400)[源代码]
基础类:
Interaction[Tensor,Tensor,Tensor]有状态的ConvKB交互函数。
ConvKB 使用卷积神经网络（CNN），其特征图捕捉输入的全局交互。
对于给定的头实体、关系和尾实体的输入表示，分别表示为 \(\mathbf{h}, \mathbf{r}, \mathbf{t} \in \mathbb{R}^d\)，首先将它们组合成一个矩阵 \(\mathbf{A} = [\mathbf{h}; \mathbf{r}; \mathbf{t}] \in \mathbb{R}^{d \times 3}\)。
在卷积层中，一组卷积滤波器 \(\omega_i \in \mathbb{R}^{1 \times 3}\), \(i=1, \dots, \tau,\) 被应用于输入，以计算嵌入三元组的每个维度的全局交互。每个 \(\omega_i\) 被应用于 \(\mathbf{A}\) 的每一行，创建一个特征图 \(\mathbf{v}_i = [v_{i,1},...,v_{i,d}] \in \mathbb{R}^d\):
\[\mathbf{v}_i = g(\omega_j \mathbf{A} + \mathbf{b})\]其中 \(\mathbf{b} \in \mathbb{R}\) 表示偏置项，\(g\) 是一个逐元素应用的激活函数。 基于生成的特征图 \(\mathbf{v}_1, \dots, \mathbf{v}_{\tau}\)，三元组的合理性评分由以下公式给出：
\[f(h,r,t) = [\mathbf{v}_i; \ldots ;\mathbf{v}_\tau] \cdot \mathbf{w}\]其中 \([\mathbf{v}_i; \ldots ;\mathbf{v}_\tau] \in \mathbb{R}^{\tau d \times 1}\) 和 \(\mathbf{w} \in \mathbb{R}^{\tau d \times 1}\) 是一个共享的权重向量。
ConvKB 可以被视为
ERMLPInteraction的一种限制，它在第一层中具有特定的权重共享模式。初始化交互模块。
- Parameters:
方法总结
forward(h, r, t)评估交互函数。
重置交互函数可能具有的参数。
方法文档