线性交互

class LineaREInteraction(p: int, power_norm: bool = False)

基础类：NormBasedInteraction[Tensor, tuple[Tensor, Tensor, Tensor], Tensor]

由[peng2020]描述的LineaRE交互。

它由以下给出

\[\mathbf{h} \odot \mathbf{r}_h - \mathbf{t} \odot \mathbf{r}_t + \mathbf{r}\]

其中 \(\mathbf{r}_{h}, \mathbf{r}, \mathbf{r}_{t} \in \mathbb{R}^d\) 是关系特定的项， 而 \(\mathbf{h}, \mathbf{t} \in \mathbb{R}^n\) 是头和尾实体的表示。

注意

原始论文仅描述了\(L_1\)范数的交互，但我们将其扩展到一般的\(L_p\)范数及其幂变体。

注意

这种交互等同于没有\(u\)项的TripleREInteraction。

初始化基于范数的交互函数。

Parameters:

• p (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。

属性摘要

relation_shape

关系表示的符号形状

方法总结

forward(h, r, t)

评估交互函数。

属性文档

relation_shape: Sequence[str] = ('d', 'd', 'd')

关系表示的符号形状

方法文档

forward(h: Tensor, r: tuple[Tensor, Tensor, Tensor], t: Tensor) → Tensor

评估交互函数。

另请参阅

Interaction.forward 提供了关于交互函数通用批处理形式的详细描述。

Parameters:

• h (Tensor) – 形状: (*batch_dims, d) 头部表示。

• r (tuple[Tensor, Tensor, Tensor]) – 形状: (*batch_dims, d), 3 次 关系表示。

• t (Tensor) – 形状: (*batch_dims, d) 尾部表示。

Returns:

形状: batch_dims 分数。

Return type:

Tensor