预期似然

class ExpectedLikelihood(exact: bool = True)

基础类：KG2ESimilarity

基于预期可能性计算相似度。

表示 \(\mu = \mu_e - \mu_r\) 和 \(\Sigma = \Sigma_e + \Sigma_t\)，它由以下公式给出

\[sim(\mathcal{N}(\mu_e, \Sigma_e),~\mathcal{N}(\mu_r, \Sigma_r))) = \frac{1}{2} \left( \mu^T\Sigma^{-1}\mu + \log \det \Sigma + d \log (2 \pi) \right)\]

初始化相似度模块。

Parameters:

exact (bool) – 是否返回精确的相似度，或者为了稍微提高速度而忽略常数偏移。

方法总结

forward(h, r, t)

计算相似度。

方法文档

forward(h: GaussianDistribution, r: GaussianDistribution, t: GaussianDistribution) → Tensor

计算相似度。

# noqa: DAR401

Parameters:

• h (GaussianDistribution) – 形状: (*batch_dims, d) 头实体高斯分布。

• r (GaussianDistribution) – 形状: (*batch_dims, d) 关系高斯分布。

• t (GaussianDistribution) – 形状: (*batch_dims, d) 尾部实体高斯分布。

Returns:

torch.Tensor, 形状: (*batch_dims) # noqa: DAR202 相似度。

Return type:

Tensor