TriplesNumericLiteralsFactory

class TriplesNumericLiteralsFactory(*, numeric_literals: ndarray, literals_to_id: Mapping[str, int], **kwargs)[source]

基础类：TriplesFactory

根据三元组的路径创建多模态实例。

初始化多模态三元组工厂。

Parameters:

numeric_literals (ndarray) – 形状: (num_entities, num_literals) 数值字面量作为一个密集矩阵。
literals_to_id (Mapping[str, int]) – 从字面量名称到其ID的映射，即numeric_literals矩阵中的列。
kwargs – 传递给 TriplesFactory.__init__() 的额外基于关键字的参数。

属性摘要

`file_name_literal_to_id`
`file_name_numeric_literals`
`literal_shape`	返回字面量的形状。

方法总结

`clone_and_exchange_triples`(mapped_triples[, ...])	创建一个新的三元组工厂，共享除三元组之外的所有内容。
`from_labeled_triples`(triples, *[, ...])	从基于标签的三元组创建一个新的三元组工厂。
`from_path`(path, *[, path_to_numeric_triples])	从存储在文件中的三元组创建一个新的三元组工厂。
`get_numeric_literals_tensor`()	将数字字面量作为张量返回。
`iter_extra_repr`()	遍历extra_repr组件。
`to_path_binary`(路径)	将三元组工厂保存到路径中（PyTorch的.pt二进制格式）。

属性文档

file_name_literal_to_id: ClassVar[str] = 'literal_to_id'

file_name_numeric_literals: ClassVar[str] = 'literals'

literal_shape: 返回字面量的形状。

方法文档

clone_and_exchange_triples(mapped_triples: Tensor, extra_metadata: dict[str, Any] | None = None, keep_metadata: bool = True, create_inverse_triples: bool | None = None) → TriplesNumericLiteralsFactory[源代码]

创建一个新的三元组工厂，共享除三元组之外的所有内容。

注意

我们使用浅拷贝。

Parameters:

mapped_triples (Tensor) – 新的映射三元组。
extra_metadata (dict[str, Any] | None) – 包含在新三元组工厂中的额外元数据。如果 keep_metadata 为真，字典将与 extra_metadata 中的键优先合并。
keep_metadata (bool) – 将当前工厂的元数据传递给新的三元组工厂
create_inverse_triples (bool | None) – 更改反向三元组创建标志。如果为None，则使用此工厂的标志。

Returns:

新工厂。

Return type:

TriplesNumericLiteralsFactory

classmethod from_labeled_triples(triples: ndarray, *, numeric_triples: ndarray = None, **kwargs) → TriplesNumericLiteralsFactory[source]

从基于标签的三元组创建一个新的三元组工厂。

Parameters:

triples (ndarray) – 形状: (n, 3), 数据类型: str 基于标签的三元组。
create_inverse_triples – 是否创建反向三元组。
entity_to_id – 从实体标签到ID的映射。如果为None，则从三元组创建一个新的映射。
relation_to_id – 从关系标签到ID的映射。如果为None，则从三元组创建一个新的映射。
compact_id – 是否压缩ID以使ID连续。
filter_out_candidate_inverse_relations – 是否移除带有反向后缀关系的三元组。
metadata – 任意键/值对，用于存储为元数据
numeric_triples (ndarray)

Returns:

一个新的三元组工厂。

Return type:

TriplesNumericLiteralsFactory

从存储在文件中的三元组创建一个新的三元组工厂。

Parameters:

path (str | Path | TextIO) – 存储基于标签的三元组的路径。
create_inverse_triples – 是否创建反向三元组。
entity_to_id – 从实体标签到ID的映射。如果为None，则从三元组创建一个新的映射。
relation_to_id – 从关系标签到ID的映射。如果为None，则从三元组创建一个新的映射。
compact_id – 是否压缩ID以使ID连续。
metadata – 任意键/值对，用于存储为三元组工厂的元数据。不要包含path作为键，因为它会自动从该函数的path关键字参数中获取。
load_triples_kwargs – 可选的传递给load_triples()的关键字参数。可能包括delimiter或column_remapping。
kwargs – 额外的基于关键字的参数，这些参数被忽略。
path_to_numeric_triples (None | str | Path | TextIO)

Returns:

一个新的三元组工厂。

Return type:

TriplesNumericLiteralsFactory

get_numeric_literals_tensor() → Tensor[来源]

将数字字面量作为张量返回。

Return type:: Tensor

iter_extra_repr() → Iterable[str][source]

遍历extra_repr组件。

Return type:: Iterable[str]

to_path_binary(path: str | Path | TextIO) → Path[source]

将三元组工厂保存到路径中（PyTorch的.pt二进制格式）。

Parameters:: path (str | Path | TextIO) – 存储三元组工厂的路径。
Returns:: 被转储文件的路径
Return type:: Path