模型

知识图谱嵌入模型能够计算表示三元组\((h,r,t) \in \mathbb{K}\)合理性的实值分数，其中较大的分数表示较高的合理性。分数的解释依赖于模型，通常不能直接解释为概率。

在 PyKEEN 中，模型的 API 定义在 Model 中，其中评分函数通过 Model.score_hrt() 暴露，可用于计算（一批）三元组的合理性分数。此外，Model 类还提供了额外的评分方法，可用于（高效地）计算共享某些部分的大量三元组的分数，例如，计算给定 \((h, r)\) 对和所有可用实体 \(e \in \mathcal{E}\) 的三元组 \((h, r, e)\) 的分数。

注意

这里提供的知识图谱嵌入模型的实现都基于实体/关系索引，而不是字符串表示，参见这里。

在这些评分方法之上，还有相应的预测方法，例如， Model.predict_hrt()。这些方法通过确保模型处于评估模式来扩展评分方法，参见 torch.nn.Module.eval()，并可选地在分数上应用sigmoid激活以确保值范围在 \([0, 1]\) 之间。

警告

根据手头的模型，直接应用sigmoid可能并不总是合理的。例如，基于距离的交互函数，如pykeen.nn.modules.TransEInteraction，会产生非正分数（因为它们使用负距离作为评分函数），因此sigmoid的输出仅覆盖区间\([0.5, 1]\)。

大多数模型都源自ERModel，这是一个知识图谱嵌入模型的通用实现。 它结合了实体和关系的可变数量的表示，参见 pykeen.nn.representation.Representation，以及一个交互函数，参见 pykeen.nn.modules.Interaction。表示模块将整数实体或关系索引转换为 数字表示，例如向量。交互函数将头实体、关系和尾实体的表示作为输入，并计算三元组的标量合理性分数。

注意

关于表示模块的深入讨论可以在 相应的教程中找到。

注意

此模块中的特定模型，例如RESCAL，使用交互函数打包特定的实体和关系表示。对于更灵活的组合，考虑直接使用ERModel。

函数

make_model(dimensions, interaction[, ...])	从交互类提示（名称或类）构建模型。
make_model_cls(dimensions, interaction[, ...])	从交互类提示（名称或类）构建模型类。

类

Model(*, triples_factory[, loss, ...])	KGE模型的基础模块。
ERModel(*, triples_factory, interaction[, ...])	使用嵌入和交互模块的KGEMs的一个常用且有用的基础。
InductiveERModel(*, triples_factory[, ...])	归纳模型的一个基类。
LiteralModel(triples_factory, interaction[, ...])	使用来自pykeen.nn.combinations组合的实体字面量模型的基类。
EvaluationOnlyModel(triples_factory)	一个仅实现用于评估的方法的模型。
AutoSF([embedding_dim, num_components, ...])	来自[zhang2020]的AutoSF实现。
BoxE(*, embedding_dim, tanh_map, p, ...)	BoxE的实现来自[abboud2020]。
CompGCN(*, triples_factory[, embedding_dim, ...])	来自[vashishth2020]的CompGCN实现。
ComplEx(*, embedding_dim, ...)	ComplEx 的一个实现 [trouillon2016]。
ComplExLiteral(triples_factory[, ...])	一个实现了LiteralE模型的实现，使用了来自[kristiadi2018]的ComplEx交互。
ConvE(triples_factory, input_channels, ...)	ConvE 的实现来自 [dettmers2018]。
ConvKB(*, embedding_dim, ...)	ConvKB的实现来自[nguyen2018]。
CP([embedding_dim, rank, ...])	CP的实现如[lacroix2018]中所述，基于[hitchcock1927]。
CrossE(*, embedding_dim, ...)	CrossE 的实现来自 [zhang2019b]。
DistMA([embedding_dim, entity_initializer, ...])	来自[shi2019]的DistMA实现。
DistMult(*, embedding_dim, ...)	来自[yang2014]的DistMult实现。
DistMultLiteral(triples_factory[, ...])	一个实现了LiteralE模型的实现，使用了来自[kristiadi2018]的DistMult交互。
DistMultLiteralGated(triples_factory[, ...])	使用来自[kristiadi2018]的Gated DistMult交互实现的LiteralE模型。
ERMLP(*, embedding_dim, hidden_dim, ...)	ERMLP的实现来自[dong2014]。
ERMLPE(*, embedding_dim, hidden_dim, ...)	pykeen.models.ERMLP 的扩展，由 [sharifzadeh2019] 提出。
HolE(*, embedding_dim, entity_initializer, ...)	HolE 的实现来自 [nickel2016]。
KG2E(*, embedding_dim, dist_similarity, ...)	KG2E的实现来自[he2015]。
FixedModel(*, triples_factory, **_kwargs)	一个返回固定分数的模拟模型。
MuRE(*, embedding_dim, p, power_norm, ...)	MuRE 的实现来自 [balazevic2019b]。
NodePiece(*, triples_factory, num_tokens, ...)	一个包装器，它将交互函数与来自[galkin2021]的NodePiece实体表示结合起来。
NTN(*[, embedding_dim, num_slices, ...])	NTN的实现来自[socher2013]。
PairRE(embedding_dim, p, power_norm, ...)	来自[chao2020]的PairRE实现。
ProjE(*, embedding_dim, inner_non_linearity, ...)	ProjE 的实现来自 [shi2017]。
QuatE(*, embedding_dim, entity_initializer, ...)	QuatE 的实现来自 [zhang2019]。
RESCAL(*, embedding_dim, entity_initializer, ...)	来自[nickel2011]的RESCAL实现。
RGCN(*, triples_factory, embedding_dim, ...)	R-GCN 的实现来自 [schlichtkrull2018]。
RotatE(*, embedding_dim, entity_initializer, ...)	RotatE的一个实现来自[sun2019]。
SimplE(*[, embedding_dim, clamp_score, ...])	SimplE 的一个实现 [kazemi2018]。
SE(*, embedding_dim, scoring_fct_norm, ...)	由[bordes2011]发布的结构化嵌入（SE）的实现。
TorusE([embedding_dim, p, power_norm, ...])	来自[ebisu2018]的TorusE实现。
TransD(*, embedding_dim, relation_dim, ...)	TransD的实现来自[ji2015]。
TransE(*, embedding_dim, scoring_fct_norm, ...)	TransE 的一个实现 [bordes2013]。
TransF([embedding_dim, entity_initializer, ...])	TransF的实现来自[feng2016]。
TransH(*, embedding_dim, scoring_fct_norm, ...)	TransH 的一个实现 [wang2014]。
TransR(*, embedding_dim, relation_dim, ...)	TransR 的实现来自 [lin2015]。
TuckER(*, embedding_dim, relation_dim, ...)	来自[balazevic2019]的TuckEr实现。
UM(*, embedding_dim, scoring_fct_norm, ...)	由[bordes2014]发布的无结构模型（UM）的实现。
InductiveNodePiece(*, triples_factory, ...)	一个包装器，它将交互函数与来自[galkin2021]的NodePiece实体表示结合起来。
InductiveNodePieceGNN(*[, gnn_encoder])	在GNN编码器之上的归纳式NodePiece。
SoftInverseTripleBaseline(triples_factory[, ...])	基于关系相似性的评分。
MarginalDistributionBaseline(triples_factory)	基于边际分布的评分。
CooccurrenceFilteredModel(*, triples_factory)	一个通过共现过滤预测的模型。

变量

model_resolver

知识图谱嵌入模型的解析器

类继承图