知识图谱嵌入模型

在PyKEEN中，知识图谱嵌入模型的基础类是pykeen.models.ERModel。

它将实体和关系表示与交互函数结合起来。在非常高的层次上，三元组分数是通过首先提取与头实体、尾实体和关系（作为整数索引给出）相对应的表示，然后使用交互函数从中计算出一个标量分数来获得的。

本教程对这些组件进行了高层次的概述，并解释了如何扩展和修改它们。

表示

一个pykeen.nn.representation.Representation模块提供了一种方法来获取给定整数索引的表示，例如向量。这些索引可能对应于实体或关系索引。通过向参数提供适当的输入来选择表示。

entity_representations / entity_representations_kwargs 用于实体表示，或
relation_representations / relation_representations_kwargs 用于关系表示。

这些输入随后用于通过pykeen.nn.representation_resolver.make_many()实例化表示。请注意，模型类pykeen.models.ERModel负责将max_id参数填充到…_kwargs中。默认情况下，使用单个pykeen.nn.Embedding来表示实体和关系，这在许多出版物中都有所体现。

以下示例适用于实体表示，但同样可以用于关系表示。

一个单一的pykeen.nn.Embedding，维度为64，适用于例如pykeen.nn.TransEInteraction或pykeen.nn.DistMultInteraction等交互。

model = ERModel(
    # the default:
    # entity_representations=None,
    # equivalent to
    # entity_representations=[None],
    # equivalent to
    # entity_representations=[pykeen.nn.Embedding],
    entity_representations_kwargs=dict(shape=64),
    ...,
)

两个具有相同维度64的pykeen.nn.Embedding，适用于例如pykeen.nn.BoxEInteraction等交互

model = ERModel(
    entity_representations=[None, None],
    # note: ClassResolver.make_many supports "broad-casting" kwargs
    entity_representations_kwargs=dict(shape=64),
    # equivalent:
    # entity_representations_kwargs=[dict(shape=64), dict(shape=64)],
    ...,
)

注意

如果您不确定选择实体表示的方式，请查看pykeen.nn.Representation的子类。

注意

在内部，使用了class_resolver库来支持各种替代参数化，例如，表示类的字符串名称、class对象或pykeen.nn.Representation类的实例。您还可以将自己的类注册到解析器中。详细信息可以在包的文档或使用解析器中找到。

交互功能

交互函数从头、关系和尾表示中计算标量分数。这些分数可以解释为三元组的合理性，即分数越高，三元组越合理。因此，好的模型应该为真实的三元组输出高分，为虚假的三元组输出低分。

在 PyKEEN 中，交互是通过 pykeen.nn.Interaction 的子类提供的，它是一个 torch.nn.Module，也就是说，它可以持有额外的（可训练的）参数，并且也可以在 PyKEEN 之外使用。它的核心方法是 pykeen.nn.Interaction.forward()，该方法接收头、关系和尾表示的批次，并计算相应的三元组分数。

与表示形式一样，传递给pykeen.models.ERModel的交互被解析，这次使用 pykeen.nn.interaction_resolver.make()。因此，我们可以提供例如对应于交互函数的字符串，而不是实例化的类。更多信息可以在使用解析器中找到。

注意

交互函数可能需要不同数量或形状的实体和关系表示。可以通过pykeen.nn.Interaction.entity_shape和pykeen.nn.Interaction.relation_shape访问预期的表示数量及其形状的符号描述。