基于TransE构建的多关系知识图谱（代码）

关于这个项目 重新实现TransE模式原始论文是 测试结果 数据集：WN18 原始实体点击数10：0.651 原始实体mean_rank：284 过滤器实体点击数@ 10：0.728 过滤器实体mean_rank：278 FB15K 原始实体点击数@ 10：0.332 原始实体mean_rank：389 过滤器实体点击数@ 10：0.458 过滤器实体mean_rank：297

该项目将不再维护，建议用户访问和使用新软件包 。

TranE是一篇Bordes等人2013年发表在NIPS上的文章提出的算法。它的提出，是为了解决多关系数据（multi-relational data）的处理问题。我们现在有很多很多的知识库数据knowledge bases (KBs)，比如Freebase、 Google Knowledge Graph 、 GeneOntology等等。 TransE的直观含义，就是TransE基于实体和关系的分布式向量表示，将每个三元组实例（head，relation，tail）中的关系relation看做从实体head到实体tail的翻译（其实我一直很纳闷为什么叫做translating，其实就是向量相加），通过不断调整h、r和t（head、relation和tail的向量），使（h + r） 尽可能与 t 相等，即 h + r = t。 以前有很多种训练三元组的方法，但是参数过多，以至于模型过于复杂难以理解（作者表达的意思就是，我们的工作效果和你们一样，但我们的简单易扩展）。（ps：作者以前也做过类似的工作，叫做Structured Embeddings，简称SE，只是将实体转为向量，关系是一个矩阵，利用矩阵的不可逆性反映关系的不可逆性。距离表达公式是1-norm）。

不得用于商业途径

这是我自己的代码，主要用来存储，若能帮到其他人，我也很愿意。