Machine learningGraph representation

Incrustacions de Grafs de Coneixement

Les incrustacions de grafs de coneixement (KGE) són una família de mètodes que representen entitats i relacions en un graf de coneixement com a vectors densos de baixa dimensionalitat en un espai continu. El model fundacional, TransE, va ser introduït per Bordes, Usunier, García-Durán, Weston i Yakhnenko el 2013. TransE tracta cada relació com una translació en l'espai d'incrustació — el vector de l'entitat capçalera més el vector de la relació hauria d'aproximar el vector de l'entitat cua per a qualsevol triple veritable (h, r, t). Aquest simple principi geomètric va permetre una predicció d'enllaços i una completació de bases de coneixement efectives a gran escala.

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

The neighbourhood of related methods — select a node to explore.

Fonts

  1. Bordes, A., Usunier, N., García-Durán, A., Weston, J., & Yakhnenko, O. (2013). Translating embeddings for modeling multi-relational data. Advances in Neural Information Processing Systems, 26. link

Com citar aquesta pàgina

ScholarGate. (2026, June 2). Knowledge Graph Embeddings (TransE and beyond). ScholarGate. https://scholargate.app/ca/network-analysis/knowledge-graph-embeddings

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Citat per

ScholarGateKnowledge Graph Embeddings (Knowledge Graph Embeddings (TransE and beyond)). Recuperat el 2026-06-15 de https://scholargate.app/ca/network-analysis/knowledge-graph-embeddings · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026