Machine learningGraph representation

Incrustaciones de Grafos de Conocimiento

Las Incrustaciones de Grafos de Conocimiento (KGE) son una familia de métodos que representan entidades y relaciones en un grafo de conocimiento como vectores densos de baja dimensión en un espacio continuo. El modelo fundamental, TransE, fue introducido por Bordes, Usunier, García-Durán, Weston y Yakhnenko en 2013. TransE trata cada relación como una traslación en el espacio de incrustaciones — el vector de la entidad cabeza más el vector de la relación deben aproximar el vector de la entidad cola para cualquier triple verdadero (c, r, t). Este simple principio geométrico permitió la predicción de enlaces y la completitud de bases de conocimiento a escala de manera efectiva.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

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

Fuentes

  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

Cómo citar esta página

ScholarGate. (2026, June 2). Knowledge Graph Embeddings (TransE and beyond). ScholarGate. https://scholargate.app/es/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

Citado por

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