Machine learningGraph representation

تعبیر گراف دانش

تعبیر گراف دانش (KGE) خانواده‌ای از روش‌ها هستند که موجودیت‌ها و روابط در یک گراف دانش را به صورت بردارهای فشرده و کم‌بُعد در فضایی پیوسته نمایش می‌دهند. مدل پایه‌ای، TransE، در سال ۲۰۱۳ توسط Bordes، Usunier، García-Durán، Weston و Yakhnenko معرفی شد. TransE هر رابطه را به عنوان یک جابجایی در فضای تعبیر در نظر می‌گیرد — بردار موجودیت سر به علاوه بردار رابطه باید برای هر سه‌تایی حقیقی (h, r, t) تقریبی از بردار موجودیت ته باشد. این اصل هندسی ساده، پیش‌بینی پیوند و تکمیل پایگاه دانش را در مقیاس بزرگ ممکن ساخت.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

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

منابع

  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

نحوهٔ استناد به این صفحه

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

ارجاع‌شده در

ScholarGateKnowledge Graph Embeddings (Knowledge Graph Embeddings (TransE and beyond)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/network-analysis/knowledge-graph-embeddings · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026