Tietograafiembeddingit
Tietograafiembeddingit (KGE) ovat menetelmäperhe, joka esittää tietograafin entiteetit ja relaatiot tiheinä, mataladimensionaalisina vektoreina jatkuvassa avaruudessa. Perusmallin, TransE:n, esittelivät Bordes, Usunier, García-Durán, Weston ja Yakhnenko vuonna 2013. TransE käsittelee kutakin relaatiota translaationa embedding-avaruudessa – pään entiteetin vektori plus relaatiovektori tulisi approksimoida hännän entiteetin vektoria mille tahansa todelliselle kolmikolle (h, r, t). Tämä yksinkertainen geometrinen periaate mahdollisti tehokkaan linkkien ennustamisen ja tietokantojen täydentämisen suuressa mittakaavassa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Knowledge Graph Embeddings (TransE and beyond). ScholarGate. https://scholargate.app/fi/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.
- GraafineuraaliverkkoVerkostoanalyysi↔ compare
- PageRank-keskeisyysVerkostoanalyysi↔ compare
- Word2VecTekstinlouhinta↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →