Plongements de graphes de connaissances
Les plongements de graphes de connaissances (KGE) constituent une famille de méthodes qui représentent des entités et des relations dans un graphe de connaissances sous forme de vecteurs denses, de faible dimension, dans un espace continu. Le modèle fondamental, TransE, a été introduit par Bordes, Usunier, García-Durán, Weston et Yakhnenko en 2013. TransE traite chaque relation comme une translation dans l'espace des plongements — le vecteur de l'entité tête plus le vecteur de la relation devrait approximer le vecteur de l'entité queue pour tout triplet vrai (h, r, t). Ce principe géométrique simple a permis une prédiction de liens et une complétion de base de connaissances efficaces à grande échelle.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 2). Knowledge Graph Embeddings (TransE and beyond). ScholarGate. https://scholargate.app/fr/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.
- Réseau neuronal à graphesAnalyse de réseaux↔ compare
- Centralité PageRankAnalyse de réseaux↔ compare
- Word2VecFouille de textes↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →