שיכוני גרפי ידע
שיכוני גרפי ידע (KGE) הם משפחה של שיטות המייצגות ישויות ויחסים בגרף ידע כווקטורים צפופים, בעלי ממד נמוך, במרחב רציף. המודל הבסיסי, TransE, הוצג על ידי Bordes, Usunier, García-Durán, Weston, ו-Yakhnenko בשנת 2013. TransE מתייחס לכל יחס כאל הזזה (טרנסלציה) במרחב השיכון — וקטור הישות הראש (head) בתוספת וקטור היחס אמור לקרב את וקטור הישות העוקבת (tail) עבור כל שלשה אמיתית (h, r, t). עיקרון גיאומטרי פשוט זה איפשר חיזוי קישורים יעיל והשלמת מאגרי ידע בהיקף רחב.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). Knowledge Graph Embeddings (TransE and beyond). ScholarGate. https://scholargate.app/he/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.
- רשתות נוירונים גרפיותניתוח רשתות↔ compare
- מרכזיות PageRankניתוח רשתות↔ compare
- Word2Vecכריית טקסט↔ compare