ScholarGate
Assistente
Machine learningGraph representation

Knowledge Graph Embeddings

Immaginate di posizionare paesi, capitali e la relazione 'è-capitale-di' su una mappa. TransE dice: se partite dal vettore della Francia e camminate nella direzione etichettata 'capitale', dovreste atterrare vicino a Parigi. Le entità sono punti; le relazioni sono frecce che li collegano. Il modello apprende queste posizioni in modo che le frecce conosciute puntino correttamente, rendendo semplice indovinare fatti sconosciuti — come trovare una capitale non mappata — seguendo le stesse frecce.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

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

Fonti

  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

Come citare questa pagina

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

Citato da

ScholarGateKnowledge Graph Embeddings (Knowledge Graph Embeddings (TransE and beyond)). Consultato il 2026-06-15 da https://scholargate.app/it/network-analysis/knowledge-graph-embeddings · Insieme di dati: https://doi.org/10.5281/zenodo.20539026