ScholarGate
Pembantu
Machine learningGraph representation

Penyematan Graf Pengetahuan

Penyematan Graf Pengetahuan (KGE) ialah satu keluarga kaedah yang mewakili entiti dan relasi dalam graf pengetahuan sebagai vektor padat berdimensi rendah dalam ruang tabii. Model asas, TransE, diperkenalkan oleh Bordes, Usunier, García-Durán, Weston, dan Yakhnenko pada tahun 2013. TransE menganggap setiap relasi sebagai translasi dalam ruang penyematan — vektor entiti kepala ditambah vektor relasi seharusnya menghampiri vektor entiti ekor untuk sebarang tripel benar (h, r, t). Prinsip geometri ringkas ini membolehkan ramalan pautan yang berkesan dan pelengkapan pangkalan pengetahuan pada skala besar.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

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

Sumber

  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

Cara memetik halaman ini

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

Dirujuk oleh

ScholarGateKnowledge Graph Embeddings (Knowledge Graph Embeddings (TransE and beyond)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/network-analysis/knowledge-graph-embeddings · Set data: https://doi.org/10.5281/zenodo.20539026