Machine learningGraph representation

Knowledge Graph Embeddings (TransE and beyond)

Predstavte si umiestnenie krajín, hlavných miest a vzťahu 'je-hlavným-mestom-pre' na mape. TransE hovorí: ak začnete vo vektore Francúzska a pôjdete smerom označeným 'hlavné mesto', mali by ste pristáť blízko Paríža. Entity sú body; vzťahy sú šípky, ktoré ich spájajú. Model sa učí tieto pozície tak, aby známe šípky ukazovali správne, čo uľahčuje uhádnutie neznámych faktov — ako nájdenie neoznačenej hlavnej metropoly — sledovaním rovnakých šípok.

Otvoriť v MethodMindČoskoroVideoČoskoroDownload slides

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Method map

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

Zdroje

  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

Ako citovať túto stránku

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

Odkazujú sem

ScholarGateKnowledge Graph Embeddings (Knowledge Graph Embeddings (TransE and beyond)). Získané 2026-06-15 z https://scholargate.app/sk/network-analysis/knowledge-graph-embeddings · Dátová sada: https://doi.org/10.5281/zenodo.20539026