ScholarGate
Assistent
Machine learningGraph representation

Kunskapsgrafinbäddningar

Kunskapsgrafinbäddningar (KGE) är en familj av metoder som representerar entiteter och relationer i en kunskapsgraf som täta, lågdimensionella vektorer i ett kontinuerligt rum. Grundmodellen, TransE, introducerades av Bordes, Usunier, García-Durán, Weston och Yakhnenko år 2013. TransE behandlar varje relation som en translation i inbäddningsrymden – huvudentitetens vektor plus relationsvektorn bör approximera svansentitetens vektor för varje sann trippel (h, r, t). Denna enkla geometriska princip möjliggjorde effektiv länkskattning och komplettering av kunskapsbaser i stor skala.

Öppna i MethodMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

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

Källor

  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

Så citerar du den här sidan

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

Refereras av

ScholarGateKnowledge Graph Embeddings (Knowledge Graph Embeddings (TransE and beyond)). Hämtad 2026-06-15 från https://scholargate.app/sv/network-analysis/knowledge-graph-embeddings · Datamängd: https://doi.org/10.5281/zenodo.20539026