标签：关系 图谱 实体 语义 三元组 KGE TansX 向量 超平面
TansX 系列（一）
上篇文章 重点介绍了 TansE 算法的实现原理，核心思想：使得找出 h + r ≈ t 的（置信度相对高的）三元组做预测
文末也提到，这种方法也具有特定的缺陷，对语义关系不能进行很好处理，特别是在一对多关系等模式，如下图所示：
在替换三元组的尾实体向量后，这些新三元组都拥有较高的排名前十的置信度，它们里边是真实三元组的命中率概率相对要高（可参考上篇文章），但这些尾实体间的语义关系无法判断， 因为在二维平面中，h 到 t 之间的翻译路径只有一条，【之后的改进方法就是是破坏让这种翻译路径的唯一性，对向量空间（考虑关系）进行重新建模来改善TransE语义识别的问题…】它们在数学表示上是无限趋近的，并不能知道四个尾实体的语义联系和区别。举个例子，我们都考了100分，都被系统划分为学霸，但是我和你在现实中是什么样的人，有什么共同点和不同点，系统是不知道的，它唯一知道的是我们在学习的好坏这种关系上都是优秀，甚至觉得我和你的一切没有什么区别，我等于你，你等于我…，这样导致的后果是，在用mini-batch SGD进行更新参数，而这些正样本三元组因被视作同一个，而放弃使用它们，由此这些本属于正例的三元组不会出现在hit@10中，这直接导致预测的命中率下降，对模型的精度和实验结果都会造成影响
还有，TransE无法对自反关系作出判断，给定一个三元组，如果在训练时，出现了另一个三元组，当然换头实体向量和尾实体向量只替换一个，有一种情况，在替换三元组A的其中一个实体向量后，出现了（我，爱，你）这样的三元组，在替换三元组B时候，出现了（你，爱，我）这样的三元组，其实这两个三元组是自反关系，如下图所示：
对这样的两个三元组处理时，如果是 TransE 这种翻译式的方法，经过计算就可能得到错误的结果：
于是后续出现了很多改进方法，由于这些方法都是以翻译模型为基础，我们称其为TransX方法
TransH
如图所示，头实体向量 h 和尾实体向量 t 并非投影到 xoy 平面，而是将每种关系都建模为一个超平面（这样可以使得实体及其关系之间的表示方法多元化，解决实体间无法分出语义的缺陷），将三元组中的头实体和尾实体分别映射到该超平面中，TransH是将关系解释为超平面上的翻译操作。其中每个关系都有两个向量，超平面的范数向量 wr (用于计算映射后的实体向量) 和超平面上的平移向量 dr ：
其中得分函数和损失函数的设计和 TransE 的形式是一样的，不同的是，是损失函数中加入了约束条件，另外负采样方式也进行了完善：
上边的替换策略，比如一对多中，增加了头实体替换的概率，从而来构造负例，这样是有好处的，反过来试想，如果替换尾实体，很容易让我们文中第一个图那样，t1 替换成 t2 或 t3 或 t4，对于识别它们本身的特异性是不利的，或者这样的负采样质量不高。另一个改进是在三维中的设计，由于投影到某《关系超平面》后成立的向量，其原向量可以不同，由此改进了 TransE 的固有缺陷
TransR
虽然TransH模型使每个实体在不同关系下拥有了不同的表示，它仍然假设实体和关系处于相同的语义空间中，这一定程度上限制了TransH的表示能力。TransR模型对不同的关系建立各自的关系空间，在计算时先将实体映射到关系空间进行计算（不同的 r 用不同的投影矩阵 Mr），然后再建立从头实体到尾实体的翻译关系。
损失函数：
TransR 和 TransH 的区别：
TransR 是直接转换在关系空间中探究，转换后的空间维度可能与之前不同，但更为直观
TransH 是在超平面上进行的探究，仍然在公共的语义空间进行，即实体和关系仍然都在同一三维空间中嵌入
TransX 系列都是平移距离模型，思路主要是运用基于距离的打分函数，对关系进行打分，以此进行训练
还有很多类似的模型，目前先看到这里，还有一种思路是语义匹配模型，后续有时间再更新…
标签：关系,图谱,实体,语义,三元组,KGE,TansX,向量,超平面 来源： https://blog.csdn.net/qq_40506723/article/details/122812457
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。