知识表征学习:PtransE模型解析

PTransE即Path-based TransE,是结合了路径排序算法(Path Ranking Algorithm)的改进型TransE模型。在路径排序算法的助力下,PTransE模型能更轻易的发现关系网络中实体与实体的间接关系,从而建立起更加强大,实用性更强的知识图谱网络。

讲师:   崔浩川

知识表征学习——PTransE模型解析

课程背景:

PTransE即Path-based TransE,是结合了路径排序算法(Path Ranking Algorithm)的改进型TransE模型。在路径排序算法的助力下,PTransE模型能更轻易的发现关系网络中实体与实体的间接关系,从而使建立的知识图谱更加强大,实用性更强。

如果你已经学习了一些知识表征学习的基本模型,那么不妨再来了解下PTransE模型的有趣之处。

课程资料:

课程讲稿:

PtransE.pdf

参考文献:

transe_nips13.pdf

emnlp2015_path.pdf

KG 2015 - 大规模知识图谱表示学习的趋势与挑战.pdf

课程大纲:

以下为本视频主要内容(附时间点)

1.知识图谱的意义

2.大规模知识图谱的研究方法

3.TransE模型解析

4.路径排序算法(Path Ranking Algorithm)

5.Path-based TransE算法(PTransE)

    5.1 优化目标与score函数(7:10)

    5.2 算法细节(9:10)

    5.3 开始讨论阶段(11:10)

    5.4 效果比较




相关课程:

如果你对知识图谱或者知识表征学习还不熟悉,可以先了解下知识图谱和知识表征学习的概念:

image.png

知识图谱与表示学习——张江


如果你对知识表征学习的多种实现模型感兴趣,下面的课程中介绍到了多种实现模型。

包括基于神经网络的SLM、SMEN等,以及基于翻译的TransE,TransR,KG2E等。

image.png

知识表征学习简介——原理及实现方法


PTransE模型能够发现网络中的间接关系,但是无法解决一个关系包含多种语意的问题。

TransG模型就可以解决这个问题。

image.png

TransG模型解析


讲师介绍
崔浩川

北京师范大学系统理论研究生在读 研究兴趣和方向:计算社会学及可视化相关,复杂网络建模