使用tensorlfow实现TransX表示学习模型
├─data // 数据集
│ ├─embeddings
│ ├─FB15k
│ └─YAGO39K
│ ├─M-Test
│ ├─M-Valid
│ ├─Test
│ ├─Train
│ └─Valid
│
├─python 纯python实现的TransE及TransH
│ ├─TransE 已实现
│ │ Test_TransE.py
│ │ Train_TransE.py
│ │
│ └─TransH 未完全实现
│ Test_TransH.py
│ Train_TransH.py
│
├─Tensorflow 使用tensorflow实现的TransX模型
│ ├─data 存储训练好的模型
│ ├─embeddings 好像是多余的?
│ ├─TransC TransC模型的实现及测试
│ │ │ Test_TransC_Classification_InstanceOf.py InstanceOf类型的元组分类
│ │ │ Test_TransC_Classification_Normal.py Triple类型的三元组分类
│ │ │ Test_TransC_Classification_SubClassOf.py subClassOf类型的元组分类
│ │ │ Test_TransC_Link_Predication.py Triple类型的三元组的链接预测
│ │ │ Train_TransC.py TransC模型实现第一版
│ │ │ Train_TransC2.py TransC模型实现第二版
│ │ │
│ │ └─embeddings 存储训练好的模型参数
│ │
│ ├─TransD TransD模型
│ │ Test_TransD.py 测试
│ │ Train_TransD.py 训练
│ │
│ ├─TransE TransE模型
│ │ │ Test_TransE.py 测试
│ │ │ Train_TransE.py 训练
│ │ │
│ │ └─checkpoint_dir 检查点文件
│ │
│ ├─TransH TransH模型,含具体的代码注释
│ │ │ Test_TransH.py TransH测试
│ │ │ Train_TransH.py TransH训练
│ │ │
│ │ └─checkpoint_dir 检查点文件
│ │
│ └─TransR TransR模型
│ Test_TransR.py TransR测试
│ Train_TransR.py TransR训练
│
└─util 工具包
│ file_util.py 文件读取工具,由于需要读取不同数据集和模型参数,目前方法较多,代码可读性貌似不高
│ transform_nn.py bern负样本生成方法,用于计算概率
│ init.py 初始化文件
│
└─__pycache__