《表3 主要翻译模型比较：大规模知识图谱补全技术的研究进展》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《大规模知识图谱补全技术的研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

除了上述翻译模型之外，采用能量方程和神经网络方法的比较典型的学习模型还有语义匹配能量模型SME[23]、非结构化模型UM、潜在因素模型LFM[117]、循环矩阵模型CirE[118]、胶囊网络模型[119]等.SENN[120]则将头实体、尾实体和关系三者分开，在共享向量的同时做分别的预测学习即同时训练不同的3个神经网络.表3中对以上基本模型从评价函数进行了必要的比较，其中Ne，Nr分别是实体和关系的数量，Nt是知识图谱中三元组的数量，eh，et分别表示头实体和尾实体向量，m n分别表示实体和关系在嵌入空间中的维数，d为关系的平均聚类数量，s为张量的片数，k为神经网络中隐层中的结点数量.