MetaR:EMNLP 2019论文“用于知识图很少链接预测的元关系学习”的源代码-Source code learning

上传者: 42119281 | 上传时间: 2025-05-23 13:28:45 | 文件大小: 236KB | 文件类型: ZIP
MetaR 此存储库显示了EMNLP 2019论文的源代码:。 在这项工作中,我们提出了一个元关系学习(MetaR)框架来进行KG中常见但具有挑战性的少发链接预测,即仅通过观察几个关联三元组来预测关系的新三元组。 运行实验 要求 的Python 3.6.7 PyTorch 1.0.1 tensorboardX 1.8 您还可以通过以下方式安装依赖项 pip install -r requirements.txt 数据集 我们使用NELL-One和Wiki-One来测试我们的MetaR,这些数据集最早是由xiong提出的。 原始数据集和预训练嵌入可以从下载。 您还可以从下载将数据集和预训练嵌入放在一起的zip文件。 请注意,所有这些文件都是由xiong提供的,我们只需在此处选择所需的文件即可。 准备 如果您使用的原始数据集和嵌入,这是一个准备步骤。 请注意,如果您使用我们从发布的数据

文件下载

资源详情

[{"title":"( 12 个子文件 236KB ) MetaR:EMNLP 2019论文“用于知识图很少链接预测的元关系学习”的源代码-Source code learning","children":[{"title":"MetaR-master","children":[{"title":"imgs","children":[{"title":"overview.png <span style='color:#111;'> 235.91KB </span>","children":null,"spread":false}],"spread":true},{"title":"prepare.py <span style='color:#111;'> 3.88KB </span>","children":null,"spread":false},{"title":"main.py <span style='color:#111;'> 2.52KB </span>","children":null,"spread":false},{"title":"requirements.txt <span style='color:#111;'> 51B </span>","children":null,"spread":false},{"title":"models.py <span style='color:#111;'> 4.92KB </span>","children":null,"spread":false},{"title":"LICENSE <span style='color:#111;'> 11.09KB </span>","children":null,"spread":false},{"title":"embedding.py <span style='color:#111;'> 879B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 7.23KB </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 1.34KB </span>","children":null,"spread":false},{"title":"trainer.py <span style='color:#111;'> 11.60KB </span>","children":null,"spread":false},{"title":"data_loader.py <span style='color:#111;'> 6.07KB </span>","children":null,"spread":false},{"title":"params.py <span style='color:#111;'> 2.81KB </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明