TransE [NIPS'13] を実装（と実験再現）した - でかいチーズをベーグルする

Graph embedding を調べる上で避けては通れないっぽいTransEを実装して実験再現してみた。モデルがシンプルでカッコイイし実装も簡単だった。データもパラメータも公開されてて実験を再現できたのもポイント高い。 TransE NIPS'13で提案されたGraph embeddingをする手法。Google scholarで既に100以上引用されていろんな拡張モデルが提案されてる。論文は以下。 papers.nips.cc TransEはKnowledge graph（Freebaseとか）をベクトル空間上にembeddingする。入力としてKnowledge graphを与えると、全てのsubject, predicate, objectに対してそれぞれk次元のベクトルを出力する。ポイントは出力されたベクトル空間に構造があること。例えば、 v(Kei Nishikori) + v

[sh19910711]

"TransE: NIPS'13で提案 + Knowledge graphを与えると、全てのsubject, predicate, objectに対してそれぞれk次元のベクトルを出力 / 予測したいトリプル (h,r,?) を入力するとそれっぽい t を上位 n 件返してくれる" doi:10.5555/2999792.2999923 2016

[todesking]

TransE [NIPS'13] を実装（と実験再現）した - でかいチーズをベーグルする

[taki0313]

最近気になってたのでメモ（後で読む）