知识图谱嵌入技术

＃## 从符号世界到向量空间的桥梁

关系 实体 实体 关系 知识

空间

向量

维度

学习大纲：一步步揭开知识图谱嵌入的奥秘

第一章：从图到向量 向量

“为什么需要嵌入？将知识转化为机器可理解的语言。” 第二章：数据准备与样本构造 训练 验证｛测试

“如何为模型“备课”？构建训练、验证与测试集。”

第三章：拆解完整训练流程 “模型是如何学习的？从随机初始化到智能收敛。” 第四章：主流模型变体对比 “如何选择更优的方法？平移距离 vS.语义匹配。” 总结与应用 “技术价值与真实世界应用。”

＃### 嵌入的核心思想：赋予坐标

• 我们为每个实体和关系，在“语义空间”中分配 一个数学坐标（向量）。
• 目标：让语义上相近的概念，在空间中的距离 也相近。
• 例如：vector （猫）和 vector （狗）的距离很近， 而 vector （电脑）和 vector （电脑）的距离很远。
• 好处：复杂的图结构问题，转化为高效的向量 计算问题。

＃### 知识的本质：三元组（Triples）

张三

• 现实世界中的事实都可以被拆解为（头实体， 关系，尾实体）的结构。
• 例如：（张三，仇人，李四）
• 这种结构筒单、不丢失信息，是后续数学处理 的基础。

电脑

仇人

李四

狗 猫