%20(2).svg)
项目简介
本项目是基于深度学习的实体链接预测系统，目标是从知识图谱中预测尾实体。系统结合卷积神经网络（CNN）和图神经网络（GNN）等多种模型，支持多种实体和关系嵌入方式，可用于关系抽取、知识图谱补全等场景。
项目的主要特性和功能
- 模型多样性：支持Linear、LAN、GCN、GAT、R_GCN、GraphSAGE等多种实体和关系嵌入模型。
- 数据处理：能对数据集进行预处理，自动生成训练集、测试集和验证集。
- 训练与评估：支持模型训练和评估，提供Mean Rank、MRR和Hit等详细性能指标。
- 参数配置：参数配置灵活，支持学习率、批处理大小、早停机制等多种训练参数。
安装使用步骤
1. 安装依赖
在conda环境中，按照项目根目录下的requirements.txt文件安装所有依赖包：
bash
conda install --file requirements.txt
2. 安装中文版本的Elmo环境
解压ELMoForManyLangs.rar文件，在conda环境中执行以下命令安装Elmo软件：
bash
python setup.py install
在Elmo文件夹下放置对应语言的语言包，中文语言包可从以下链接下载：
http://39.96.43.154/zhs.model.tar.bz2
3. 放置Glove文件
将wiki.zh.glove.300d.txt文件放置到指定路径。
4. 数据集准备
在data文件夹下建立数据集对应的文件夹，按固定格式导入名为dataset.txt的文件，同时新建Model和Predict文件夹。
5. 数据集预处理
执行dataset.py文件，生成测试集、训练集、验证集、实体和关系文件，在logs/Dataset文件夹中查看日志信息。
6. 模型训练
执行main.py文件进行模型训练，默认使用RGCN作为实体嵌入模型，训练日志信息可在logs/Model文件夹中查看。
7. 模型评估
在logs/Model文件夹中查看最新的日志信息，评估模型的性能指标如Mean Rank、MRR和Hit。
8. 预测尾实体
将predict.txt文件导入到Data/Predict路径中，执行test.py文件进行尾实体预测，结果文件将自动生成。
相关参数说明
- CN：实体嵌入模型，默认RGCN，支持'Linear', 'GCN', 'LAN', 'RGCN', 'GAT'。
- dataset：数据集，默认 'Cockpit'。
- num_layers：GRU层的数量，默认 1。
- nheads：多头注意力的数量，默认 3。
- bidirectional：GRU是单向还是双向，默认 True。
- relPoolType：关系embedding的最终获取方式，默认'last'，支持'last', 'max', 'mean'。
- entPoolType：实体embedding的初始化方式，默认'mean'，支持'max', 'mean'。
- lr：学习率，默认0.001。
- batch_size：batch的大小，默认1024。
- n_epochs：训练集的训练次数，默认 500。
- eval_epoch：当训练集的训练次数是eval_epoch的倍数时，执行验证集，默认5。
- Hits：默认[10, 30, 50]。
- early_stop：早停，默认 10。
- use_glove：是否用glove初始化字Embedding，默认为True。False时表示使用Elmo模型初始化Embedding。
- n_bases：R-GCN时控制基分解的个数，默认 4。
- predict_num：推测尾实体时，输出尾实体的数目，默认为10。
- hidden_dim：隐藏节点的维数，默认为[300,300]。
- num_neighbors：各层进行采样(放回式采样)的个数，默认为[10,10]。
常用命令
- 执行训练模型：
bash python main.py –CN=RGCN - 设置GAT中多头注意力：
bash python main.py –CN=GAT –nheads=2 - 设置RGCN中基分解的个数：
bash python main.py -CN=RGCN -n_bases=3 - 设置batch的大小：
bash python main.py -batch_size=512 - 设置GRU模型为单向：
bash python main.py -bidirectional=False - 采用ELMO模型获取词向量：
bash python main.py -use_glove=False - 设置GraphSAGE中，各阶的采样个数：
bash python main.py -CN=GraphSAGE -num_neighbors=[5,10]
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】