本文共享知识图表示学习报告ppt，将知识图表示学习方法大致分为四类，涉及近30篇优秀论文，仅简要介绍其核心思想，完整的报告ppt获得请关注公共账户。知识图代表学习。1.翻译距离模型：包括TransH，TransR，TransD，TranSparse，TransM，MianfoldE，TransF，TransA，KG2E，TransG，UM，SE模型等； 2.语义匹配模型：包括RESCAL，DistMult，HoLE，ComplEx，ANALOGY，SNE，NTN，MLP，NAM模型等； 3.随机游走模型：包括DeepWalk，LINE，node2vec模型等； 4.子图聚合模型：包括GCN，GAT，GraphSage模型等。动机知识图是由实体（节点）和关系（不同类型的边）组成的多关系图。每个边在头和尾连接两个实体，通常由SPO三元组（主题，谓词，宾语）表示。称为事实。尽管知识图在表示结构化数据方面非常有效，但是此类三元组的基本符号属性通常使KG难以操作。因此，知识图表示学习已成为流行的研究方向。知识图嵌入的关键思想是将图中的实体实体和关系转换为连续的向量，这在保持KG原始结构的同时方便了操作。因此，实体嵌入和关系嵌入可用于各种下游任务，例如地图完成，关系提取，实体分类，实体链接和实体融合以及其他知识地图嵌入技术经典的三个步骤：1，表示实体和关系2，定义分配功能3，学习实体和关系表示（最大程度地分析合理性）所有观察到的事实）根据评分功能的不同，可以将其分为基于距离的评分功能和基于相似度的评分功能