knowledge_representation_pytorch.zip

knowledge_representation_pytorch.zip

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Date    : 2017-12-15 15:31:32
# @Author  : jimmy （jimmywangheng@qq.com）
# @link    : http://sdcs.sysu.edu.cn
# @Version : $Id$

import os
import random
from copy import deepcopy

from utils import Triple

# Change the head of a triple randomly
# without checking whether it is a false negative sample.
def corrupt_head_raw（triple entityTotal）:
	newTriple = deepcopy（triple）
	oldHead = triple.h
	while True:
		newHead = random.randrange（entityTotal）
		if newHead != oldHead:
			break
	newTriple.h = newHead
	return newTriple

# Change the tail of a triple randomly
# without checking whether it is a false negative sample.
def corrupt_tail_raw（triple entityTotal）:
	newTriple = deepcopy（triple）
	oldTail = triple.t
	while True:
		newTail = random.randrange（entityTotal）
		if newTail != oldTail:
			break
	newTriple.t = newTail
	return newTriple

# Change the head of a triple randomly
# with checking whether it is a false negative sample.
# If it is regenerate.
def corrupt_head_filter（triple entityTotal tripleDict）:
	newTriple = deepcopy（triple）
	while True:
		newHead = random.randrange（entityTotal）
		if （newHead newTriple.t newTriple.r） not in tripleDict:
			break
	newTriple.h = newHead
	return newTriple

# Change the tail of a triple randomly
# with checking whether it is a false negative sample.
# If it is regenerate.
def corrupt_tail_filter（triple entityTotal tripleDict）:
	newTriple = deepcopy（triple）
	while True:
		newTail = random.randrange（entityTotal）
		if （newTriple.h newTail newTriple.r） not in tripleDict:
			break
	newTriple.t = newTail
	return newTriple

# Split the tripleList into #num_batches batches
def getBatchList（tripleList num_batches）:
	batchSize = len（tripleList） // num_batches
	batchList = [0] * num_batches
	for i in range（num_batches - 1）:
		batchList[i] = tripleList[i * batchSize : （i + 1） * batchSize]
	batchList[num_batches - 1] = tripleList[（num_batches - 1） * batchSize : ]
	return batchList

def getThreeElements（tripleList）:
	headList = [triple.h for triple in tripleList]
	tailList = [triple.t for triple in tripleList]
	relList = [triple.r for triple in tripleList]
	return headList tailList relList

# Sample a batch of #batchSize triples from tripleList
def getBatch_clean_random（tripleList batchSize）:
	newTripleList = random.sample（tripleList batchSize）
	ph pt pr = getThreeElements（newTripleList）
	return ph pt pr

def getBatch_clean_all（tripleList）:
	ph pt pr = getThreeElements（tripleList）
	return ph pt pr

# Corrupt the head or tail according to Bernoulli Distribution
# （See “Knowledge Graph embedding by Translating on Hyperplanes“ paper）
# without checking whether it is a false negative sample.
def corrupt_raw_two_v2（triple entityTotal tail_per_head head_per_tail）:
	rel = triple.r
	split = tail_per_head[rel] / （tail_per_head[rel] + head_per_tail[rel]）
	random_number = random.random（）
	if random_number < split:
		newTriple = corrupt_head_raw（triple en

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-01-04 11:16  knowledge_representation_pytorch\
     文件        1066  2019-01-04 11:16  knowledge_representation_pytorch\LICENSE.md
     文件       14941  2019-01-04 11:16  knowledge_representation_pytorch\transE_pytorch.py
     文件        8196  2019-01-04 11:16  knowledge_representation_pytorch\.DS_Store
     文件       16018  2019-01-04 11:16  knowledge_representation_pytorch\transH_Bernoulli_pytorch.py
     文件       15714  2019-01-04 11:16  knowledge_representation_pytorch\transH_pytorch.py
     文件       17041  2019-01-04 11:16  knowledge_representation_pytorch\transR_Bernoulli_pytorch.py
     文件       28987  2019-01-04 11:16  knowledge_representation_pytorch\evaluation.py
     目录           0  2019-01-04 11:16  knowledge_representation_pytorch\datasets\
     文件       14340  2019-01-04 11:16  knowledge_representation_pytorch\datasets\.DS_Store
     目录           0  2019-01-04 11:16  knowledge_representation_pytorch\datasets\FB13\
     文件      307288  2019-01-04 11:16  knowledge_representation_pytorch\datasets\FB13\negtest2id.txt
     文件      277711  2019-01-04 11:16  knowledge_representation_pytorch\datasets\FB13\test2id.txt
     文件        6148  2019-01-04 11:16  knowledge_representation_pytorch\datasets\FB13\.DS_Store
     文件     4176719  2019-01-04 11:16  knowledge_representation_pytorch\datasets\FB13\triple2id.txt
     文件       76466  2019-01-04 11:16  knowledge_representation_pytorch\datasets\FB13\negvalid2id.txt
     文件         171  2019-01-04 11:16  knowledge_representation_pytorch\datasets\FB13\relation2id.txt
     文件           2  2019-01-04 11:16  knowledge_representation_pytorch\datasets\FB13\one_to_one_test.txt
     文件       69185  2019-01-04 11:16  knowledge_representation_pytorch\datasets\FB13\valid2id.txt
     文件     1730406  2019-01-04 11:16  knowledge_representation_pytorch\datasets\FB13\entity2id.txt
     文件           2  2019-01-04 11:16  knowledge_representation_pytorch\datasets\FB13\one_to_many_test.txt
     文件     3829834  2019-01-04 11:16  knowledge_representation_pytorch\datasets\FB13\train2id.txt
     文件           2  2019-01-04 11:16  knowledge_representation_pytorch\datasets\FB13\many_to_many_test.txt
     文件      277711  2019-01-04 11:16  knowledge_representation_pytorch\datasets\FB13\many_to_one_test.txt
     文件         250  2019-01-04 11:16  knowledge_representation_pytorch\datasets\FB13\head_tail_proportion.pkl
     目录           0  2019-01-04 11:16  knowledge_representation_pytorch\datasets\WN18\
     文件       68910  2019-01-04 11:16  knowledge_representation_pytorch\datasets\WN18\test2id.txt
     文件        6148  2019-01-04 11:16  knowledge_representation_pytorch\datasets\WN18\.DS_Store
     文件     2093214  2019-01-04 11:16  knowledge_representation_pytorch\datasets\WN18\triple2id.txt
     文件         363  2019-01-04 11:16  knowledge_representation_pytorch\datasets\WN18\relation2id.txt
     文件         605  2019-01-04 11:16  knowledge_representation_pytorch\datasets\WN18\one_to_one_test.txt
............此处省略91个文件信息