TransE – Nhúng Đồ Thị Tri Thức (Knowledge Graph Embedding)

Mục tiêu kiến thức

TransE là mô hình nhúng tri thức nền tảng. Với mỗi triple (h, r, t) (head, relation, tail):

• Embedding: e_h, r_r, e_t ∈ R^d
• Hàm score: f(h,r,t) = |e_h + r_r - e_t|_p (nhỏ hơn = chính xác hơn)
• Loss: Margin-based ranking loss:

L = ∑_{(h,r,t)∈ S} ∑_{(h',r,t')∈ S'} [γ + f(h,r,t) - f(h',r,t')]₊

Yêu cầu

class TransE(nn.Module):
    def __init__(self, num_entities, num_relations, embedding_dim=50, margin=1.0, norm=2):
        pass
    def score(self, h_idx, r_idx, t_idx) -> torch.Tensor:
        # Returns L-norm distance for each triple
        pass
    def loss(self, pos_h, pos_r, pos_t, neg_h, neg_r, neg_t) -> torch.Tensor:
        # Margin ranking loss
        pass

Ràng buộc

• Thời gian chạy tối đa: 5000ms.
• Giới hạn bộ nhớ: 512MB.
• Dữ liệu đầu vào hợp lệ theo đúng kiểu dữ liệu và miền giá trị được mô tả.