知识图谱-第三方工具：LibKGE（用于Knowledge Graph Embedding）【包含多种模型：TransE、DistMult、ComplEx、ConvE、Transformer等】

用于Knowledge Graph Embedding的向量表示库有很多，比如：

• LibKGE
• GraphVite
• AmpliGraph
• OpenKE
• pykeen
• pykg2vec

LibKGE的主要目的是为了助力知识图谱表示模型复现研究并提供训练方法。

LibKGE提供整洁的训练实现，超参优化和评估策略。并且所有的现在的启发式实现都是基于本地配置文件，符合了软件的开闭原则，不同的参数，模型选择，只需要修改配置文件即可。

一、主要特点

1、训练

训练方法：负采样、1vsALL，KvsALL
损失函数：交叉熵损失函数、KL散度、Margin Ranking、平方差
优化器、学习率可以根据不同任务独立选择
学习率预热 （LR warmup）
支持断点恢复
自动内存管理

2、调参

网格搜索、随机搜索、手动搜索、贝叶斯优化
并行化（多CPU/GPU）
断点恢复

3、评估

平均倒数排名、HITS@K

4、支持的KGE模型

RESCAL、TransE、TransH、DistMult、ComplEx、ConvE、SimplE、CP、RotatE、Transformer

---

---

---

参考资料：
知识图谱表示学习（1）——LIBKGE的使用