文件列表:

base_models/ (0, 2023-10-24)
base_models/cen_base.py (6406, 2023-10-24)
base_models/cenet_base.py (3036, 2023-10-24)
base_models/cygnet_base.py (3055, 2023-10-24)
base_models/distmult_base.py (2006, 2023-10-24)
base_models/gcn_base.py (1512, 2023-10-24)
base_models/layers/ (0, 2023-10-24)
base_models/layers/compgcn_layer.py (2869, 2023-10-24)
base_models/layers/gcn_layer.py (822, 2023-10-24)
base_models/layers/gnn.py (1395, 2023-10-24)
base_models/layers/rgcn_layer.py (4147, 2023-10-24)
base_models/layers/urgcn_layer.py (2540, 2023-10-24)
base_models/layers/wgcn_layer.py (1544, 2023-10-24)
base_models/regcn_base.py (6545, 2023-10-24)
base_models/renet_base.py (5808, 2023-10-24)
base_models/rgcn_base.py (2349, 2023-10-24)
base_models/sacn_base.py (4125, 2023-10-24)
base_models/transe_base.py (2208, 2023-10-24)
data/ (0, 2023-10-24)
data/data_loader.py (2415, 2023-10-24)
data/static/ (0, 2023-10-24)
data/static/FB15k-237/ (0, 2023-10-24)
data/static/FB15k-237/entity2id.txt (218551, 2023-10-24)
data/static/FB15k-237/relation2id.txt (15522, 2023-10-24)
data/static/FB15k-237/test.txt (259068, 2023-10-24)
data/static/FB15k-237/train.txt (3416111, 2023-10-24)
data/static/FB15k-237/valid.txt (222087, 2023-10-24)
data/static/FB15k/ (0, 2023-10-24)
data/static/FB15k/entity2id.txt (225009, 2023-10-24)
data/static/FB15k/relation2id.txt (89794, 2023-10-24)
data/static/FB15k/test.txt (264486, 2023-10-24)
data/static/FB15k/train.txt (3502781, 2023-10-24)
data/static/FB15k/valid.txt (226423, 2023-10-24)
data/temporal/ (0, 2023-10-24)
data/temporal/extrapolation/ (0, 2023-10-24)
data/temporal/extrapolation/GDELT/ (0, 2023-10-24)
data/temporal/extrapolation/GDELT/entity2id.txt (238642, 2023-10-24)
data/temporal/extrapolation/GDELT/relation2id.txt (1909, 2023-10-24)
data/temporal/extrapolation/GDELT/test.txt (7363889, 2023-10-24)
... ...

# KGMH # 最新更新 本方法库将长期进行维护与更新。 - 2023-10-25：修复过滤分数惩罚项为负可能导致分数变大的错误 - 2023-09-09：新增静态模型SACN - 2023-09-07：集成最短路径搜索功能，新增DistMult模型 - 2023-09-02：支持自动选择显存最多的GPU，设置`--gpu -1` 来使用CPU，也可以通过指定GPU号来指定GPU`--gpu 0` - 2023-08-31：修复CENET的小错误，新增静态模型RGCN - 2023-08-26：可以通过`--monitor`选择早停监控的指标；采取过滤时，早停指标也改为过滤后的指标 # 1 简介 知识图谱工具库包含四个模块——数据模块(data)、工具模块(utils)、模型基类模块(base_models)和模型模块(models)。 数据模块包含数据加载类和数据集，工具模块包含一些辅助函数，模型基类模块包含各个模型的基类，基类仅包含初始化和前向传播的过程，训练和评估都集成在模型模块的模型类中。 静态模型（静态知识图谱上进行推理通常需要采取过滤）： - [TransE (2013)](https://proceedings.neurips.cc/paper/2013/hash/1cecc7a77928ca8133fa24680a88d2f9-Abstract.html) - [DistMult (2015)](http://arxiv.org/abs/1412.6575) - [R-GCN (2018)](https://link.springer.com/chapter/10.1007/978-3-319-93417-4_38) - [SACN (2019)](https://ojs.aaai.org/index.php/AAAI/article/view/4164) 时序外推： - [CyGNet (2021)](https://ojs.aaai.org/index.php/AAAI/article/view/16604) - [RE-GCN (2021)](https://dl.acm.org/doi/abs/10.1145/3404835.3462963) - [CNE (2022)](https://arxiv.org/abs/2203.07782) - [CENET (2023)](http://arxiv.org/abs/2211.10904) 使用者可以将集成的模型作为基线模型使用。也可以通过研究这些模型，在其基础上设计新模型。 方法库的模型训练与主干网络都尽量进行了解耦合，可以将模型基类模块作为新模型的一个模块去搭建网络。 此外方法库还包含一个可执行main.py脚本，提供了模型训练、评估、保存checkpoint、根据实验数据绘图等功能。 # 2 推荐配置 个人使用的配置，仅供参考，大版本保持一致应该都可以。 ``` python 3.9.16 pytorch 2.0.1 ``` # 3 快速开始 训练模型时至少需要指定模型和数据集两个参数，其他参数都有默认值，例如： ```shell python main.py --dataset ICEWS14s --model cygnet ``` 其他常用参数设置示例如下： ```shell # --epoch 迭代轮数，默认30 python main.py --dataset ICEWS14s --model cygnet --epoch 100 # --batch-size batch的大小，默认1024 python main.py --dataset ICEWS14s --model cygnet --batch-size 256 # --lr 学习率，默认1e-3 python main.py --dataset ICEWS14s --model cygnet --lr 1e-5 # --gpu 选取gpu号（单gpu只能指定为0），默认自动选择显存占用最低的gpu python main.py --dataset ICEWS14s --model cygnet --gpu 0 # --early-stop 早停轮数，默认不采取早停 python main.py --dataset ICEWS14s --model cygnet --early-stop 3 # --filter 采取过滤，默认不采取过滤 python main.py --dataset ICEWS14s --model cygnet --filter # 随机种子，默认为0 python main.py --dataset ICEWS14s --model cygnet --seed 123 # 配置模型参数，默认采用模型默认参数，激活配置参数后需要手动输入模型的各个超参数 python main.py --dataset ICEWS14s --model cygnet --config ``` 以下是各个模型推荐的配置，不一定是最佳，可以自己再对超参数进行调整 static ```shell # TransE python main.py --model transe --dataset FB15k --early-stop 3 --filter # R-GCN pyhton main.py --mldel rgcn --dataset FB15k --early-stop 3 --filter # DistMult pyhton main.py --model distmult --dataset FB15k --early-stop 3 --filter --lr 1e-4 # SACN pyhton main.py --model sacn --dataset FB15k --early-stop 5 --filter --lr 1e-4 ``` temporal ```shell # CyGNet python main.py --dataset ICEWS14s --model cygnet --amsgrad --early-stop 3 # RE-GCN python main.py --dataset ICEWS14s --model regcn --weight-decay 1e-5 --early-stop 3 # CEN python main.py --dataset ICEWS14s --model cen --weight-decay 1e-5 --early-stop 3 # CeNet python main.py --dataset ICEWS14s --model cenet --amsgrad --weight-decay 1e-5 --early-stop 3 ``` 加载保存的模型继续训练，至少需要指定模型和 checkpoint id，训练轮数和早停等参数可选 ```shell # 指定 checkpoint id, 以 checkpoint id 为 20230808085552 为例 python main.py --model cygnet --checkpoint 20230808085552 ``` 执行以下脚本加载checkpoint在测试集上进行评估 ```shell # 激活--test参数并指定 checkpoint id python main.py --model cygnet --test --checkpoint 20230808085552 ``` # 更新历史 - 2023-08-19：优化指标计算过程的性能，速度快了很多，在gup上训练时，大多数模型可以在1秒内完成评估 - 2023-08-19：设计所有模型的父类，统一接口 - 2023-08-16：打通静态知识图谱模型全流程，新增TransE模型 - 2023-08-14：支持选择浮点数精度，双精度`--fp fp64` 或者半精度`--fp fp16` ，默认单精度 - 2023-08-09：支持使用`--config`参数在运行main.py脚本时配置模型参数(之前需要修改默认模型参数配置代码) - 2023-08-09：支持固定随机种子，例如执行main脚本时指定参数 `--seed 128` - 2023-08-08：更改模型加载和保存逻辑，加载模型时不需要再指定模型超参数，可以从保存的文件中读取超参数，更加便捷易用。同时优化了模块的加载逻辑。 - 2023-08-07：添加CENET模型 - 2023-06-25：支持gpu选择,例如调用main.py脚本时指定0号gpu`--gpu 0`,修改数据按时间划分的函数,提升数据处理速度 - 2023-06-15：加入过滤功能,外推模型都支持过滤,调用main.py时添加`--filter`参数来进行过滤

近期下载者：

相关文件：

评论：[我要评论] [举报此文件]

收藏者：