embeddingdb 0.0.1

上传实体嵌入

实体可以通过各种类型的表示学习进行嵌入和存储，包括网络表示学习、知识图嵌入和文本学习。

使用以下命令上传由word2vec生成的嵌入，指定文件路径：

$ embeddingdb upload --fmt word2vec --path ~/path/to/file.txt

使用以下命令上传由pykeen生成的嵌入，指定输出目录：

$ embeddingdb upload --fmt keen --path ~/path/to/directory/

列出实体嵌入

上传后，可以使用以下命令列出集合：

$ embeddingdb ls

分析实体嵌入的相关性

建立这个仓库的动机之一是为了提供一个方便的方法来比较通过正交嵌入技术生成的实体嵌入。例如，我们想知道从蛋白质序列通过 ratvec 生成的蛋白质嵌入与从蛋白质-蛋白质相互作用网络通过 pykeen 或 nrl 生成的嵌入包含多少相同的信息。

两个位置参数对应于数据库中的集合标识符。

$ embeddingdb analyze 1 2