跳转到主要内容

一个用于训练和评估多模态知识图谱嵌入的软件包

项目描述

PyKEEN

GitHub Actions License DOI Optuna integrated PyTorch Lightning Code style: black Contributor Covenant

PyKEEN (Python KnowlEdge Embdedgms) 是一个Python包,用于训练和评估知识图谱嵌入模型(包含多模态信息)。

安装快速入门数据集(37个)归纳数据集(5个)模型(40个)支持引用

安装 PyPI - Python Version PyPI

PyKEEN的最新稳定版本需要Python 3.8以上。可以从PyPI下载并安装。

pip install pykeen

可以从GitHub的源代码直接安装PyKEEN的最新版本。

pip install git+https://github.com/pykeen/pykeen.git

有关安装的更多信息(例如,开发模式、Windows安装、Colab、Kaggle、附加功能)可以在安装文档中找到。

快速入门 Documentation Status

此示例展示了如何在数据集上训练模型并在另一个数据集上测试。

最快的方式是使用管道函数。它为该包的可扩展功能提供了一个高级入口。以下示例展示了如何在TransE模型上训练和评估Nations数据集。默认情况下,训练循环使用随机局部封闭世界假设(sLCWA)训练方法,并使用基于排名的评估

from pykeen.pipeline import pipeline

result = pipeline(
    model='TransE',
    dataset='nations',
)

结果以PipelineResult数据类的实例返回,该实例具有训练模型、训练循环、评估等功能。请参阅有关使用自己的数据集理解评估制作新颖链接预测的教程。

PyKEEN是可扩展的,使其

  • 每个模型都具有相同的API,因此可以从pykeen.models中插入任何内容
  • 每个训练循环都具有相同的API,因此可以插入pykeen.training.LCWATrainingLoop
  • 可以通过用户使用from pykeen.triples.TriplesFactory生成三元组工厂

完整的文档可以在https://pykeen.readthedocs.io找到。

实现

以下是pykeen中实现的模型、数据集、训练模式、评估器和指标。

数据集

以下37个数据集内置在PyKEEN中。每个数据集的引用对应于描述数据集的论文、使用知识图谱嵌入模型首次发布的数据集的论文,或如果前两者都不可用,则为数据集的URL。如果您想使用自定义数据集,请参阅Bring Your Own Dataset教程。如果您建议将其他数据集包含在PyKEEN中,请告知我们此处

名称 文档 引用 实体 关系 三元组
Aristo-v4 pykeen.datasets.AristoV4 陈等,2021 42016 1593 279425
生物知识图谱 pykeen.datasets.BioKG 沃尔什等,2019 105524 17 2067997
临床知识图谱 pykeen.datasets.CKG 桑托斯等,2020 7617419 11 26691525
CN3l系列 pykeen.datasets.CN3l 陈等,2017 3206 42 21777
CoDEx(大型) pykeen.datasets.CoDExLarge 萨法维等,2020 77951 69 612437
CoDEx(中型) pykeen.datasets.CoDExMedium 萨法维等,2020 17050 51 206205
CoDEx(小型) pykeen.datasets.CoDExSmall 萨法维等,2020 2034 42 36543
概念网 pykeen.datasets.ConceptNet 斯皮尔等,2017 28370083 50 34074917
国家 pykeen.datasets.Countries 博沙德等,2015 271 2 1158
常识知识图谱 pykeen.datasets.CSKG 伊利夫斯基等,2020 2087833 58 4598728
DB100K pykeen.datasets.DB100K 丁等,2018 99604 470 697479
DBpedia50 pykeen.datasets.DBpedia50 石等,2017 24624 351 34421
药物重定位知识图谱 pykeen.datasets.DRKG gnn4dr/DRKG 97238 107 5874257
FB15k pykeen.datasets.FB15k 博德斯等,2013 14951 1345 592213
FB15k-237 pykeen.datasets.FB15k237 图托诺娃等,2015 14505 237 310079
全球生物相互作用 pykeen.datasets.Globi 波伦等,2014 404207 39 1966385
Hetionet pykeen.datasets.Hetionet 希梅尔斯坦等,2017 45158 24 2250197
亲属关系 pykeen.datasets.Kinships 坎普等,2006 104 25 10686
国家 pykeen.datasets.Nations 震丰雷/KGDatasets 14 55 1992
国家L pykeen.datasets.NationsLiteral pykeen/pykeen 14 55 1992
OGB BioKG pykeen.datasets.OGBBioKG 胡等,2020 93773 51 5088434
OGB WikiKG2 pykeen.datasets.OGBWikiKG2 胡等,2020 2500604 535 17137181
OpenBioLink pykeen.datasets.OpenBioLink 布赖特等,2020 180992 28 4563407
OpenBioLink LQ pykeen.datasets.OpenBioLinkLQ 布赖特等,2020 480876 32 27320889
OpenEA系列 pykeen.datasets.OpenEA 孙等,2020 15000 248 38265
PharMeBINet pykeen.datasets.PharMeBINet 科尼格斯等,2022 2869407 208 15883653
PharmKG pykeen.datasets.PharmKG 郑等,2020 188296 39 1093236
PharmKG8k pykeen.datasets.PharmKG8k 郑等,2020 7247 28 485787
PrimeKG pykeen.datasets.PrimeKG 钱达克等,2022 129375 30 8100498
统一医疗语言系统 pykeen.datasets.UMLS 震丰雷/KGDatasets 135 46 6529
WD50K(三元组) pykeen.datasets.WD50KT 加尔金等,2020 40107 473 232344
Wikidata5M pykeen.datasets.Wikidata5M 王等,2019 4594149 822 20624239
WK3l-120k系列 pykeen.datasets.WK3l120k 陈等,2017 119748 3109 1375406
WK3l-15k系列 pykeen.datasets.WK3l15k 陈等,2017 15126 1841 209041
WordNet-18 pykeen.datasets.WN18 博德斯等,2014 40943 18 151442
WordNet-18(RR) pykeen.datasets.WN18RR 图托诺娃等,2015 40559 11 92583
YAGO3-10 pykeen.datasets.YAGO310 马赫迪索尔塔尼等,2015 123143 37 1089000

归纳数据集

以下5个归纳数据集是PyKEEN内置的。

名称 文档 引用
ILPC2022大型 pykeen.datasets.ILPC2022Large 加尔金等,2022
ILPC2022小型 pykeen.datasets.ILPC2022Small 加尔金等,2022
FB15k-237 pykeen.datasets.InductiveFB15k237 特鲁等,2020
NELL pykeen.datasets.InductiveNELL 特鲁等,2020
WordNet-18(RR) pykeen.datasets.InductiveWN18RR 特鲁等,2020

表示

以下20种表示由PyKEEN实现。

名称 参考
填充 pykeen.nn.BackfillRepresentation
文本编码 pykeen.nn.BiomedicalCURIERepresentation
组合 pykeen.nn.CombinedRepresentation
嵌入 pykeen.nn.Embedding
特征化消息传递 pykeen.nn.FeaturizedMessagePassingRepresentation
低秩嵌入 pykeen.nn.LowRankRepresentation
节点组件 pykeen.nn.NodePieceRepresentation
分区 pykeen.nn.PartitionRepresentation
R-GCN pykeen.nn.RGCNRepresentation
简单消息传递 pykeen.nn.SimpleMessagePassingRepresentation
CompGCN pykeen.nn.SingleCompGCNRepresentation
子集表示 pykeen.nn.SubsetRepresentation
张量-训练 pykeen.nn.TensorTrainRepresentation
文本编码 pykeen.nn.TextRepresentation
分词 pykeen.nn.TokenizationRepresentation
转换 pykeen.nn.TransformedRepresentation
类型消息传递 pykeen.nn.TypedMessagePassingRepresentation
视觉 pykeen.nn.VisualRepresentation
Wikidata 文本编码 pykeen.nn.WikidataTextRepresentation
Wikidata 视觉 pykeen.nn.WikidataVisualRepresentation

交互

以下 34 个交互由 PyKEEN 实现。

名称 参考 引用
AutoSF pykeen.nn.AutoSFInteraction 张等人,2020
BoxE pykeen.nn.BoxEInteraction Abboud 等人,2020
ComplEx pykeen.nn.ComplExInteraction Trouillon 等人,2016
ConvE pykeen.nn.ConvEInteraction Dettmers 等人,2018
ConvKB pykeen.nn.ConvKBInteraction Nguyen 等人,2018
规范张量分解 pykeen.nn.CPInteraction Lacroix 等人,2018
CrossE pykeen.nn.CrossEInteraction 张等人,2019
DistMA pykeen.nn.DistMAInteraction Shi 等人,2019
DistMult pykeen.nn.DistMultInteraction Yang 等人,2014
ER-MLP pykeen.nn.ERMLPInteraction Dong 等人,2014
ER-MLP (E) pykeen.nn.ERMLPEInteraction Sharifzadeh 等人,2019
HolE pykeen.nn.HolEInteraction Nickel 等人,2016
KG2E pykeen.nn.KG2EInteraction He 等人,2015
LineaRE pykeen.nn.LineaREInteraction Peng 等人,2020
多线性 Tucker pykeen.nn.MultiLinearTuckerInteraction Tucker 等人,1966
MuRE pykeen.nn.MuREInteraction Balažević 等人,2019
NTN pykeen.nn.NTNInteraction Socher 等人,2013
PairRE pykeen.nn.PairREInteraction Chao 等人,2020
ProjE pykeen.nn.ProjEInteraction Shi 等人,2017
QuatE pykeen.nn.QuatEInteraction 张等人,2019
RESCAL pykeen.nn.RESCALInteraction Nickel 等人,2011
RotatE pykeen.nn.RotatEInteraction Sun 等人,2019
结构化嵌入 pykeen.nn.SEInteraction Bordes 等人,2011
SimplE pykeen.nn.SimplEInteraction Kazemi 等人,2018
TorusE pykeen.nn.TorusEInteraction Ebisu 等人,2018
TransD pykeen.nn.TransDInteraction Ji 等人,2015
TransE pykeen.nn.TransEInteraction Bordes 等人,2013
TransF pykeen.nn.TransFInteraction Feng 等人,2016
Transformer pykeen.nn.TransformerInteraction Galkin 等人,2020
TransH pykeen.nn.TransHInteraction 王等人,2014
TransR pykeen.nn.TransRInteraction Lin 等人,2015
TripleRE pykeen.nn.TripleREInteraction Yu 等人,2021
Tucker pykeen.nn.TuckerInteraction Balažević 等人,2019
非结构化模型 pykeen.nn.UMInteraction Bordes 等人,2014

模型

以下 40 个模型由 PyKEEN 实现。

名称 模型 引用
AutoSF pykeen.models.AutoSF 张等人,2020
BoxE pykeen.models.BoxE Abboud 等人,2020
规范张量分解 pykeen.models.CP Lacroix 等人,2018
CompGCN pykeen.models.CompGCN Vashishth 等人,2020
ComplEx pykeen.models.ComplEx Trouillon 等人,2016
ComplEx 文本 pykeen.models.ComplExLiteral Kristiadi 等人,2018
ConvE pykeen.models.ConvE Dettmers 等人,2018
ConvKB pykeen.models.ConvKB Nguyen 等人,2018
共现过滤 pykeen.models.CooccurrenceFilteredModel Berrendorf 等人,2022
CrossE pykeen.models.CrossE 张等人,2019
DistMA pykeen.models.DistMA Shi 等人,2019
DistMult pykeen.models.DistMult Yang 等人,2014
DistMult 文本 pykeen.models.DistMultLiteral Kristiadi 等人,2018
DistMult 文本(门控) pykeen.models.DistMultLiteralGated Kristiadi 等人,2018
ER-MLP pykeen.models.ERMLP Dong 等人,2014
ER-MLP (E) pykeen.models.ERMLPE Sharifzadeh 等人,2019
固定模型 pykeen.models.FixedModel Berrendorf 等人,2021
HolE pykeen.models.HolE Nickel 等人,2016
归纳节点组件 pykeen.models.InductiveNodePiece Galkin 等人,2021
感应节点片段GNN pykeen.models.InductiveNodePieceGNN Galkin 等人,2021
KG2E pykeen.models.KG2E He 等人,2015
MuRE pykeen.models.MuRE Balažević 等人,2019
NTN pykeen.models.NTN Socher 等人,2013
节点组件 pykeen.models.NodePiece Galkin 等人,2021
PairRE pykeen.models.PairRE Chao 等人,2020
ProjE pykeen.models.ProjE Shi 等人,2017
QuatE pykeen.models.QuatE 张等人,2019
R-GCN pykeen.models.RGCN 施利克鲁克等人,2018年
RESCAL pykeen.models.RESCAL Nickel 等人,2011
RotatE pykeen.models.RotatE Sun 等人,2019
SimplE pykeen.models.SimplE Kazemi 等人,2018
结构化嵌入 pykeen.models.SE Bordes 等人,2011
TorusE pykeen.models.TorusE Ebisu 等人,2018
TransD pykeen.models.TransD Ji 等人,2015
TransE pykeen.models.TransE Bordes 等人,2013
TransF pykeen.models.TransF Feng 等人,2016
TransH pykeen.models.TransH 王等人,2014
TransR pykeen.models.TransR Lin 等人,2015
TuckER pykeen.models.TuckER Balažević 等人,2019
非结构化模型 pykeen.models.UM Bordes 等人,2014

损失函数

PyKEEN实现了以下15个损失函数。

名称 参考 描述
对抗加权二元交叉熵(带logits) pykeen.losses.AdversarialBCEWithLogitsLoss 一个对抗加权的BCE损失。
二元交叉熵(sigmoid之后) pykeen.losses.BCEAfterSigmoidLoss 显式Sigmoid + BCE损失的数值不稳定版本。
二元交叉熵(带logits) pykeen.losses.BCEWithLogitsLoss 二元交叉熵损失。
交叉熵 pykeen.losses.CrossEntropyLoss softmax输出后的交叉熵损失。
双边缘 pykeen.losses.DoubleMarginLoss 一个基于边缘的评分损失,具有来自[sun2018]_的独立正负元素。
焦点 pykeen.losses.FocalLoss [lin2018]_提出的焦点损失。
带加性边缘的InfoNCE损失 pykeen.losses.InfoNCELoss [wang2022]_提出的带加性边缘的InfoNCE损失。
边缘排序 pykeen.losses.MarginRankingLoss 成对余弦损失(即边缘排序损失)。
均方误差 pykeen.losses.MSELoss 均方误差损失。
自我对抗负采样 pykeen.losses.NSSALoss [sun2019]_提出的自我对抗负采样损失函数。
成对逻辑 pykeen.losses.PairwiseLogisticLoss 成对逻辑损失。
点wise Hinge pykeen.losses.PointwiseHingeLoss 点wise hinge损失。
软边缘排序 pykeen.losses.SoftMarginRankingLoss 软成对余弦损失(即软边缘排序损失)。
Softplus pykeen.losses.SoftplusLoss 点wise逻辑损失(即Softplus损失)。
Soft Pointwise Hinge pykeen.losses.SoftPointwiseHingeLoss 软点wise hinge损失。

正则化器

PyKEEN实现了以下6个正则化器。

名称 参考 描述
combined pykeen.regularizers.CombinedRegularizer 正则化器的凸组合。
lp pykeen.regularizers.LpRegularizer 基于L_p范数的简单正则化器。
no pykeen.regularizers.NoRegularizer 不执行任何正则化的正则化器。
normlimit pykeen.regularizers.NormLimitRegularizer 对最大范数进行软约束的正则化器。
orthogonality pykeen.regularizers.OrthogonalityRegularizer 来自[wang2014]_的软正交约束的正则化器。
powersum pykeen.regularizers.PowerSumRegularizer 基于x^p的简单正则化器。

训练循环

PyKEEN实现了以下3个训练循环。

名称 参考 描述
lcwa pykeen.training.LCWATrainingLoop 基于局部封闭世界假设(LCWA)的训练循环。
slcwa pykeen.training.SLCWATrainingLoop 使用随机局部封闭世界假设训练方法的训练循环。
symmetriclcwa pykeen.training.SymmetricLCWATrainingLoop 同时进行“对称”LCWA评分头和尾。

负采样器

PyKEEN实现了以下3个负采样器。

名称 参考 描述
basic pykeen.sampling.BasicNegativeSampler 一个基本的负采样器。
bernoulli pykeen.sampling.BernoulliNegativeSampler 对[wang2014]_提出的伯努利负采样方法的实现。
pseudotyped pykeen.sampling.PseudoTypedNegativeSampler 一种考虑与关系共现的实体的采样器。

停止器

PyKEEN中实现了以下2个停止器。

名称 参考 描述
早期 pykeen.stoppers.EarlyStopper 早期停止的 harness。
无操作 pykeen.stoppers.NopStopper 一个什么也不做的停止器。

评估器

PyKEEN中实现了以下5个评估器。

名称 参考 描述
分类 pykeen.evaluation.ClassificationEvaluator 使用分类指标的评估器。
宏平均基于排名 pykeen.evaluation.MacroRankBasedEvaluator 宏平均排名评估。
ogb pykeen.evaluation.OGBEvaluator 应用自定义 OGB 评估的采样排名评估器。
基于排名 pykeen.evaluation.RankBasedEvaluator 用于 KGE 模型的排名评估器。
采样排名基于 pykeen.evaluation.SampledRankBasedEvaluator 使用采样负样本而不是所有负样本的排名评估器。

度量

PyKEEN中实现了以下44个度量。

名称 区间 方向 描述 类型
准确率 $[0, 1]$ 📈 正确分类的数量与总数之比。 分类
受试者操作特征曲线下面积 $[0, 1]$ 📈 受试者操作特征曲线下的面积。 分类
平均精确度得分 $[0, 1]$ 📈 不同阈值下的平均精确度。 分类
平衡准确度得分 $[0, 1]$ 📈 每个类获得的召回率的平均值。 分类
诊断优势比 $[0, ∞)$ 📈 正似然比与负似然比之比。 分类
F1 分数 $[0, 1]$ 📈 精确率和召回率的调和平均数。 分类
假发现率 $[0, 1]$ 📉 预测为负的预测中为真阳性的比例。 分类
假阴性率 $[0, 1]$ 📉 一个真正阳性的三元组被预测为负的概率。 分类
假遗漏率 $[0, 1]$ 📉 预测为正的预测中为真阴性的比例。 分类
假阳性率 $[0, 1]$ 📉 一个真正负的三元组被预测为正的概率。 分类
福克斯-马洛斯指数 $[0, 1]$ 📈 福克斯-马洛斯指数。 分类
信息度 $[-1, 1]$ 📈 信息度指标。 分类
马修斯相关系数 $[-1, 1]$ 📈 马修斯相关系数(MCC)。 分类
负似然比 $[0, ∞)$ 📉 假阳性率与真阳性率之比。 分类
负预测值 $[0, 1]$ 📈 预测为负的预测中为真阴性的比例。 分类
得分数量 $[0, ∞)$ 📈 得分的数量。 分类
正似然比 $[0, ∞)$ 📈 真阳性率与假阳性率之比。 分类
正预测值 $[0, 1]$ 📈 预测为正的预测中为真阳性的比例。 分类
患病率阈值 $[0, ∞)$ 📉 患病率阈值。 分类
威胁分数 $[0, 1]$ 📈 精确率和召回率的调和平均数。 分类
真阴性率 $[0, 1]$ 📈 一个真正错误的三元组被预测为负的概率。 分类
真阳性率 $[0, 1]$ 📈 一个真正阳性的三元组被预测为正的概率。 分类
调整后的算术平均秩(AAMR) $[0, 2)$ 📉 所有秩的平均值除以它的期望值。 排名
调整后的算术平均秩指数(AAMRI) $[-1, 1]$ 📈 重新索引的调整后平均秩(AAMR) 排名
调整后的几何平均秩指数(AGMRI) $(\frac{-E[f]}{1-E[f]}, 1]$ 📈 重新索引的调整后的几何平均秩(AGMRI) 排名
调整后的 hits at K $(\frac{-E[f]}{1-E[f]}, 1]$ 📈 重新索引的调整后的 hits at K 排名
调整后的逆调和平均秩 $(\frac{-E[f]}{1-E[f]}, 1]$ 📈 重新索引的调整后的 MRR 排名
几何平均秩(GMR) $[1, ∞)$ 📉 所有秩的几何平均数。 排名
调和平均秩(HMR) $[1, ∞)$ 📉 所有秩的调和平均数。 排名
Hits @ K $[0, 1]$ 📈 不超过给定 k 的秩的相对频率。 排名
逆算术平均秩(IAMR) $(0, 1]$ 📈 所有秩的算术平均数的倒数。 排名
逆几何平均秩(IGMR) $(0, 1]$ 📈 所有秩的几何平均数的倒数。 排名
逆中位数秩 $(0, 1]$ 📈 所有秩的中位数的倒数。 排名
平均秩(MR) $[1, ∞)$ 📉 所有秩的算术平均数。 排名
平均倒数秩(MRR) $(0, 1]$ 📈 所有排名的调和平均的倒数。 排名
中值排名 $[1, ∞)$ 📉 所有排名的中值。 排名
z-几何平均排名(zGMR) (-∞, ∞) 📈 z分数几何平均排名 排名
z-Hits at K (-∞, ∞) 📈 z分数的hits at K 排名
z-平均排名(zMR) (-∞, ∞) 📈 z分数的平均排名 排名
z-平均倒数排名(zMRR) (-∞, ∞) 📈 z分数的平均倒数排名 排名

跟踪器

PyKEEN实现了以下8个跟踪器。

名称 参考 描述
控制台 pykeen.trackers.ConsoleResultTracker 一个直接打印到控制台的类。
csv pykeen.trackers.CSVResultTracker 将结果跟踪到CSV文件。
json pykeen.trackers.JSONResultTracker 将结果跟踪到JSON行文件。
mlflow pykeen.trackers.MLFlowResultTracker MLflow的跟踪器。
neptune pykeen.trackers.NeptuneResultTracker Neptune.ai的跟踪器。
python pykeen.trackers.PythonResultTracker 一个将所有内容存储在Python字典中的跟踪器。
tensorboard pykeen.trackers.TensorBoardResultTracker TensorBoard的跟踪器。
wandb pykeen.trackers.WANDBResultTracker Weights and Biases的跟踪器。

实验

重现

PyKEEN包含了一组经过精心挑选的实验设置,用于重现过去的里程碑式实验。它们可以像这样访问和运行

pykeen experiments reproduce tucker balazevic2019 fb15k

其中三个参数是模型名称、参考和数据集。输出目录可以可选地使用-d设置。

消融

PyKEEN包括使用超参数优化模块指定消融研究的能力。它们可以像这样运行

pykeen experiments ablation ~/path/to/config.json

大规模重现性和基准测试研究

我们使用PyKEEN进行了一次大规模的重现性和基准测试研究,这些研究在我们的文章中进行了描述

@article{ali2020benchmarking,
  author={Ali, Mehdi and Berrendorf, Max and Hoyt, Charles Tapley and Vermue, Laurent and Galkin, Mikhail and Sharifzadeh, Sahand and Fischer, Asja and Tresp, Volker and Lehmann, Jens},
  journal={IEEE Transactions on Pattern Analysis and Machine Intelligence},
  title={Bringing Light Into the Dark: A Large-scale Evaluation of Knowledge Graph Embedding Models under a Unified Framework},
  year={2021},
  pages={1-1},
  doi={10.1109/TPAMI.2021.3124805}}
}

我们将所有代码、实验配置、结果和分析都发布在https://github.com/pykeen/benchmarking上,以支持我们对这些解释。

贡献

贡献,无论是通过提交问题、提出拉取请求还是通过分叉,都是受欢迎的。有关参与的信息,请参阅CONTRIBUTING.md

如果您有任何问题,请使用GitHub讨论功能,在https://github.com/pykeen/pykeen/discussions/new上创建新讨论。

致谢

支持者

该项目得到了以下组织的支持(按字母顺序排列)

资助

PyKEEN的开发得到了以下资助的资助

资助机构 项目 拨款
DARPA 青年学者奖(PI:Benjamin Gyori) W911NF2010255
DARPA 自动化科学知识提取(ASKE) HR00111990009
德国联邦教育与研究部(BMBF) 基于知识图谱的机器学习(MLWin) 01IS18050D
德国联邦教育与研究部(BMBF) Munich Center for Machine Learning (MCML) 01IS18036A
丹麦创新基金(Innovationsfonden) 丹麦大数据分析驱动的创新中心(DABAI) Grand Solutions

徽标

PyKEEN徽标由Carina Steinborn设计。

引用

如果您在工作中发现PyKEEN很有用,请考虑引用我们的文章

@article{ali2021pykeen,
    author = {Ali, Mehdi and Berrendorf, Max and Hoyt, Charles Tapley and Vermue, Laurent and Sharifzadeh, Sahand and Tresp, Volker and Lehmann, Jens},
    journal = {Journal of Machine Learning Research},
    number = {82},
    pages = {1--6},
    title = {{PyKEEN 1.0: A Python Library for Training and Evaluating Knowledge Graph Embeddings}},
    url = {http://jmlr.org/papers/v22/20-825.html},
    volume = {22},
    year = {2021}
}

项目详情


下载文件

下载适用于您平台的文件。如果您不确定选择哪个,请了解更多关于安装包的信息。

源代码分发

pykeen-1.10.2.tar.gz (2.0 MB 查看哈希)

上传时间 源代码

构建分发

pykeen-1.10.2-py3-none-any.whl (704.0 kB 查看哈希)

上传时间 Python 3

由以下支持

AWS AWS 云计算和安全赞助商 Datadog Datadog 监控 Fastly Fastly CDN Google Google 下载分析 Microsoft Microsoft PSF 赞助商 Pingdom Pingdom 监控 Sentry Sentry 错误记录 StatusPage StatusPage 状态页面