分布式表示学习
Contents
研究目标
- 基于PyTorch底层API,设计容纳翻译模型(Trans系列)的分布式表示学习算法,以支持大规模知识图谱分布式表示学习
- 权衡计算通信代价,优化训练过程,在准确率不降低(或少量降低)的前提下,减少训练时间,提升效率
- 在真实知识图谱(DBpedia,Wikidata等)上进行对比实验,验证算法的准确性、高效性和可扩展性
相关论文
State of the art工作
- PyTorch-Biggraph
- PS-Graph
- AliGraph
- DGL-KE