Dsc:progress

研究目标

1. 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
2. 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
3. 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

综述：

1. Knowledge Graph Embedding: A Survey of Approaches and Applications (TKDE 2017)

模型：

1. Translating Embeddings for Modeling Multi-relational Data (NIPS 2013)
2. Knowledge Graph Embedding by Translating on Hyperplanes (AAAI 2014)
3. Learning Entity and Relation Embeddings for Knowledge Graph Completion (AAAI 2015)
4. Knowledge Graph Embedding via Dynamic Mapping Matrix (IJCNLP 2015)
5. Differentiating Concepts and Instances for Knowledge Graph Embedding (EMNLP 2018)

系统：

1. PYTORCH-BIGGRAPH: A LARGE-SCALE GRAPH EMBEDDING SYSTEM (SysML 2019)
2. Angel: a new large-scale machine learning system (National Science Review 2018)

State of the art工作

1. PyTorch-Biggraph
2. PS-Graph
3. AliGraph
4. DGL-KE

国内外相关课题组

1. 北京大学 崔斌教授组