Grafos de conocimiento

ComplEx es un modelo basado en redes neuronales para incrustaciones de gráficos de conocimiento que captura relaciones complejas.

DistMult es un modelo basado en tensores utilizado para incrustaciones de grafos de conocimiento y predicción de enlaces.

RotatE es un modelo de incrustación de gráficos de conocimiento que utiliza incrustaciones basadas en rotaciones para entidades y relaciones.

TransE es un modelo para incrustaciones de grafos de conocimiento que representa entidades y relaciones en un espacio vectorial continuo.

TransH es un modelo de incrustación de grafos de conocimiento que proyecta entidades en hiperplanos para mejorar la representación de relaciones.