Graphes de Connaissance

ComplEx est un modèle basé sur un réseau de neurones pour les embeddings de graphes de connaissances qui capture des relations complexes.

DistMult est un modèle basé sur des tenseurs utilisé pour les embeddings de graphes de connaissances et la prédiction de liens.

RotatE est un modèle d'intégration de graphes de connaissances qui utilise des embeddings basés sur la rotation pour les entités et les relations.

TransE est un modèle d'intégration de graphes de connaissances qui représente les entités et les relations dans un espace vectoriel continu.

TransH est un modèle d'intégration de graphe de connaissances qui projette les entités dans des hyperplans pour une meilleure représentation des relations.