Grafos de Conhecimento

ComplEx é um modelo baseado em redes neurais para embeddings de gráficos de conhecimento que captura relacionamentos complexos.

DistMult é um modelo baseado em tensor usado para embeddings de gráficos de conhecimento e previsão de links.

RotatE é um modelo de incorporação de gráficos de conhecimento que utiliza incorporações baseadas em rotação para entidades e relações.

TransE é um modelo para embeddings de gráficos de conhecimento que representa entidades e relacionamentos em um espaço vetorial contínuo.

TransH é um modelo de incorporação de grafo de conhecimento que projeta entidades em hiperplanos para uma melhor representação de relacionamentos.