TransE 及其实现

Yu Bin原创2022年10月10日
  • KRL
  • KG
  • STAR-5
大约 8 分钟

1. What is TransE?

TransE (Translating Embedding), an energy-based model for learning low-dimensional embeddings of entities.

核心思想:将 relationship 视为一个在 embedding space 的 translation。如果 (h, l, t) 存在,那么 h+lth + l \approx t

Motivation:一是在 Knowledge Base 中,层次化的关系是非常常见的,translation 是一种很自然的用来表示它们的变换;二是近期一些从 text 中学习 word embedding 的研究发现,一些不同类型的实体之间的 1-to-1 的 relationship 可以被 model 表示为在 embedding space 中的一种 translation。

2. Learning TransE

TransE 的训练算法如下:

2.1 输入参数

  • training set SS:用于训练的三元组的集合,entity 的集合为 EE,rel. 的集合为 LL
  • margin γ\gamma:损失函数中的间隔,这个在原 paper 中描述很模糊
  • 每个 entity 或 rel. 的 embedding dim kk

2.2 训练过程

初始化:对每一个 entity 和 rel. 的 embedding vector 用 xavier_uniform 分布来初始化,然后对它们实施 L1 or L2 正则化。

loop

  • 在 entity embedding 被更新前进行一次归一化,这是通过人为增加 embedding 的 norm 来防止 loss 在训练过程中极小化。
  • sample 出一个 mini-batch 的正样本集合 SbatchS_{batch}
  • TbatchT_{batch} 初始化为空集,它表示本次 loop 用于训练 model 的数据集
  • for (h,l,t)Sbatch(h,l,t) \in S_{batch} do:
    • 根据 (h, l, t) 构造出一个错误的三元组 (h,l,t)(h', l, t')
    • 将 positive sample (h,l,t)(h,l,t) 和 negative sample (h,l,t)(h',l,t') 加入到 TbatchT_{batch}
  • 计算 TbatchT_{batch} 每一对 positive sample 和 negative sample 的 loss,然后累加起来用于更新 embedding matrix。每一对的 loss 计算方式为:loss=[γ+d(h+l,t)d(h+l,t)]+loss = [\gamma + d(h+l,t) - d(h'+l,t')]_+

这个过程中,triplet 的 energy 就是指的 d(h+l,t)d(h+l,t),它衡量了 h+lh+ltt 的距离,可以采用 L1 或 L2 norm,即 h+rt||h + r - t|| 具体计算方式可见代码实现。

loss 的计算中,[x]+=max(0,x)[x]_+ = \max(0,x)

关于 margin γ\gamma 的含义, 它相当于是一个正确 triple 与错误 triple 之前的间隔修正,margin 越大,则两个 triple 之前被修正的间隔就越大,则对于 embedding 的修正就越严格。我们看 loss=[γ+d(h+l,t)d(h+l,t)]+loss = [\gamma + d(h+l,t) - d(h'+l,t')]_+,我们希望是 d(h+l,t)d(h+l,t) 越小越好,所以这一项前面为正号,希望 d(h+l,t)d(h'+l,t') 越大越好,所以这一项前面为负号。正常情况下,d(h+l,t)d(h+l,t) 一定是小于 d(h+l,t)d(h'+l,t') 的,所以 d(h+l,t)d(h+l,t)d(h+l,t) - d(h'+l,t') 的结果应该是负值,那么 loss function 的外层取正就使得 loss = 0 了,所以 margin γ\gamma 的存在就使得负样本的 distance 必须与比正样本的 distance 大出 margin 的大小来才行,当两者差距足够大时,loss 就等于 0 了。

假设 d(h+l,t)d(h+l,t) 处于理想情况下等于 0,那么由于 γ\gamma 的存在,d(h+l,t)d(h'+l,t') 如果不是很大的话,仍然会产生 loss,只有当 d(h+l,t)d(h'+l,t') 大于 γ\gamma 时才会让 loss = 0,所以 γ\gamma 越大,对 embedding 的修正就越严格。

错误三元组的构造方法:将 (h,l,t)(h,l,t) 中的头实体、关系和尾实体其中之一随机替换为其他实体或关系来得到。

2.3 评价指标

链接预测是用来预测三元组 (h,r,t) 中缺失实体 h, t 或 r 的任务,对于每一个缺失的实体,模型将被要求用所有的知识图谱中的实体作为候选项进行计算,并进行排名,而不是单纯给出一个最优的预测结果。

  1. Mean rank -

首先对于每个 testing triple,以预测 tail entity 为例,我们将 (h,r,t)(h,r,t) 中的 t 用 KG 中的每个 entity 来代替,然后通过 fr(h,t)f_r(h,t) 来计算分数,这样就可以得到一系列的分数,然后将这些分数排列。我们知道 f 函数值越小越好,那么在前面的排列中,排地越靠前越好。重点来了,我们去看每个 testing triple 中正确答案(也就是真实的 t)在上述序列中排多少位,比如 t1t_1 排 100,t2t_2 排 200,t3t_3 排 60 ....,之后对这些排名求平均,就得到 mean rank 值了。

  1. Hits@10 -

还是按照上述进行 f 函数值排列,然后看每个 testing triple 正确答案是否排在序列的前十,如果在的话就计数 +1,最终 (排在前十的个数) / (总个数) 就等于 Hits@10。

在原论文中,由于这个 model 比较老了,其 baseline 也没啥参考性,就不做研究了,具体的实验可参考论文。

3. TransE 优缺点

优点:与以往模型相比,TransE 模型参数较少,计算复杂度低,却能直接建立实体和关系之间的复杂语义联系,在 WordNet 和 Freebase 等 dataset 上较以往模型的 performance 有了显著提升,特别是在大规模稀疏 KG 上,TransE 的性能尤其惊人。

缺点:在处理复杂关系(1-N、N-1 和 N-N)时,性能显著降低,这与 TransE 的模型假设有密切关系。假设有 (美国,总统,奥巴马)和(美国,总统,布什),这里的“总统”关系是典型的 1-N 的复杂关系,如果用 TransE 对其进行学习,则会有:

那么这将会使奥巴马和布什的 vector 变得相同。所以由于这些复杂关系的存在,导致 TransE 学习得到的实体表示区分性较低。

4. TransE 实现

这里选择用 pytorch 来实现 TransE 模型。

4.1 __init__ 函数

其参数有:

  • ent_num:entity 的数量
  • rel_num:relationship 的数量
  • dim:每个 embedding vector 的维度
  • norm:在计算 d(h+l,t)d(h+l,t) 时是使用 L1 norm 还是 L2 norm,即 d(h+l,t)=h+ltL1 or L2d(h+l,t)=||h+l-t||_{L1 \ or \ L2}
  • margin:损失函数中的间隔,是个 hyper-parameter
  • α\alpha:损失函数计算中的正则化项参数
class TransE(nn.Module):
    def __init__(self, ent_num, rel_num, device, dim=100, norm=1, margin=2.0, alpha=0.01):
        super(TransE, self).__init__()
        self.ent_num = ent_num
        self.rel_num = rel_num
        self.device = device
        self.dim = dim
        self.norm = norm # 使用L1范数还是L2范数
        self.margin = margin
        self.alpha = alpha

        # 初始化实体和关系表示向量
        self.ent_embeddings = nn.Embedding(self.ent_num, self.dim)
        torch.nn.init.xavier_uniform_(self.ent_embeddings.weight.data)
        self.ent_embeddings.weight.data = F.normalize(self.ent_embeddings.weight.data, 2, 1)

        self.rel_embeddings = nn.Embedding(self.rel_num, self.dim)
        torch.nn.init.xavier_uniform_(self.rel_embeddings.weight.data)
        self.rel_embeddings.weight.data = F.normalize(self.rel_embeddings.weight.data, 2, 1)

        # 损失函数
        self.criterion = nn.MarginRankingLoss(margin=self.margin)

初始化 embedding matrix 时,直接用 nn.Embedding 来完成,参数分别是 entity 的数量和每个 embedding vector 的维数,这样得到的就是一个 ent_num * dim 大小的 Embedding Matrix。

torch.nn.init.xavier_uniform_ 是一个服从均匀分布的 Glorot 初始化器,在这里做的就是对 Embedding Matrix 中每个位置填充一个 xavier_uniform 初始化的值,这些值从均匀分布 U(a,a)U(-a,a) 中采样得到,这里的 aa 是:

a=gain×6fan_in+fan_out a = gain \times \sqrt{\frac{6}{fan\_in + fan\_out}}

在这里,对于 Embedding 这样的二维矩阵来说,fan_in 和 fan_out 就是矩阵的长和宽,gain 默认为 1。其完整具体行为可参考 pytorch 初始化器文档open in new window

F.normalize(self.ent_embeddings.weight.data, 2, 1) 这一步就是对 ent_embeddings 的每一个值除以 dim = 1 上的 2 范数值,注意 ent_embeddings.weight.data 的 size 是 (ent_num, embs_dim)。具体来说就是这一步把每行都除以该行下所有元素平方和的开方,也就是 ll/ll \leftarrow l / ||l||

损失函数这里先跳过,之后计算损失的步骤一同来看。

4.2 从 ent_idx 到 ent_embs

由于 network 的输入是 ent_idx,因此需要将其根据 embedding matrix 转换成 ent_embs。我们通过 get_ent_resps 函数来完成,其实就是个静态查表的操作:

class TransE(nn.Module):
	...
	def get_ent_resps(self, ent_idx): #[batch]
        return self.ent_embeddings(ent_idx) # [batch, emb]

4.3 计算 energy d(h+l,t)d(h+l, t)

它衡量了 h+lh+ltt 的距离,可以采用 L1 或 L2 norm 来算,具体采用哪个由 __init__ 函数中的 self.norm 来决定:

class TransE(nn.Module):
	...
	def distance(self, h_idx, r_idx, t_idx):
        h_embs = self.ent_embeddings(h_idx) # [batch, emb]
        r_embs = self.rel_embeddings(r_idx) # [batch, emb]
        t_embs = self.ent_embeddings(t_idx) # [batch, emb]
        scores = h_embs + r_embs - t_embs
		
		# norm 是计算 loss 时的正则化项
        norms = (torch.mean(h_embs.norm(p=self.norm, dim=1) - 1.0)
                 + torch.mean(r_embs ** 2) +
                 torch.mean(t_embs.norm(p=self.norm, dim=1) - 1.0)) / 3

        return scores.norm(p=self.norm, dim=1), norms

4.4 计算 loss

self.criterion 是通过实例化 MarginRankingLoss 得到的,这个类的初始化接收 margin 参数,实例化得到 self.criterion,其计算方式如下:

criterion(x1,x2,y)=max(0,y×(x1x2)+margin) criterion(x_1,x_2,y) = \max(0, -y \times (x_1 - x_2) + margin)

借助于此,我们可以实现计算 loss 的代码:

class TransE(nn.Module):
	...
	def loss(self, positive_distances, negative_distances):
        target = torch.tensor([-1], dtype=torch.float, device=self.device)
        return self.criterion(positive_distances, negative_distances, target)

positive_distances 就是 d(h+l,t)d(h+l,t),negative_distances 就是 d(h+l,t)d(h'+l, t'),target = [-1],代入 criterion 的计算公式就是我们计算 一对正样本和负样本的 loss 了。

4.5 forward

class TransE(nn.Module):
	...
	def forward(self, ph_idx, pr_idx, pt_idx, nh_idx, nr_idx, nt_idx):
        pos_distances, pos_norms = self.scoring(ph_idx, pr_idx, pt_idx)
        neg_distances, neg_norms = self.scoring(nh_idx, nr_idx, nt_idx)

        tmp_loss = self.loss(pos_distances, neg_distances)
        tmp_loss += self.alpha * pos_norms   # 正则化项
        tmp_loss += self.alpha * neg_norms   # 正则化项

        return tmp_loss, pos_distances, neg_distances

以上我们讲完了 TransE 模型的定义,接下来就是讲对 TransE 模型的训练了,只要理解了 TransE 模型的定义,其训练应该不是难事。

Loading...