RevSampler

class pybind11_ke.data.RevSampler(in_path: str = './', ent_file: str = 'entity2id.txt', rel_file: str = 'relation2id.txt', train_file: str = 'train2id.txt')

在训练集中增加相反关系.

对于每一个三元组 (h, r, t)，生成相反关系三元组 (t, r`, h): r` = r + rel_tol。

__init__(in_path: str = './', ent_file: str = 'entity2id.txt', rel_file: str = 'relation2id.txt', train_file: str = 'train2id.txt')

创建 RevSampler 对象。

参数:

• in_path (str) – 数据集目录

• ent_file (str) – entity2id.txt

• rel_file (str) – relation2id.txt

• train_file (str) – train2id.txt

__weakref__

list of weak references to the object (if defined)

add_reverse_relation()

增加相反关系：r` = r + rel_tol

add_train_reverse_triples()

对于每一个三元组 (h, r, t)，生成相反关系三元组 (t, r`, h): r` = r + rel_tol。

ent2id: dict

实体->ID

ent_file: str

entity2id.txt

ent_tol: int

实体的个数

get_hr2t_rt2h_from_train()

获得 hr2t_train 和 rt2h_train 。

get_hr_train()

用于 CompGCN [VSNT20] 训练，因为 CompGCN [VSNT20] 的组合运算仅需要头实体和关系。

如果想获得更详细的信息请访问 CompGCN。

get_id()

读取 ent_file 文件和 rel_file 文件。

get_train() → list[tuple[int, int, int]]

返回训练集三元组。

返回:

train_triples

返回类型:

list[tuple[int, int, int]]

get_train_triples_id()

读取 train_file 文件。

hr2t_train: collections.defaultdict[set]

训练集中所有 h-r 对对应的 t 集合

id2ent: dict

ID->实体

id2rel: dict

ID->关系

in_path: str

数据集目录

rel2id: dict

关系->ID

rel_file: str

relation2id.txt

rel_tol: int

关系的个数

rt2h_train: collections.defaultdict[set]

训练集中所有 r-t 对对应的 h 集合

train_file: str

train2id.txt

train_tol: int

训练集三元组的个数

train_triples: list[tuple[int, int, int]]

训练集三元组