TradTestSampler

class pybind11_ke.data.TradTestSampler(sampler: TradSampler, valid_file: str = 'valid2id.txt', test_file: str = 'test2id.txt', type_constrain: bool = True)

平移模型和语义匹配模型的测试数据采样器。

__init__(sampler: TradSampler, valid_file: str = 'valid2id.txt', test_file: str = 'test2id.txt', type_constrain: bool = True)

创建 TradTestSampler 对象。

参数:

• sampler (TradSampler) – 训练数据采样器。

• valid_file (str) – valid2id.txt

• test_file (str) – test2id.txt

• type_constrain (bool) – 是否报告 type_constrain.txt 限制的测试结果

__weakref__

list of weak references to the object (if defined)

all_true_triples: set[tuple[int, int, int]]

知识图谱所有三元组

ent_tol: int

实体的个数

get_all_true_triples() → set[tuple[int, int, int]]

返回知识图谱所有三元组。

返回:

all_true_triples

返回类型:

set[tuple[int, int, int]]

get_hr2t_rt2h_from_all()

获得 hr2t_all 和 rt2h_all 。

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

返回测试集三元组。

返回:

test_triples

返回类型:

list[tuple[int, int, int]]

get_type_constrain_id()

读取 type_constrain.txt 文件。

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

返回验证集三元组。

返回:

valid_triples

返回类型:

list[tuple[int, int, int]]

get_valid_test_triples_id()

读取 valid_file 文件和 test_file 文件。

hr2t_all: ddict[set]

知识图谱中所有 h-r 对对应的 t 集合

rel_heads: ddict[set]

知识图谱中所有 r 存在头实体种类

rel_tails: ddict[set]

知识图谱中所有 r 存在尾实体种类

rt2h_all: ddict[set]

知识图谱中所有 r-t 对对应的 h 集合

sampler: Union[TradSampler, RGCNSampler, CompGCNSampler]

训练数据采样器

sampling(data: list[tuple[int, int, int]]) → dict[str, torch.Tensor]

采样函数。

参数:

data (list[tuple[int, int, int]]) – 测试的正确三元组

返回:

测试数据

返回类型:

dict[str, torch.Tensor]

test_file: str

test2id.txt

test_tol: int

测试集三元组的个数

test_triples: list[tuple[int, int, int]]

测试集三元组

type_constrain: bool

是否报告 type_constrain.txt 限制的测试结果

valid_file: str

valid2id.txt

valid_tol: int

验证集三元组的个数

valid_triples: list[tuple[int, int, int]]

验证集三元组