知识图谱（KnowledgeGraph）作为一个重要的技术，在近几年里被广泛运用在了信息检索，自然语言处理，以及推荐系统等各种领域。学习知识图谱的嵌入表示（KnowledgeGraphEmbeddings）是一种从知识图谱结构中生成无监督节点特征（nodefeature）的方法，生成的特征可以被用在各种机器学习任务之上。例如，可以通过节点的嵌入表示来预测两个节点之间是否有链接（linkprediction）。
然而，随着社交网络、推荐系统等典型图数据场景的发展，知识图谱的规模也在不断地增长。在工业界真实的场景中，技术人员常常需要面对千万级，甚至是亿万级节点的大规模图数据。如何快速、高效地在大规模知识图谱上进行嵌入表示的训练是当前的一个挑战。
近日，亚马逊AI团队继DGL之后，又开源了一款专门针对大规模知识图谱嵌入表示的新训练框架DGL-KE，旨在能让研究人员和工业界用户方便、快速地在大规模知识图谱数据集上进行机器学习训练任务。
github
转载请注明：http://www.0431gb208.com/sjszlfa/3975.html
