一文打尽图嵌入Translate模型，各种模型的动机，优缺点分析。 本文对知识图谱嵌入/知识表示的转换模型进行了简要的总结。你可以从TensorFlow-TransX中找到开源的TensorFlow代码。 知识表示的一些背景知识 通常，我们使用三元组(head, relation, tail)来表示知识。在这里，头和尾是实体。例如，(sky tree, location, Tokyo)。

转载自：  https://zhuanlan.zhihu.com/p/133532605 需要知道的东西 什么是知识图谱，一种定义是“知识图谱是语义网络上的知识库”，也就是个多关系图。他的目的就是要表示出实体与实体之间的关系，实体指的是现实世界中的事物比如人、地名、概念、药物、公司等，关系则用来表达不同实体之间的某种联系，比如人-“居住在”-北京、张三和李四是“朋友”、逻辑回归是深度学习的“先

一、基于FAQ 的问答（不具备推理功能） 基于 FAQ 的问答系统， 主要是指在预先构建好的问答模板库中查找与输入问句相近的问句模板， 其返回的答案是问句模板所对应的答案模板。 此类问答系统要依赖大量的由问答对构建的知识库。 主要应用的技术是句子的相似度计算：将用户输入的自然语言问句与问答对模板库中的问句进行相似度的计算， 设定一个阈值， 将所有相似度超过阈值的问答对模板作为候选答案集，