UniKE — 知识图谱嵌入工具包

基于 OpenKE-PyTorch 开发的知识图谱嵌入工具包，支持跨平台运行，具备自动超参数搜索、高效并行训练以及实验结果记录功能，为研究与应用提供强大助力。

教程和 API 参考文档可以访问 unike.readthedocs.io。 源代码可以访问 github.com/CPU-DS/UniKE。

📁 unike/

UniKE 源代码保存在 unike/。

📚 docs/

所有的文档源文件保存在 docs/。 所有的 *.rst 构成了文档中的各个部分。

🌰 examples/

UniKE 的例子保存在 examples/，修改自 OpenKE-PyTorch。

📍 docs/_static/logs/

UniKE 的例子运行日志保存在 docs/_static/logs/。

💡 benchmarks/

常用的知识图谱保存在 benchmarks/。

📜 README.rst

项目主页。

⁉️ Questions / comments

如果你有任何问题，可以在 Github issue 提问。

Note

本项目基于 OpenKE-PyTorch 的版本保存在 thunlp-OpenKE-PyTorch 分支。

新特性

易用的

• 1.0.0 版本: 利用 C++ 重写底层数据处理、C++11 的线程库实现并行、 pybind11 实现 Python 和 C++ 的交互，进而能够做到跨平台 (Windows, Linux)。
• 2.0.0 版本: 使用 Python 重写底层数据处理，进而能够做到跨平台 (Windows, Linux)。
• 使用 Setuptools 打包了 UniKE， 使得能够像其他第三方库一样使用。
• 增加了文档。

正确的

• 增加了 R-GCN :cite:`R-GCN` 模型。
• 增加了 CompGCN :cite:`CompGCN` 模型。
• 修复了 SimplE模型实现的问题 。
• 修复了 :ref:`HolE <details_hole>` 深度学习框架（pytorch）的版本适配问题。

高效的

• 使用 :py:class:`torch.nn.parallel.DistributedDataParallel` 完成数据并行（ 2.0.0 版本 使用 accelerate 实现），使得 UniKE 能够利用多个 GPU 同时训练。
• 增加超参数扫描功能（随机搜索、网格搜索和贝叶斯搜索）。

扩展的

• 在模型训练过程中，能够在验证集上评估模型（模型能够一次评估多个三元组（batch），能够大大加速模型评估）。
• 增加了学习率调度器。
• 能够利用 wandb 输出日志。
• 实现了早停止。
• 能够自定义 Hits@N。

支持的知识图谱嵌入模型：

类型	模型
平移模型	TransE :cite:`TransE`, TransH :cite:`TransH`, TransR :cite:`TransR`, TransD :cite:`TransD`, RotatE :cite:`RotatE`
语义匹配模型	RESCAL :cite:`RESCAL`, DistMult :cite:`DistMult`, HolE :cite:`HolE`, ComplEx :cite:`ComplEx`, Analogy :cite:`ANALOGY`, SimplE :cite:`SimplE`
图神经网络模型	R-GCN :cite:`R-GCN`, CompGCN :cite:`CompGCN`

如何引用这个项目？

如果您发现 UniKE 对您的研究有用，请考虑使用以下 BibTeX 模板引用 UniKE：

@misc{UniKE,
   author = {Lu, Yanfeng and Hou, Fengzhen},
   year = {2024},
   note = {https://github.com/CPU-DS/UniKE},
   title = {UniKE: An Open Source Library for Knowledge Graph Embeddings}
}

该仓库主要由 Yanfeng Lu， Fengzhen Hou 提供（按时间顺序排列）。