pykeen

收录理由

做链接预测或知识库补全的人，往往要面对一堆模型和数据集，而PyKEEN把大约四十种知识图谱嵌入模型收拢在同一个API下，像TransE、ComplEx这类方法可以直接拿来对比，不用自己重写一遍。训练一个内置数据集上的模型，基本就是一次pipeline调用的事，而且包自带了数十个基准数据集，既有归纳式划分，也有大规模生物医学图谱。它跟Optuna做了集成，方便调超参数，底层跑在PyTorch Lightning和CUDA上，能顺滑地接进已有的深度学习流程。对于想补全缺失三元组、梳理实体关系的团队来说，从原始三元组到带评估的预测结果，中间的大部分样板代码都被省掉了，路径很直接。