KB2E
thunlp/KB2E加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
你有没有想过这个问题：当你问 Google"谁的学生获得了诺贝尔物理学奖"，搜索引擎除了做字符串匹配，还能真正"理解"师生关系和获奖成就之间的语义联系吗？
这背后依赖的核心技术之一，就是知识图谱嵌入（Knowledge Graph Embedding）——一种将知识图谱中的实体和关系映射到低维向量空间的方法。清华大学NLP实验室（THUNLP）于2016年推出的KB2E项目，就是这个领域的经典工具箱。
图1：THUNLP（清华大学自然语言处理与社会人文计算实验室）
知识图谱（Knowledge Graph）本质上是一个大规模语义网络，用"三元组"的形式描述知识：头实体 + 关系 → 尾实体。例如：
(爱因斯坦, 出生地, 乌尔姆)(爱因斯坦, 学生, 费米)(费米, 获得奖项, 诺贝尔物理学奖)然而，原始的知识图谱是离散符号系统——实体和关系只是字符串，计算机无法直接计算它们之间的语义相似度。比如"爱因斯坦"和"玻尔"在语义上很接近，但字符串层面毫无联系。
知识图谱嵌入的核心思想：将每个实体和关系都用一个稠密向量来表示，使得语义相近的实体在向量空间中距离较近。通过向量运算，还可以进行知识推理——比如 vec("爱因斯坦") - vec("学生") + vec("获奖者") ≈ vec("诺贝尔物理学奖")。
KB2E（Knowledge Graph to Embeddings）是THUNLP实验室发布的知识图谱嵌入算法工具箱，集成了该实验室在这一领域的四项核心研究成果：
| 算法 | 发表时间 | 核心思想 |
|---|---|---|
| TransE | 2013 NIPS | 将关系视为头尾实体向量之间的"平移"操作 |
| TransH | 2014 AAAI | 让同一实体在不同关系下拥有不同表示（投影超平面） |
| TransR | 2015 AAAI | 将实体和关系映射到不同语义空间再建模 |
| PTransE | 2015 ACL | 引入路径信息，解决多步推理问题 |
| CTransR | 2015 AAAI | 聚类细粒度关系表示 |
TransE的思路极为简洁优美。给定一个三元组 (h, r, t)（head, relation, tail），TransE训练使 h + r ≈ t。也就是说，关系向量被看作从头实体到尾实体的"翻译向量"。
以 vec("北京") + vec("首都") ≈ vec("中国") 为例，"首都"这个关系将"北京"向量"翻译"到了"中国"附近。这个简单思想却在链接预测任务上取得了当时最优效果。
TransE的训练代码约9300行C++，核心是一个**随机梯度下降（SGD）**优化过程：
// TransE 核心训练循环（伪代码）
for each training_batch:
for each positive_sample (h, r, t):
sample negative_samples (h', r, t') via corrupting head or tail
if margin_based_loss(h + r - t, h' + r - t') > margin:
update entity_vec and relation_vec via gradient descent
现实中的实体往往参与多种关系——"苹果"可以是水果、可以是公司、可以是手机品牌。TransE的局限在于，同一实体的向量是固定的，无法适应不同关系上下文。
TransH引入了超平面投影：将实体向量投影到特定关系的超平面上，使得同一个实体在"水果"关系和"公司"关系下有不同的表示。这类似于人类的角色切换能力——你面对家人和工作伙伴时，说话方式是不一样的。
TransH虽然引入了投影，但实体和关系仍在同一空间建模。TransR更进一步，为每种关系单独建立一个语义空间，通过矩阵变换将实体映射到对应关系的空间后再计算。
这个设计的动机是：不同类型的关系（如"地理位置"、"人物职务"、"作品创作"）需要完全不同的语义维度，强行放在同一空间会产生干扰。
TransE系列在处理多跳推理（multi-hop reasoning）时存在局限。比如要推断(X, 是...的学生, 诺贝尔奖得主)，需要两步：(X, 学生, Y) + (Y, 获得奖项, 诺贝尔奖)。
PTransE通过引入路径信息来解决这个问题。它不是只看直接三元组，还会分析两个实体之间的路径模式（如 RNN/Add/Mul 三种路径聚合方式），显著提升多跳推理的准确性。
KB2E/
├── TransE/ # TransE 训练+测试 (C++ ~18K行)
├── TransH/ # TransH 训练 (C++ ~12K行)
├── TransR/ # TransR 训练+测试 (C++ ~22K行)
├── PTransE/ # PTransE 路径推理 (C++子目录 + Python PCRA.py)
├── CTransR/ # 聚类TransR (C++ ~27K行)
├── cluster/ # 聚类预处理工具
├── data.zip # FB15k等标准数据集 (9.6MB)
└── makefile # 一键编译所有模块
KB2E使用标准化三元组格式：
# train.txt
实体1 关系 实体2
# entity2id.txt
实体名 ID编号
# relation2id.txt
关系名 ID编号
数据集来自Freebase FB15k（知识图谱领域的标准基准），包含14951个实体、1345种关系和483142条三元组。
整个项目通过Makefile一键编译：
make -C TransE
./TransE/Train_TransE # 训练
./TransE/Test_TransE # 测试
PTransE还需要先运行Python预处理脚本 PCRA.py 生成路径信息，编译后再执行 ./Train_TransE_path。
KB2E是纯命令行C++工具集，无Dockerfile、无Web界面、无Python封装包，部署需手动编译。
| 维度 | 评估 |
|---|---|
| 部署难度 | 中等：需要g++编译器和Make |
| 依赖项 | BLAS/LAPACK数学库 |
| 内存需求 | 4GB+（大规模知识图谱训练） |
| GPU支持 | 不支持，需纯CPU运行 |
| 运行时间 | 取决于数据集规模，通常数小时 |
| 替代方案 | THUNLP已推荐迁移至 OpenKE（新版统一框架） |
KB2E是一个学术基准实现，而非生产级工具。其主要价值在于：
THUNLP后续推出的 OpenKE 是KB2E的精神继承者，提供了：
如果你是研究人员，建议直接使用OpenKE；如果你想理解TransE系列算法的原始实现原理，KB2E仍然是最好的阅读材料之一。
KB2E（或更准确地说，是其背后的TransE/TransH/TransR/PTransE算法）是知识图谱嵌入领域的奠基性工作：
这些嵌入技术已经深入应用到现实场景：
| 应用领域 | 具体案例 |
|---|---|
| 搜索引擎 | Google Knowledge Graph的实体链接 |
| 推荐系统 | 基于知识图谱的用户偏好推理 |
| 问答系统 | 知识库问答（KBQA）的事实推理 |
| 药物发现 | 蛋白质-基因-疾病关系网络分析 |
| 金融风控 | 企业关系图谱与风险传导建模 |
KB2E是清华大学NLP实验室在知识图谱嵌入领域的经典工具箱，集成了TransE、TransH、TransR、PTransE、CTransR五种里程碑算法。虽然项目本身已停止维护，但它代表的知识图谱向量表示思想深刻影响了后续的知识图谱研究和工业应用。如果你需要快速复现TransE系列算法，KB2E仍是重要的参考；如果你要构建生产级知识图谱嵌入系统，建议转向OpenKE等现代框架。