complex

知识图谱嵌入的里程碑：ComplEx 模型原理与实践

背景：为什么知识图谱需要「复数」嵌入？

想象一下，你在读一本没有索引的百科全书——每翻一页都要手动搜索相关内容。这正是传统知识图谱面临的困境：实体之间的关系（"巴黎是法国的首都"）以三元组形式存储，但无法捕捉非对称关系。比如「妈妈」和「女儿」看似相同，实则是方向相反的关系。

2016年，Théo Trouillon 等人在 ICML 上提出了 ComplEx（Complex Embeddings）模型，用复数向量（而非实数向量）来表示知识图谱中的实体和关系，一举解决了这一难题。

核心创新：复数空间中的关系建模

ComplEx 的核心思想是利用复数的非对称共轭特性。在复数空间中，给定三元组 (s, r, o) 的评分函数为：

Re(⟨e_s, e_r, ē_o⟩)

其中 e_s、e_r、e_o 分别是主语实体、关系、宾语实体的复数向量嵌入，Ē_o 表示 o 的共轭复数。当关系向量取纯虚数时，评分函数天然具有非对称性——「妈妈」的嵌入和「女儿」的嵌入不再相同。

这种设计让 ComplEx 在 FB15K（Freebase 子集）和 WN18（WordNet 子集）两个标准数据集上大幅超越了当时的 SOTA 模型。

代码架构：Theano 驱动的灵活实验框架

该项目代码结构清晰，分为两层：

EFE 模块（efe/）：核心计算引擎

• models.py：定义了 Abstract_Model 基类 + 9种具体模型实现：
  • 张量分解家族：CP_Model、RESCAL
  • 双线性模型：DistMult_Model（含 Logisitic 变体）
  • 平移模型：TransE_L2_Model、TransE_L1_Model
  • 复数模型：Complex_Model、Complex_Logistic_Model
• batching.py：小批量梯度下降的数据批次管理器
• evaluation.py：链路预测评估（MRR、Hit@K）
• experiment.py：训练循环主控制器

实验入口：fb15k_run.py 和 wn18_run.py 分别驱动 Freebase 和 WordNet 数据集上的实验。

每个模型只需实现两个方法：

1. get_init_params()：定义嵌入矩阵形状和初始化方式
2. define_loss()：定义评分函数 + 损失函数 + 正则项

这种继承式设计让研究者可以快速添加新模型（如 RESCAL、TransE）而无需重复实现训练循环。

硬件需求与运行方式

运行方式极为简洁：

pip install -r requirements.txt
unzip datasets/fb15k.zip -d datasets/
python fb15k_run.py                    # CPU
THEANO_FLAGS='device=gpu' python fb15k_run.py  # GPU

学术影响与行业地位

ComplEx 模型的影响远超论文本身：

• ICML 2016 和 JMLR 2017 两篇论文合计引用超 5000 次（Google Scholar）
• 催生了 RotatE（2019 ICLR）、QuatE（2019 NeurIPS）等复数/四元数嵌入模型
• 成为知识图谱嵌入领域的基准基线（Baseline）

局限与争议

1. Theano 已死：项目基于 Theano 开发，而 Theano 于 2017 年停止维护。PyTorch Geometric、OpenKE 等现代框架已完全替代它
2. 可扩展性差：训练速度慢，大规模知识图谱（如 Wikidata）无法直接处理
3. 无容器化：纯研究代码，无 Docker 支持，依赖管理繁琐

总结

ttrouill/complex 是知识图谱嵌入领域的开创性工作，ComplEx 模型至今仍是链路预测的标准基线。代码虽然老旧（Theano 时代），但设计思想清晰、模块化程度高，非常适合学习知识图谱嵌入的原理。对于生产环境，建议迁移到 PyTorch Geometric 或 DGL 的现代实现。

推荐指数：⭐⭐⭐⭐（学术价值极高，工程实用性偏低）