崇洋媚外是什么意思
TransE算法（TranslatingEmbedding）
⼀、引⾔
⽹络上已经存在了⼤量知识库（KBs），⽐如OpenCyc，WordNet，Freeba，Dbpedia等等。这些知识库是为了各种各样的⽬的建⽴的，因此很难⽤到其他系统上⾯。为了发挥知识库的图（graph）性，也为了得到统计学习（包括机器学习和深度学习）的优势，我们需要将知识库嵌⼊（embedding）到⼀个低维空间⾥（⽐如10、20、50维）。我们都知道，获得了向量后，就可以运⽤各种数学⼯具进⾏分析。深度学习的输⼊也是向量。（考虑⼀下，word2vec，我们训练出⼀个向量后，可以做好多事情，深度学习的输⼊也往往是⼀个矩阵。另可见：）。
⼆、基础背景
⼀条知识图谱可以表⽰为⼀个三元组(sub,rel,obj)。举个例⼦：⼩明的爸爸是⼤明，表⽰成三元组是（⼩明，爸爸，⼤明）。前者是主体，中间是关系，后者是客体。主体和客体统称为实体（entity）。关系有⼀个属性，不可逆，也就是说主体和客体不能颠倒过来。
知识图谱的集合，链接起来成为⼀个图（graph），每个节点是⼀个⼀个实体，每条边是⼀个关系，或者说是⼀个事实（fact）。也就是有向图，主体指向客体。
具体的⽤处和知识图谱提取⽅式可见刘知远⼤神的⽂章（ps，最好是买本他的书）
Freeba的例⼦：
(Barack Obama, place of birth, Hawai)
(Albert Einstein, follows diet, Veganism)
(San Francisco, contains, Telegraph Hill)
廉洁承诺书上⾯三条都是知识图谱的例⼦。
三、TransE的提出
TranE是⼀篇Bordes等⼈2013年发表在NIPS上的⽂章提出的算法。它的提出，是为了解决多关系数据（multi-relational data）的处理问题。我们现在有很多很多的知识库数据knowledge bas (KBs)，⽐如Freeba、 Google Knowledge Graph 、 GeneOntology等等。
TransE的直观含义，就是TransE基于实体和关系的分布式向量表⽰，将每个三元组实例（head，relation，tail）中的关系relation看做从实体head到实体tail的翻译（其实我⼀直很纳闷为什么叫做translating，其实就是向量相加），通过不断调整h、r和t（head、relation和tail的向量），使（h + r） 尽可能与 t 相等，即 h + r = t。吃人参的禁忌
以前有很多种训练三元组的⽅法，但是参数过多，以⾄于模型过于复杂难以理解（作者表达的意思就是，我们的⼯作效果和你们⼀样，但我们的简单易扩展）。（ps：作者以前也做过类似的⼯作，叫做Structured Embeddings，简称SE，只是将实体转为向量，关系是⼀个矩阵，利⽤矩阵的不可逆性反映关系的不可逆性。距离表达公式是1-norm）。
如下图，作者的⽬的是将向量转为这种形式（此图是2维）
趣经女儿国
为此，作者定义了距离公式为
四、TransE的训练
注释：
奶牛饲料1、
直观上，我们要前⾯的项（原三元组）变⼩（positive），后⾯的项（打碎的三元组）变⼤（negative）。就跟喂⼩狗⼀样，它做对了，就给⾻头吃；做错了，就打两下。前⾯的项是对的（来⾃于训练集），后⾯的项是错的（我们随机⽣成的）。不同时打碎主体和客体，随机挑选⼀个打碎，另⼀个保持不变，这样才能够有对照性。
2、图上的加号是⼤于0取原值，⼩于0则为0。我们叫做合页损失函数(hinge loss function)，这种训练⽅法叫做margin-bad ranking criterion。是不是听起来很熟悉？对的，就是来⾃SVM。⽀持向量机也是如此，要将正和负尽可能分开，找出最⼤距离的⽀持向量。同理，TransE也是如此，我们尽可能将对的和错的分开。margin值⼀般设为1了。
工程管理培训
3、关于模型的参数：参数θ是所有实体的向量。设⼀共有 |E| 个实体和 |R| 个关系，每个实体/关系的向量长度为d维，因此，⼀共有（ |E| + |R| ） * d 个参数。
4、关于参数的更新：我们使⽤的是随机梯度下降（Stochastic Gradient Descent，SGD）训练⽅法。SGD不⽤对所有的和求梯度，⽽是对⼀个batch求梯度之后就⽴即更新theta值。
dv摄像机对于数据集⼤的情况下，有速度。但是每⼀次更新都是针对这⼀个batch⾥的三元组的向量更新的，也就是意味着，⼀次更新最多更新(3+2)*batch_size*d 个参数（设⼀个batch的长度为batch_size）。并不是把所有的theta值都更新了，或者说不⽤更新整个（ |E| + |R| ） * d 矩阵，只需要更新sample⾥抽出来的batch⾥的向量即可。为什么可以这样呢（也就是为什么可以不⽤把参数全更新了，⽽是只更新⼀部分）？因为参数之间并没有依赖（或者说冲突conflict），对于此，可以参考论⽂ Hogwild!: A Lock-Free Approach to Parallelizing Stochastic。
犹太教育
5、对SGD多说两句：SGD的收敛没有GD好，但是，这反⽽是优点，因为在机器学习领域，过于best的结果反⽽是害处，因为⽤于过拟合（overfitting）。也就是，尽管叫做D（下降），但整个过程我们难保⼀直D下去。只能保证在forever可以做到D。
6、归⼀化公式的分母是向量的平⽅和再开⽅；⽽对于距离公式，是向量的平⽅和（没有开⽅）。公式的错误书写，会引起收敛的失败。
7、对于每⼀次迭代，每⼀次的归⼀化约束（constraint）实体长度为1（减少任意度量（scaling freedoms（SE）），使得收敛有效（避免 trivially minimize（transE）），但对关系不做此要求。（
然⽽我⾃⼰试验的结果是，归⼀化关系，会使精度加⼤和收敛加强）
