历安毛子代枚大学 3知识表示学习 XIDIAN UNIVERSITY ◆基于图神经网络的知识表示学习：基本架构 输入图 图神经网络： 解码器： 评价： 对实体或关系编码 对特定任务 损失函数 学习 ·基于图神经网络的表示学习方法分为编码和解码两部分； ●图神经网络扮演的角色为编码：将知识图谱视为有向图，聚合邻域信息 编码编码成低维向量： ●解码器：利用表示向量进行特定任务，关系预测、实体预测、实 体分类等，可以是传统的机器学习方法。 ●评价：对任务的评价用于学习图神经网络的参数。 133 知识表示学习 13 基于图神经网络的知识表示学习：基本架构  基于图神经网络的表示学习方法分为编码和解码两部分；  图神经网络扮演的角色为编码：将知识图谱视为有向图，聚合邻域信息 编码编码成低维向量；  解码器：利用表示向量进行特定任务，关系预测、实体预测、实 体分类等，可以是传统的机器学习方法。  评价：对任务的评价用于学习图神经网络的参数。 评价： 对实体或关系编码 对特定任务 输入图 图神经网络： 解码器： 损失函数 学习