DeepPath：我的EMNLP论文《DeepPath：知识图推理的强化学习方法》的相关代码和文档

简介：
简介：本文介绍了我们发表在EMNLP上的论文《DeepPath》，该论文提出了一种基于强化学习的知识图谱推理新方法DeepPath，相关代码与文档已开源。 我们研究了在大型知识图（KG）中学习推理的问题。更具体地说，我们描述了一种用于学习多跳关系路径的新颖的强化学习框架：使用基于知识图嵌入的具有连续状态的基于策略的代理，在KG向量空间中通过采样最有希望的关系来扩展其路径。与以前的工作相比，我们的方法包括一种奖励功能，该功能考虑了准确度、多样性和效率。实验表明，在Freebase和Never-Ending Language Learning数据集上，我们提出的方法优于基于路径排序的算法和知识图嵌入方法。 访问数据集时，请先下载所需的知识图数据集，并解压缩文件后将数据文件夹放在代码目录中。