知识图谱主要术语 郝伟，2020/12/23 [TOC]
1. 知识图谱
2. 术语列表
2.1. 独热编码（One-Hot Encoding）
2.2. LabelEncoder标签编码
2.3. 实体嵌入(Entity Embeddings)
Entity Embedding是一种类别特征的方法，最早提出此方法的文章为《Entity Embeddings of Categorical Variables》。其核心思想把正整数（索引）转换为固定大小的稠密向量后，再进行相应的处理。
文章 使用实体嵌入的结构化数据进行深度学习 比较系统地解读了实体嵌入的原理和应用方法。
浅谈Entity Embedding 根据 类别特征处理与实体嵌入 描述，Embedding 的起源和火爆都是在NLP中的，经典的word2vec都是在做word embedding这件事情，而真正首先在结构数据探索embedding的是在kaggle上的《Rossmann Store Sales》中的rank 3的解决方案，作者在比赛完后为此方法整理一篇论文放在了arXiv，文章名：《Entity Embeddings of Categorical Variables》。
2.4. 实体对齐(Entity Alignment)
文章Introduction to entity embeddings with neural networks介绍得很好：
2.5. 论文浅尝 - ICLR2020 | You Can Teach an Old Dog New Tricks!关于训练知识图谱嵌入，ICLR2020
论文下载：https://openreview.net/pdf?id=BkxSmlBFvr, 参考 这篇文章是一篇关于知识图谱嵌入的多种已有模型的性能调研。作者通过扎实的大量的实验对选择了七种模型进行验证（源代码发布在Github上）。通过对实验数据的分析，文章给出重要的结论：随着时间变化而导致数据集、评价模型和评估算法的变化，而对研究者论文本身的结论会产生重要影响（甚至是相反的）对，所以应该对过去的和现在的常见的KGM的模型的性能重新审视，从而准确评估和理解这些方法的主要特性和优缺点。