transE参数设置问题

[shanry]

你好，TranE代码似乎并没有预设为最优的参数，直接跑的结果和transE论文有所差距，但是按照原论文Translating Embeddings for Modeling Multi-relational Data (2013) 中的参数来跑，结果竟然差得离谱，想请教一下参数如何设定才能跑出原论文以及TransR论文中的结果。以下是我再WN18上直接运行代码的结果; 18 40943 left:439.644 0.8028 425.411 0.9308 right:468.461 0.8108 455.947 0.9314 以及调整到原论文参数（method=unif，k=20,learning rate=0.01,margin=2）后的结果（这个显然不对）： 18 40943 left:1351.67 0.1482 1340.44 0.1648 right:1475.97 0.142 1466.25 0.1548

[dajunxiao]

我也在看TransE和PTransE，你有跑FB15k的数据吗？

[shanry]

跑过了~ sharey@ubuntu:~/Downloads/KB2E-master/TransE$ ./Test_TransE bern 1345 14951 left:306.969 0.476224 187.107 0.680418 right:167.698 0.555399 90.9825 0.748591

[dajunxiao]

我跑的FB15k跟你的结果差不多，你有跑过PTransE里面的add吗？

[shanry]

还没。关键是 transE的结果都和论文有出入啊。

[zhangyi85]

的确，按照林博士说的，transE在wn调整了margin为4，效果会好些，但是还是达不到readme里面的结果。 而且维度调到50，transE的测试程序会很多实体报错，程序里面看貌似是模大于1的缘故

[shanry]

所以论文的结果到底能不能复刻，如果不知道最优参数就无法进行对比分析啊

[shanry]

你跑过wn18的数据吗 @dajunxiao

[dajunxiao]

没有跑过，我主要是把这个跑通、看懂。在我们项目中需要用到知识图谱的表示，然后用于做其他任务。 @shanry

[shanry]

好的，谢谢回复 @dajunxiao

[Mrlyk423]

WN18的参数可以设置为margin=4.5, 不过个人更建议设置为1使得hits更大，mean rank受少数几个测试点影响较大，个人感觉参考意义没有hits大

[Mrlyk423]

在WN18的参数为margin上升使得hits下降 mean rank变好

[shanry]

fb15k的结果也差得不少，为什么按照原论文给的参数都跑不出来，请问一下readme里面的结果是如何得到的呢？

[Mrlyk423]

FB15k你的参数设置是？跑出的结果是？

[shanry]

直接跑的，结果在3楼

[Mrlyk423]

结果基本一样吧 你跑的是bern的训练模式 hits会稍微高一些 mean rank会稍微低一些

[Mrlyk423]

另外 参数设置请参考我TransR论文中进行设置 特别是learning rate需调为0.001

[shanry]

好的 ，我再跑一下 ，感谢你的回复

[codeants2012]

Mean rank是算left right平均吗？ 还是算左右比较取最优

[shanry]

平均

[codeants2012]

TransG模型源码谁有

[sunFlower-y]

@shanry 你好，打扰了，请问你最后跑出来的结果和论文一样吗？

[shanry]

@sunFlower-y 不好意思，之前忘了回，meanrank可以差不多，但是参数和论文给的不太一样，fb15k需要把margin设置成4

[angryBird2014]

@shanry 你在WN18和FB15K上的参数能具体说下？(alpha,dimension,margin)

[shanry]

现在记不太清了，fb15k就是按照楼上Mrlyk423所说的，margin 设为4， alpha应该往小调， 我最后也没跑出readme的结果，勉勉强强吧。

[shanry]

@angryBird2014 你使用openKE的代码跑吧，有一个exampletrain文件，在fb15k的运行结果： overall results: left 243.981003 0.384199 0.173486 0.000000 left(filter) 82.931961 0.580437 0.361328 0.000000 right 162.132660 0.462444 0.226016 0.000000 right(filter) 60.069527 0.632510 0.409456 0.000000 第一个是meanrank，第二个是hit @ 10；

[Xiaobenbenben]

做自己的实验的时候，感觉TransE的模型对参数很敏感，效果能差很多

[nxznm]

In my experiment(implement TransE), my setting is embedding_dim=100; margin=4; score_func="L1"; batch_size=4800; learning_rate=0.001; max_epoch=900. Using FB15K dataset, I can achieve the results which the paper gives, I think margin=4 helps a lot, and I found as the epoch grows, the validation loss is going to be smooth, so I choose the embedding result in the 900th epoch.