数据集构建

[gao-xiao-fei]

请问训练数据集中inverse的作用是什么。
以及query 嵌入是怎么计算的，怎么得到的query_id

[a1157996973]

inverse：头尾预测，query 嵌入用simkgc，transe之类的。他论文和代码里挺清楚的了

[ldp2211479]

query嵌入是预先通过KGE方法计算出来的，比如TransE、ComplEx等，这些方法会给每个实体和关系分配嵌入向量，然后基于某种评分指标计算出query的嵌入；
举例如下： query(h,r,?) 在 TransE 表示为 | Embedding(h)+Embedding(r) |

[mobius10]

query嵌入是预先通过KGE方法计算出来的，比如TransE、ComplEx等，这些方法会给每个实体和关系分配嵌入向量，然后基于某种评分指标计算出query的嵌入； 举例如下： query(h,r,?) 在 TransE 表示为 | Embedding(h)+Embedding(r) |

请问您有跑代码吗？跑得如何？

[mobius10]

inverse：头尾预测，query 嵌入用simkgc，transe之类的。他论文和代码里挺清楚的了

请问是论文里面哪部分提了？无论是inverse的解释还是query嵌入用TransE都没看到啊。

[ldp2211479]

query嵌入是预先通过KGE方法计算出来的，比如TransE、ComplEx等，这些方法会给每个实体和关系分配嵌入向量，然后基于某种评分指标计算出query的嵌入； 举例如下： query(h,r,?) 在 TransE 表示为 | Embedding(h)+Embedding(r) |

请问您有跑代码吗？跑得如何？

是的，我在我最新的工作复现了这篇论文。正如作者所展示的，微调的llama确实可以提升pre-train model的预测精度。具体的复现难度主要是数据获取部分，我仅仅复现了SimKGC作为pre-train的DIFT版本，其他模型我认为原理是一致的。

如果您对这篇论文有所疑惑，我非常乐意为你提供帮助。邮件交流：ldp2211479@gmail.com

[mobius10]

如果您对这篇论文有所疑惑，我非常乐意为你提供帮助。邮件交流：ldp2211479@gmail.com

感谢您的回复，我想您的帮助应该会为我带来极大的便利。