问题代码 # 创建 ConvE 模型实例args = {"entity_dim": 200,"relation_dim": 200,"time_dim": 200,"emb_2D_d1": 10,"emb_2D_d2": 20,"num_out_channels": 32,"kernel_size": 3,"hidden_dropout_rate": 0.3,"feat_dropout_rat

《Convolutional 2D Knowledge Graph Embeddings》论文理解+代码复现 本论文理解不再翻译原文，只写上我对于论文原生态的理解，应该会比较详细，请读者放心。 一.作者为什么要提出ConvE？ 传统的R-GCN和DistMult的参数量过大，并且模型深度不够深，只能处理较小的知识图谱，所以作者将CNN引入到图神经网络中。 二.一维卷积与二维卷积的对比 2