知识图嵌入研究主要集中于学习知识图的连续表示链接预测问题。最近开发的框架可以有效地应用于研究相关的应用中。但是,这些框架无法满足现实应用程序的许多要求。随着知识图的大小的增长,在这些框架中,将计算从商品计算机转移到一组计算机变得更具挑战性。查找合适的高参数设置W.R.T.时间和计算预算留给从业者。此外,尽管持续学习在许多现实世界(深)学习驱动的应用中,持续学习在知识图嵌入框架中的持续学习方面通常被忽略。可以说,这些局限性解释了缺乏大型知识图的公开知识图嵌入模型。我们以框架的框架,pytorch闪电和拥抱面的框架开发了一个框架,以用硬件 - 静态方式计算大规模知识图的嵌入,以解决与真实应用规模有关的现实世界挑战。我们提供框架的开源版本以及具有超过11.4 B参数的预训练模型的枢纽。
translated by 谷歌翻译