Link：ultra
ULTRA是一個知識圖譜推理的基礎模型。單個預訓練的ULTRA模型可以在任何多關係圖譜上執行連結預測任務,並支援任意實體/關係詞匯。效能優於許多專門針對每個圖譜進行訓練的SOTA模型。遵循基礎模型的預訓練-微調正規化,可以在任何圖譜上立即使用預訓練的ULTRA檢查點進行零樣本推理,也可以進行進一步的微調。ULTRA為任何知識圖譜提供了統一的、可學習的、可轉移的表示。ULTRA使用圖神經網路和NBFNet的修改版本。它不學習針對下游圖譜的特定實體和關係嵌入,而是基於關係之間的互動獲得相對關係表示。
需求人群：
["知識圖譜推理","連結預測","圖神經網路","預訓練模型"]
使用場景示例：
使用預訓練檢查點ultra_4g.pth在WN18RR資料集上進行零樣本推理:
python run.py -c config/transductive/inference.yaml –dataset WN18RR –epochs 0 –ckpt ckpts/ultra_4g.pth
在自定義知識圖譜上微調預訓練檢查點ultra_4g.pth:
python run.py -c config/custom_graph.yaml –dataset MyGraph –epochs 20 –ckpt ckpts/ultra_4g.pth
產品特色：
可以使用提供的預訓練檢查點對任何圖譜(包括自定義圖譜)進行零樣本推理和微調
支援多GPU訓練和推理
可以在自定義的圖譜混合上預訓練ULTRA
可以順序評估多個資料集
可以使用預訓練檢查點對自定義知識圖譜進行推理和微調