知识图谱，Hits@1 < 10%

最近在学习知识图谱，图嵌入向量，发现推理模型中，Hits@1 基本上都 < 10%，这证明，每十个推理中，只有一个的最优值是目标值，效果这么差，为什么图嵌入推理还在知识图谱里这么流行呢？初学者，可能理解有偏差

知识图谱嵌入研究忽略了概率标定问题。
流行的知识图谱嵌入模型没有校准。
知识图谱嵌入得到分数的概率都是不可靠的。

所以需要你去改进 流行是因为第一个提出的 所以入门都是先研究这个

RuleBase

• 当RuleBase中有规则添加或删除，利用观察者模式实现，一旦有变动，规则引擎其他组件也做出相应的改变。
• 学习思想：当一个应用中涉及多个组件，为了实现易扩展，解耦思想。可以利用观察者模式实现。基于易变动的数据结构中加入监听者，监听者依据被监听者的变动动作，定义自己的动作。在监听者内部通知其他组件做出相应改变。实现面向对象的思想。组建之间实现了解藕

语义推理
在实际应用场景中，我们发现要实现视频的深度语义理解，在纯感知技术的基础上，知识发挥着重要的价值。比如上面的短视频片段，从内容理解来看，传统的视频理解更多是基于感知，比如通过人脸识别和从OCR识别出关键词/字。在实际场景中我们发现这些效果上还有较大优化空间，同时，这样识别出的结果没有刻画出用户对视频核心的细粒度兴趣，比如影视剧的角色、关系等知识。但是基于知识图谱的语义理解就可以解决这类的问题，它能够对视频做深度结构化的解析，然后上层的推荐、搜索可以应用这些知识作为特征辅助内容的高效分发。

图嵌入形式推理
主要用于整合事实信息、整合附加信息和KGE下游任务应用

所以图嵌入推理有自己适合的场景，有不可替代的应用场景。

如有帮助，请采纳，十分感谢！

Hits@K 或简称 H@K，是衡量在前 K 个模型预测中找到正确预测的概率的性能指标。通常，用得最多的是k = 10.（Hits@10）
Hits@K 反映了嵌入模型正确预测两个给定三元组之间关系的准确性。
Hits@1表示一个模型，自然而然效果差！