FB15k-237: un tensor para completar, no para comprimir

Un grafo de conocimiento es un conjunto de hechos (sujeto, relación, objeto). El conjunto de entrenamiento de FB15k-237 es un tensor binario de 14 505 × 237 × 14 505: cincuenta mil millones de celdas, un cuarto de millón de unos, una densidad de unos 5 × 10⁻⁶. Toutanova y Chen (2015) lo recortaron de FB15k quitando relaciones casi duplicadas e inversas.

El trabajo es completar: puntuar hechos que nadie registró. No observado no es falso (nadie registró la mayoría de los hechos verdaderos), así que los modelos se entrenan con una pérdida de ranking o de clasificación sobre hechos observados, no con mínimos cuadrados sobre todas las celdas.

Las relaciones se dividen limpiamente. La mayoría, con unas cuatro de cada cinco tripletas, son direccionales: su inverso nunca aparece. En ellas solo un 3 % de los pares está expuesto (el objeto también es sujeto de esa relación, o el sujeto es objeto). La excepción es una jerarquía: en /location/location/contains, cuatro de cada cinco pares están expuestos.