OpenKE 的使用（三）— Rescal 和 Dismult 论文复现
前言： 之前踩了VM中ubuntu不能使用Nvidia驱动的坑，于是我在安装好Windows+Ubuntu双系统，并在Ubuntu 20.04子系统中配置好深度学习环境后，终于得以成功使用OpenKE对KGE模型进行复现，本篇主要是关于Rescal模型和Dismult模型的实现，如下是我实验的环境，论文原文，我对论文的理解和OpenKE的GitHub地址
Environment： 联想R7000P，Ubuntu 20.04(子系统)，Pytorch，cuda 11.5，cuDNN，OpenKE
Paper： Rescal 模型 和 Dismult 模型
Paper Understanding：Rescal 和 Dismult，知识图谱嵌入（KGE）论文阅读
Download from Github：
git clone -b OpenKE-PyTorch https://github.com/thunlp/OpenKE
说明： git clone -b OpenKE-PyTorch https://github.com/thunlp/OpenKE命令如果执行出错，可以参考OpenKE 的初步探索（VM 中的 Ubuntu 踩坑）的准备工作：VM 中 Ubuntu 20.04 系统 git 的配置及与 github 的连接部分，虽然是在VM中Ubuntu系统中的配置，但是原理和操作都是一样的
OpenKE中各种模型的统一评价指标： KGE性能指标：MRR，MR，HITS@1，HITS@3，HITS@10
Rescal
数据集：FB15K237
手动复制examples文件夹中的train_rescal_FB15K237.py到OpenKE目录下，并在此处打开终端
使用的命令如下：
python train_rescal_FB15K237.py
历经1000个epoch，得到结果，效果和预期差距比较大
Dismult
数据集：WN18RR_adv
手动复制examples文件夹中的train_distmult_WN18RR_adv.py到OpenKE目录下，并在此处打开终端
使用的命令如下：
python train_distmult_WN18RR_adv.py
历经400个epoch，得到结果
数据集：WN18RR
手动复制examples文件夹中的train_distmult_WN18RR.py到OpenKE目录下，并在此处打开终端
使用的命令如下：
python train_distmult_WN18RR.py
历经2000个epoch，得到结果
论文中，双线性模型(Bilinear)和关系矩阵限制为对角矩阵的双线性模型（Dismult）在FB15k，FB15k-401和WN数据集上的表现如下
