LibKGE面向可复现研究的知识图谱嵌入库

项目简介

LibKGE is a PyTorch-based library for efficient training, evaluation, and hyperparameter optimization of knowledge graph embeddings (KGE). It is highly configurable, easy to use, and extensible. Other KGE frameworks are listed below.

原始条目将其归入“知识图谱”。这一分类适合作为检索入口，但不自动代表项目覆盖该主题的全部环节。实际输入输出、训练或推理流程、数据许可、部署方式和生产可用性，应继续以原始页面、代码及测试结果为准。

实时核验摘要

本次共检查 1 个原始链接，其中 1 个取得可确认页面证据，0 个未取得有效证据。本文新增事实只来自这些当前可访问页面；原始汇总表内容与实时页面证据不一致时，以页面证据和“待核实”边界为准。

• 确认名称：kge
• 可确认技术栈：Python、PyTorch、CUDA
• 维护判断：页面未见归档标记；最近可见提交时间为 2021-06-09T08:49:20.000Z。该时间只能说明页面活动记录，不能单独证明仍在持续维护。
• 版本信息：未从当前页面确认正式发布版本，待核实
• 许可证：MIT

项目特色

LibKGE is a PyTorch-based library for efficient training, evaluation, and hyperparameter optimization of knowledge graph embeddings (KGE). It is highly configurable, easy to use, and extensible. Other KGE frameworks are listed below.

这里的“特色”只复述当前页面或原始条目中能够找到证据的差异点，不把仓库热度、名称、未复现的指标或第三方宣传当作能力证明。若用于方案选型，仍需用自己的数据和评价指标验证。

核心功能

LibKGE is a PyTorch-based library for efficient training, evaluation, and hyperparameter optimization of knowledge graph embeddings (KGE). It is highly configurable, easy to use, and extensible. Other KGE frameworks are listed below.

可确认范围之外的功能均为待核实，尤其是 API 稳定性、批处理能力、跨语言覆盖、在线服务、模型精度、吞吐、资源消耗和异常处理。页面示例只能证明作者提供过相应入口，不能替代端到端验收。

技术栈与资料范围

页面可确认或明确提及的技术：Python、PyTorch、CUDA。

数据/资料范围：download and preprocess datasets

若页面未列明数据来源、标注规范、拆分方法、预训练模型版本或运行环境，这些项目均为待核实。涉及知识图谱、语料或模型文件时，还应分别核对代码许可证、数据条款和上游模型许可，不能只看仓库主许可证。

安装或使用入口

• git clone https://github.com/uma-pi1/kge.git
• pip install -e .
• python preprocess/preprocess_default.py toy

这些命令仅按当前页面展示原样记录；执行前仍应检查 README 上下文、依赖版本、模型或数据下载位置，不把示例命令等同于生产部署方案。

建议在隔离环境中从最小示例开始，固定依赖和代码提交，再记录输入样例、输出结构与失败信息。对年代较早的项目，旧版 Python、深度学习框架或系统依赖可能与当前环境不兼容。

适用场景

该条目适合用于“知识图谱”主题下的资料检索、教学演示、研究复现或原型对比。是否适合业务系统取决于领域数据、准确率要求、延迟、可解释性、合规约束与维护成本；这些结论不能仅由 README 或原始汇总描述给出。

若目标与页面展示的数据域、语言或任务定义不一致，应把它视为参考实现而非直接可用组件。知识图谱类资源还需验证实体规范、关系模式、更新机制和查询接口；抽取类资源需重点验证标签体系、分词/切分方式与错误边界。

实践建议

1. 先保存本次使用的提交、版本、依赖与数据来源，建立可复现基线。
2. 通读 README、许可证、issue 与示例代码，确认入口没有依赖失效的外部文件。
3. 用少量自有样本做冒烟测试，检查编码、长文本、空输入、未知实体和异常路径。
4. 采用与业务一致的评价口径，不直接复用页面中缺少复现实验条件的性能数字。
5. 准备替代方案；若仓库长期无更新或依赖陈旧，先评估迁移与安全维护成本。

优势与限制

优势在于原始链接提供了可追溯入口，本次核验又补充了当前页面身份、技术线索、安装入口、维护时间与许可状态，便于快速判断是否值得进一步试用。项目特色有明确证据边界，可作为候选方案的第一轮筛选依据。

限制是页面证据不等同于独立测试：未验证的性能、完整兼容矩阵、数据质量、长期稳定性、安全性与商业使用条件仍为待核实。最近提交时间也不等同于维护承诺；没有正式 release 时，不应自行假定版本成熟度。

维护状态、版本与许可证

页面未见归档标记；最近可见提交时间为 2021-06-09T08:49:20.000Z。该时间只能说明页面活动记录，不能单独证明仍在持续维护。

版本：未从当前页面确认正式发布版本，待核实；许可证：MIT。

许可证字段仅记录当前首要页面可见信息。若许可证缺失或数据、模型、文档分别适用不同条款，复制、修改、再分发或商业使用前必须继续核对；本文不提供法律意见。

原始链接

• https://github.com/uma-pi1/kge

原始项目名：LibKGE面向可复现研究的知识图谱嵌入库；原始描述：。；原始章节：知识图谱；原始行号：512。

逐站访问结果

状态含义：verified 为原地址取得并确认身份；redirected 为跳转后仍能确认同一项目；skipped 为按规则跳过；unrelated 为页面与项目无关；error 为访问或页面错误。HTTP 状态无法由当前访问面确认时写“待核实”，不补猜数值。

核验清单

• slug 保持为 libkge，未改名、未合并项目。
• 已保留 1 条原始链接，并为每条生成独立 sourceCheck。
• 正式名称、页面类型、核心功能、技术/数据、安装入口、维护状态、版本与许可证均按可见证据填写，未知项标记为“待核实”。
• 已提炼至少一个有证据边界的项目特色；无证据时使用规范缺省说明。
• 未把作者声称的性能、热度或示例参数扩展成未经复现的结论。

原始条目存档

名称：LibKGE面向可复现研究的知识图谱嵌入库

描述：。

链接：https://github.com/uma-pi1/kge