基于 OpenKE-PyTorch 开发的知识图谱嵌入工具包，支持跨平台运行，具备自动超参数搜索、高效并行训练以及实验结果记录功能，为研究与应用提供强大助力。

教程和 API 参考文档可以访问 unike.readthedocs.io。

• 📁 unike/
  UniKE 源代码保存在 unike/
• 📚 docs/
  所有的文档源文件保存在 docs/，所有的 *.rst 构成了文档中的各个部分
• 🌰 examples/
  UniKE 的例子保存在 examples/，修改自 OpenKE-PyTorch
• 📍 docs/_static/logs/
  UniKE 的例子运行日志保存在 docs/_static/logs/
• 💡 benchmarks/
  常用的知识图谱保存在 benchmarks/
• 📜 README.rst
  项目主页

如果你有任何问题，可以在 Github issue 提问。

使用 pip

pip install unike

• 1.0.0 版本: 利用 C++ 重写底层数据处理、C++11 的线程库实现并行、pybind11 实现 Python 和 C++ 的交互，进而能够做到跨平台 (Windows, Linux)
• 2.0.0 版本: 使用 Python 重写底层数据处理，进而能够做到跨平台 (Windows, Linux)
• 增加了文档

• 增加了 R-GCN模型
• 增加了 CompGCN模型
• 修复了 SimplE模型实现的问题
• 修复了 HolE 深度学习框架（pytorch）的版本适配问题

• 使用 torch.nn.parallel.DistributedDataParallel 完成数据并行（2.0.0 版本 使用 accelerate 实现），使得 UniKE 能够利用多个 GPU 同时训练
• 增加超参数扫描功能（随机搜索、网格搜索和贝叶斯搜索）

• 在模型训练过程中，能够在验证集上评估模型（模型能够一次评估多个三元组（batch），能够大大加速模型评估）
• 增加了学习率调度器
• 能够利用 wandb 输出日志
• 实现了早停止
• 能够自定义 Hits@N

如果您发现 UniKE 对您的研究有用，请考虑使用以下 BibTeX 模板引用 UniKE：

@misc{UniKE,
   author = {Lu, Yanfeng and Hou, Fengzhen},
   year = {2024},
   note = {https://github.com/CPU-DS/UniKE},
   title = {UniKE: An Open Source Library for Knowledge Graph Embeddings}
}

该仓库主要由 Yanfeng Lu，Fengzhen Hou 提供（按时间顺序排列）。