PyKEEN项目中加载预训练ComplEx嵌入时的形状不匹配问题解析

在知识图谱嵌入领域，PyKEEN是一个广泛使用的开源库。本文将深入分析在使用PyKEEN加载预训练的ComplEx模型嵌入时遇到的形状不匹配问题，并提供解决方案。

问题背景

ComplEx是一种基于复数空间的知识图谱嵌入模型，它将实体和关系表示为复数向量。与实数模型不同，ComplEx需要特殊处理复数表示。在PyKEEN中，复数向量被存储为具有额外维度的实数张量，以便与PyTorch框架兼容。

问题现象

当尝试使用PretrainedInitializer加载预训练的ComplEx嵌入时，会出现形状不匹配错误。具体表现为：

• 预期形状：[实体数, 嵌入维度]（如[4818298, 512]）
• 实际形状：[实体数, 嵌入维度, 2]（如[4818298, 512, 2]）

根本原因

这种差异源于PyKEEN内部对复数嵌入的特殊处理方式：

1. PyKEEN使用PyTorch的view_as_real函数将复数向量转换为实数表示
2. 每个复数被分解为实部和虚部两个实数分量
3. 因此，d维复数向量被存储为d×2的实数矩阵

解决方案

要正确加载预训练的ComplEx嵌入，需要以下步骤：

1. 确保预训练嵌入以复数形式存储
2. 使用torch.view_as_real函数将复数张量转换为实数表示
3. 使用转换后的张量初始化PretrainedInitializer

示例代码如下：

# 加载预训练嵌入
entity_embeddings = torch.from_numpy(np.load(entity_embeddings_path))
relation_embeddings = torch.from_numpy(np.load(relation_embeddings_path))

# 转换为PyKEEN期望的格式
entity_embeddings = torch.view_as_real(entity_embeddings)
relation_embeddings = torch.view_as_real(relation_embeddings)

# 创建模型
model = ComplEx(
    triples_factory=train_factory,
    embedding_dim=512,
    entity_initializer=PretrainedInitializer(tensor=entity_embeddings),
    relation_initializer=PretrainedInitializer(tensor=relation_embeddings)
)

内存优化建议

处理大型嵌入时（如Wikidata5M），内存消耗可能很高。可以考虑以下优化：

1. 使用内存映射方式加载大型numpy数组
2. 分批处理嵌入数据
3. 确保系统有足够交换空间

总结

理解PyKEEN中复数嵌入的特殊存储方式是解决此类问题的关键。通过正确转换预训练嵌入的格式，可以成功加载ComplEx模型。这一经验也适用于其他需要处理复数表示的机器学习场景。