معرفی شرکت ها
box-embeddings-0.1.0
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
Pytorch and Tensorflow implemention of box embedding models
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | box-embeddings-0.1.0 |
| نام | box-embeddings |
| نسخه کتابخانه | 0.1.0 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Dhruvesh Patel, Shib Sankar Dasgupta, Michael Boratko, Purujit Goyal, Tejas Chheda, Trang Tran, Xiang (Lorraine) Li |
| ایمیل نویسنده | 1793dnp@gmail.com |
| آدرس صفحه اصلی | http://www.iesl.cs.umass.edu/box-embeddings/ |
| آدرس اینترنتی | https://pypi.org/project/box-embeddings/ |
| مجوز | - |
Open-source library for Box Embeddings and Box Representations, built on PyTorch & TensorFlow.
<p align="center">
<img src="/images/boxes.png">
</p>
## Status
  [](https://mybinder.org/v2/gh/iesl/box-embeddings/dev/main)
## Installation
### Installing via pip
The preferred way to install Box Embeddings is via `pip`. Just run `pip install box-embeddings`
### Installing from source
You can also install Box Embeddings by cloning our git repository
```
git clone https://github.com/iesl/box-embeddings
```
Create a Python 3.7 or 3.8 virtual environment, and install Box Embeddings in editable mode by running:
```
pip install --editable . --user
pip install -r core_requirements.txt
```
## Package Overview
| Command | Description |
| --- | --- |
| `box_embeddings` | An open-source library for NLP or graph learning |
| `box_embeddings.common` | Utility modules that are used across the library |
| `box_embeddings.initializations` | Initialization modules |
| `box_embeddings.modules` | A collection of modules to operate on boxes|
| `box_embeddings.parameterizations` | A collection of modules to parameterize boxes|
## Citing
1. If you use simple hard boxes with surrogate loss then cite the following paper:
```
@inproceedings{vilnis2018probabilistic,
title={Probabilistic Embedding of Knowledge Graphs with Box Lattice Measures},
author={Vilnis, Luke and Li, Xiang and Murty, Shikhar and McCallum, Andrew},
booktitle={Proceedings of the 56th Annual Meeting of the Association for
Computational Linguistics (Volume 1: Long Papers)},
pages={263--272},
year={2018}
}
```
2. If you use softboxes without any regularizaton the cite the following paper:
```
@inproceedings{
li2018smoothing,
title={Smoothing the Geometry of Probabilistic Box Embeddings},
author={Xiang Li and Luke Vilnis and Dongxu Zhang and Michael Boratko and Andrew McCallum},
booktitle={International Conference on Learning Representations},
year={2019},
url={https://openreview.net/forum?id=H1xSNiRcF7},
}
```
3. If you use softboxes with regularizations defined in the `Regularizations` module then cite the following paper:
```
@inproceedings{
patel2020representing,
title={Representing Joint Hierarchies with Box Embeddings},
author={Dhruvesh Patel and Shib Sankar Dasgupta and Michael Boratko and Xiang Li and Luke Vilnis
and Andrew McCallum},
booktitle={Automated Knowledge Base Construction},
year={2020},
url={https://openreview.net/forum?id=J246NSqR_l}
}
```
4. If you use Gumbel box then cite the following paper:
```
@article{dasgupta2020improving,
title={Improving Local Identifiability in Probabilistic Box Embeddings},
author={Dasgupta, Shib Sankar and Boratko, Michael and Zhang, Dongxu and Vilnis, Luke
and Li, Xiang Lorraine and McCallum, Andrew},
journal={arXiv preprint arXiv:2010.04831},
year={2020}
}
```
The code for this library can be found [here](https://github.com/iesl/box-embeddings).
## Contributors
* Dhruvesh Patel [@dhruvdcoder](https://github.com/dhruvdcoder)
* Shib Sankar Dasgupta [@ssdasgupta](https://github.com/ssdasgupta)
* Michael Boratko [@mboratko](https://github.com/mboratko)
* Xiang (Lorraine) Li [@Lorraine333](https://github.com/Lorraine333)
* Trang Tran [@trangtran72](https://github.com/trangtran72)
* Purujit Goyal [@purujitgoyal](https://github.com/purujitgoyal)
* Tejas Chheda [@tejas4888](https://github.com/tejas4888)
## Contributions
We welcome all contributions from the community to make Box Embeddings a better package.
If you're a first time contributor, we recommend you start by reading our
[CONTRIBUTING.md](https://github.com/iesl/box-embeddings/blob/main/.github/CONTRIBUTING.md) guide.
## Team
Box Embeddings is an open-source project developed by the research team from the
[Information Extraction and Synthesis Laboratory](http://www.iesl.cs.umass.edu/) at the
[College of Information and Computer Sciences (UMass Amherst)](https://www.cics.umass.edu/).
نیازمندی
| مقدار | نام |
|---|---|
| >=1.6.0 | torch |
| - | numpy |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.5 | Python |
نحوه نصب
نصب پکیج whl box-embeddings-0.1.0:
pip install box-embeddings-0.1.0.whl
نصب پکیج tar.gz box-embeddings-0.1.0:
pip install box-embeddings-0.1.0.tar.gz