我正在尝试使用对象之间的关系来进行监督学习任务。 例如，给定像“猫吃鱼”这样的文本，我想使用Cats-eat-fish作为学习任务的特征（即识别单词的意义）。因此，我希望以数字方式表示这种关系，以便我可以将其用作学习模型的特征。关于如何实现这一目标的任何建议。我正在考虑将它散列为一个整数，但这可能会带来两个关系在语义上相同的挑战，同样可能有两个非常不同的散列值。理想情况下，我希望两个相似的关系（例如生命和居住）散列到相同的值。我想我还需要弄清楚我是否可以在哈希之前规范化关系。
其他可能不使用数字特征的方法也很有用。我也想知道是否有基于图形的方法解决这个问题。
答案 0 :(得分：0)
我建议为所有可能的关系类型制作（非常大的数字）二进制特征，然后可能在生成的（非常稀疏的）特征空间上运行某种形式的维数减少。
另一种可以减少稀疏性的方法是用实体类型替换裸字，例如[animal]吃[animal]，甚至[animate]吃[animate]，然后使用二进制特征在这个空间里。您希望避免映射到单个维度上的数值，因为如果这样做，您将在要素之间强加虚假的序数关系。
答案 1 :(得分：0)
如何通过能够表达动词前面的典型单词（通常是主语）和动词后面的典型单词（通常是对象）来表示动词。假设您可以采用500个最常用的单词（甚至更好的最具辨别力的单词），那么每个动词将被表示为1000维向量。向量中的每个特征可以是二进制（是否有频率高于某个阈值的单词），或纯数，或者最好是对数。然后，您可以运行PCA将向量缩小到更小的维度。
上述方法是概率性的，根据您的需要可能有好有坏。如果您想通过大量手动输入精确地完成它，那么请查看情境语义。