知识图谱中的lhs和rhs怎么理解？

在看别人代码的时候总是出现lhs、rhs的字眼，猜测是约定俗成的命名方式。

反向边

知识图谱嵌入中，经常会增加一个反向边，从而将三元组（h, r, t）转化为（t, r_reverse, h）的形式。

应用场景

• 在链接预测中，包含了实体预测和关系预测两种，其中实体预测又分为头实体预测、尾实体预测。
• 对于头实体预测，我们可以将其转化为尾实体预测的形式，即可以通过添加反向边的方法来实现

为什么要转化为尾实体预测呢？

1. 统一实体的预测形式，方便代码实现

在代码层面来说，既有头实体预测，又有尾实体预测，需要分两种情况来讨论，大大增加了代码量且感觉有点冗余
【补充：尾实体预测的原理是，给定h和r，然后将所有实体代入t的位置，从而计算每个实体作为t的置信度分数】

2. 反向边的作用

一是提高知识图谱的查询（在嵌入部分可能体现得不明显），二是反向边可以补充正向边所缺失的信息，尤其对于少见或冷门的知识，这种补充作用更加明显（来源chatgpt平替版）。

lhs和rhs分别代表什么？

贴两段代码感受一下，第一段：这里的lhs、rel、rhs分别代表头实体、关系、尾实体，后续转化为对应的实体id、关系id

for line in to_read.readlines():
    lhs, rel, rhs = line.strip().split('\t')    # h,r,t
    entities.add(lhs)
    entities.add(rhs)
    relations.add(rel)

第二段：这里的lhs是指以（t，rr）为key值，h为value的字典列表，rhs是指以（h，r）为key值，t为value的字典列表。
其中，rel为关系id，（rel + n_relations）可以理解成反向边的id

for lhs, rel, rhs in examples:
    to_skip['lhs'][(rhs, rel + n_relations)].add(lhs)
    to_skip['rhs'][(lhs, rel)].add(rhs)

就第二段代码而言，lhs构造头实体预测的数据集，rhs构造尾实体预测的数据。
也可以记忆成，lhs中l是预测方向往左，rhs中的r是预测方向往右

以上是我在学习知识图谱嵌入过程中遇到的疑问之一，记录下来方便忘了的时候查询