关于同学们咨询的知识图谱中关系预测问题，大家可以用AmpliGraph实现。
AmpliGraph是埃森哲实验室开发的一个基于TensorFlow的开源库，用于预测知识图谱中概念之间的联系。它是一个神经机器学习模型的集合，用于统计关系学习（statistical relational learning）(SRL)(也称为关系机器学习)--这是AI/ML的一个子学科，涉及对知识图谱的监督学习。AmpliGraph有以下特征：（1）从现有知识图谱中发现新知识；（2）使用缺少的语句来完成大型知识图谱；（3）生成独立的知识图谱嵌入；（4）开发和评估新的关系模型。
AmpliGraph库提供的ML模型可以创建知识图谱嵌入（KGEs）。
图片来自AmpliGraph
在上面的知识图谱中，某些实体之间并没有通过某些关系直接联系起来，例如，没有显示 "Acme Inc "和 "Liverpool "如何通过 "basedIn "关系联系起来的信息。AmpliGraph将上述KGE与一些评分函数相结合，对新的链接进行预测。
例如，它预测Acme Inc在利物浦的概率为85%，可以表示为：
图片来自AmpliGraph
具体实施实现
比如在GoT知识图谱中发现新关系。
下载地址
https://ampligraph.s3-eu-west-1.amazonaws.com/datasets/GoT.csv
数据集如图
（1）安装Ampligraph库
!pip install ampligraph
（2）导入所需的库
（3）下载数据集
（4）获取数据集中存在的唯一实体
（5）获取实体之间唯一关系的名称
（6）从数据集中创建训练和测试集
（7）建模并训练
（8）拟合模型
（9）新的链接预测
通过应用嵌入模型对预测的三元组进行排名
预测链接
预测值转换为0-1范围内的概率
预测结果
（10）使用Tensorboard可视化知识图谱
参考：
AmpliGraph: a Library for Representation Learning on Knowledge Graphs（2019）
https://doi.org/10.5281/zenodo.2595043
https://docs.ampligraph.org/en/1.3.2/
