TransE
加号是大于0取原值，小于0则为0。我们叫做合页损失函数(hinge loss function)，这种训练方法叫做margin-based ranking criterion。
来自SVM支持向量机，要将正和负尽可能分开，找出最大距离的支持向量。同理，TransE也是如此，我们尽可能将对的和错的分开。
整个TransE模型的训练过程比较简单，首先对头尾节点以及关系进行初始化，然后每对一个正例取一个负例样本（本文负例选取方式为固定中间的relation，头尾节点任意替换一个），然后利用hinge loss function尽可能使正例和负例分开，最后采用SGD方法更新参数。