【阅读笔记】：End-to-end Structure-Aware Convolutional Networks for Knowledge Base Completion

      为解决知识图谱（KG）中三元组不完整问题，本文结合加权图卷积神经网络（WGCN）和Conv-TransE两个模块，提出了SACN（Structure-Aware Convolutional Networks）模型。SACN通过WGCN来建模KG中的实体和关系，提取实体特征，然后输入至ConvE中使实体满足KG三元组约束，得到实体的embedding表示。通过实验证明，在FB15k-237和WN18RR数据集上超越了之前最佳模型效果的10%，是当前的SOTA模型。      为解决知识图谱（KG）中三元组不完整问题，本文结合加权图卷积神经网络（WGCN）和C