evaluating_embeddding_align
根据OpenEA等实体对齐的表示学习模型产生embeding 统计[Recall], [PE]结果，生成候选实体对集合。
Requirements
python
Run
将文件download到59.64.xx.xx服务器上。
运行lsh_falconn.py 里static_openea_mode()
三个功能：
-
根据thresdshold统计结果，生成候选对。(注意，这里threshold是Metric Distance在threshold以下)
-
根据top-k统计结果，生成候选对。
-
直接计算hits@k值。
说明：falconn本身计算的Metric只有
euclidean(欧氏距离)和inner(向量内积)两种。如果想用Cosine相似度计算评价，则先通过L2 Normalization, 后采用euclidean，则余弦距离就和欧几里得距离，余弦相似度三者之间有如下关系：
