#有偿求助#了解 [强化学习知识推理] [知识图谱补全] 的大佬看过来

[teemocat]

有了解顶会 DeepPath AttnPath minerva 的大佬吗？强化学习知识推理、知识图谱补全方向的

现在卡在 [把 LSTM 加到 DeepPath 里] ，但是加不进去

有没有能解决这个问题的技术大牛，可以有偿 QAQ

[teemocat]

[这里是不是不能发图片哇？]

Deeppath 是将知识图谱中知识推理过程转化为马尔可夫序列决策过程
agent 和环境交互 接受状态 s （使用 transE ，编码为 et-e0 ，即目标状态的向量表示减去当前状态的向量表示），通过最终是否能成功到达目标给予奖励，使用三层全连接神经网络进行参数更新，其中 agent 每次从一个状态（节点）到达下一个状态时，会通过动作空间选择一个动作，决定下一个动作如何选择

action_prob = tf.nn.softmax(tf.matmul(h2,w3) + b3) 策略网略（即三层全连接神经网络，两层 relu 一层 softmax ）是适用参数得出动作概率矩阵的

policy_nm.update(np.reshape(state_batch,(-1,state_dim)),total_reward,action_batch)
这个是每个 episode 之后，根据 agent 是否能到达目标节点，结合系统给出的奖励对参数进行更新的


[我的问题是 现在想将状态空间的编码加一个三层 LSTM 以记忆之前的状态与现在的联系]


输入策略网路的状态编码变为 st=（ ht ，wt ）

以下是我定义的 lstm 网络函数
def lstmm(state):
cells = []
for _ in range(2):
lstm_cell = tf.contrib.rnn.LSTMCell(200, use_peepholes=True,
state_is_tuple=True) # 2*50
cells.append(lstm_cell)
policy_step = tf.contrib.rnn.MultiRNNCell(cells, state_is_tuple=True)
init_state = policy_step.zero_state(1, dtype=tf.float64)
input_lstm = tf.reshape(state, [-1, 1, 200])
outputs, state = tf.nn.dynamic_rnn(policy_step, input_lstm, initial_state=init_state, dtype=tf.float64)
h_state = outputs[:, -1, :]
return h_state

我想接受到的输入是上一个状态的向量表示 prestate_vec 输出是一个带有之前状态信息的向量表示 但 LSTM 的输出不是很理解 它的两个输出的格式也有点晕.....

[我的需求是输出一个可以带有之前每一个状态信息的输出的话，是否应该像这个图的 lstmm 网络定义这样 还是说哪些地方要改]

[teemocat]

有人懂吗……

[teemocat]

有人懂吗……