基于transH的知识图谱嵌入应当如何划分训练集和测试集

在基于TransH的知识图谱嵌入中，一般将知识图谱中的三元组按照一定的比例划分为训练集和测试集。一般的做法是，将知识图谱中的三元组随机划分为训练集和测试集，其中训练集用于训练模型，测试集用于评估模型的性能。

具体的划分比例可以根据实际情况进行调整，一般来说，训练集占据整个知识图谱的比例要高于测试集，例如可以将知识图谱划分为70%的训练集和30%的测试集。

在划分训练集和测试集时，需要注意保证训练集和测试集中的实体和关系是相互独立的，即测试集中不存在训练集中已经出现过的实体和关系。这是为了保证模型的泛化能力和推广能力，避免出现过拟合或者欠拟合等问题。

在OpenKE中，可以使用TrainDataLoader和TestDataLoader两个类来加载训练集和测试集数据，并进行模型训练和测试。具体的使用方法可以参考OpenKE的官方文档。