FB15k-237是知识图谱Freebase的子集，15k表示其中知识库中有15k个主题词，237表示共有237种关系。

一、FB15K-237的知识库

整个Freebase知识图谱共有19亿个三元组，如下图。

而FB15k-237的知识库是从Freebase中取出一小部分主题词组成的子图，它的统计数据如下：

主题词总数	14505
三元组总数	544230
关系的种类数	474
每个主题词的平均三元组数	37.5
每个主题词的平均关系数	10.3
每个关系连接的平均实体数	3.57

 注：

[1] FB15k存在着正反关系，他们意义相同，指向相反。上表的统计数据中，将一对正反关系视为不同的关系，因此统计数为237*2=474。

FB15k-237又被拆分成train、valid、test三个子集用于训练与验证，统计数据如下

统计属性\集合	train	valid	test
主题词总数	13781	7652	8171
三元组总数	272115	17535	20466
关系的种类数	237	223	224
每个主题词的平均三元组数	19.75	2.29	2.50
每个主题词的平均关系数	6.78	1.58	1.68
每个关系连接的平均实体数	2.91	1.45	1.49

注：

[1] train、valid、test集中，不存在反向关系，因此关系数最多为237。 

二、FB15K-237的问题集

知识图谱(graph)有544230个三元组、train有272115个三元组、test中有20466个三元组、dev中有17535个三元组。它们都是从freebase的所有三元组的子集，其中：

train的三元组全部包含在graph内；

test和dev的三元组都不在graph或train内；

链路预测/知识图谱补全分为两种补全类型，不妨设已知(h,r)预测t，一种是在原KG中（train）h存在r这条边，但是ground-truth的t不在(h,r)后（缺失答案实体）；另一种是原KG中的h不存在r这条边（缺失边）。当然还有一种，h不存在KG中（缺失问题实体），理论上就无法预测了，不讨论。详细情况如下表：

任务	数据集	容量	缺失问 题实体	缺失边	缺失答 案实体
预测尾实体	test	20466	75	4806	15585
	valid	17535	44	4150	13341
预测头实体	test	20466	87	1913	18466
	valid	17535	60	1531	15944

可见，作为一个链路预测的数据集，test和dev相对于train，多了未知的实体间的连接关系，而实体集是不变的。

三、FB15K-237中的一对多的三元组

FB15K中的三元组有很多不是“一对一”的，很多是“多对一”和“一对多”的。

下表是一对多关系与多对一关系的平均连接的实体数目

集合\关系	一对多	多对一
train	6.41	8.67
valid	3.53	5.94
test	3.58	5.96

一对多：某个地方包含某些地方

多对一：某些人的性别为男

具体例子如下：

一对多：

(2008 Summer Olympics, participating_countries, Djibouti)

(2008 Summer Olympics, participating_countries, Mauritania)

 多对一：

(The Last King of Scotland, /film/genre, War film)

(Legends of the Fall, /film/genre, War film)

(Henry V, /film/genre, War film)