【大数据】Knowledge structure

最新推荐文章于 2024-05-29 21:36:50 发布
原创 最新推荐文章于 2024-05-29 21:36:50 发布 · 649 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#大数据

经过一学年的Extremecomputing学习，在爱丁堡大学深造的作者试图整理并理解整个领域的知识框架。未来计划分享各部分内容的理解。

在爱丁堡大学学习结束Extreme computing 之后懵逼一学年，终于试图梳理清楚整个知识脉络，希望可以给自己一个框架，也希望可以帮助到别人。以后如果有时间的话，我会把各个部分的内容都写下来自己的理解

社交媒体中的表情符号结合大数据 AI 的研究 Analyzing Emoji Use in Social Media Posts Insights
08-07 2076
在社交媒体中，由于使用了表情符号表述自己的情感，使得用户对某类产品或服务表达出的态度更加直观、生动。在这一领域，研究人员需要收集和分析社交媒体上的文字和图片数据，以此探索用户对于 popular emojis 的态度倾向及其产生的影响。此研究项目由微软亚洲研究院合作伙伴 Trinea Institute of Technology Research Labs 和 Emotibot 团队联合主办。Emotibot 是一种基于 AI 技术的自然语言处理工具，旨在将复杂的语言表达式转换为易于理解的文本特征。
Knowledge graph embedding with hierarchical relation structure
羊城迷鹿的博客
01-04 1211
研究问题 利用知识图谱中关系的层次结构来提升模型的性能 背景动机 传统方法直接将关系转换为向量表示，没有利用到其中的层次结构信息 论文认为知识图谱中的关系有三层层次结构：relation clusters, relations and subrelations。语义上相似的relation如 producerOf和directorOf都描述了某人和电影间的关系，就可以构成relation clusters，从而形成知识共享；subrelations指的是同一relation的不同语义，比如partOf在(
前端知识结构(Frontend Knowledge Structure)
soindy
08-31 2142
Frontend Knowledge Structure 前端知识体系结构及学习资料 前端学习切勿跟风! 因为前端框架的更新几乎以周为频率.尤其对于新手而言,与其追一些新出的框架,打好基础才是关键.学好JavaScript对以后使用一些工具或框架有很大的帮助.
《Structured Knowledge Distillation for Dense Prediction》论文笔记
m_buddy的博客
06-13 1835
代码地址：structure_knowledge_distillation 1. 概述 导读：这篇文章针对的是密集预测的网络场景（如语义分割），在之前的一些工作中对于这一类网络的蒸馏时照搬分类任务中那种逐像素点的蒸馏方式（相当于是对每个像素的信息分别进行蒸馏），文章指出这样的产生的结果并不是最优的（这样策略会忽视特征图里面的结构信息，像素信息之间是存在关联的），因而这篇文章提出了适应密集预测网络的蒸馏策略：1）pair-weise蒸馏：通过构建静态图（受pair-wise的马尔可夫随机场启发，增强特征图中
Knowledge Distillation for Segmentation 笔记
DreamLike_zzg的博客
05-22 865
目录 Inter-Region Affinity Distillation for Road Marking Segmentation （2020.04） Learning Lightweight Lane Detection CNNs by Self Attention Distillation （2019.08） Knowledge Adaptation for Efficient Semantic Segmentation（CVPR 2019） Inter-Region Affinity Di
【KGE】RotatE Knowledge Graph Embedding by Relational Rotation in Complex Space
devil_son1234的博客
07-19 2100
1. 前言 论文链接：https://openreview.net/forum?id=HkgEQnRqYQ github：https://github.com/DeepGraphLearning/KnowledgeGraphEmbedding 本文研究在知识图谱中学习实体和关系表示的问题，以预测缺少的链接。 此类任务的成功在很大程度上取决于建模和推断关系（或关系之间）模式的能力。 在本文中，提出了一种新的知识图谱嵌入方法 称为 RotatE，它能够建模和推断各种关系模式，包括：对称/反对称，反演和组成。
Knowledge Graph Embedding with Hierarchical Relation Structure
12-22
Knowledge Graph Embedding with Hierarchical Relation Structure 阅读报告
Knowledge Structure Enhanced Graph Representation Learning Model for Attentive Knowledge Tracing
qq_36291847的博客
11-15 641
知识追踪是在线学习系统中针对学习者的一种基本的个性化辅导技术。最近的KT方法采用了灵活的基于深度神经网络的模型，在这项任务中表现出色。然而，学习者练习数据的稀疏性仍然对KT的充分性提出了挑战。为了缓解稀疏性问题，大多数现有的KT研究都是在技能级别而不是问题级别上进行的，因为问题往往很多，与很少的技能相关。然而，在技能水平上，KT忽略了与问题本身及其关系相关的独特信息。在这种情况下，模型不能精确地推断学习者的知识状态，可能无法捕捉到练习序列中的长期依赖性。在知识领域，
新闻聚类和新闻分类hadoop+spark（燕山大学大数据三级项目 ）
最新发布
qq_63015047的博客
05-29 1248
由于上传到csdn结构比较混乱，可以进我的主页查看相应的资源，可以下载【免费】新闻聚类+新闻分类（hadoop+spark+scala）资源-优快云文库AbstractThis project aims at using Bayesian classification algorithm and K-Means algorithm to classify and cluster news. We use text data, including news headlines, content, etc.,
商业银行大数据审计的应用模式体系研究.docx
10-14
"5S"框架体系是指在大数据审计中，以"Standardize（标准化）、Structure（结构化）、Search（搜索）、Smart（智能）和Sustain（持续性）"为核心构建的应用模式。这个框架强调了审计标准的制定、数据的有序组织、快速...
《ROTATE: KNOWLEDGE GRAPH EMBEDDING BY RELATIONAL ROTATION IN COMPLEX SPACE》论文阅读
ptxx_p的博客
10-25 1166
发表于ICLR 2019。 ROTATE: KNOWLEDGE G RAPH E MBEDDING BY R ELA- TIONAL ROTATION IN COMPLEX S PACEabstract1.introduction2.related work3.RotatE：relational rotation in complex vector space3.1 modeling and inferring relation patterns3.2 modeling relations as rotat
RotatE：Knowledge Graph Embedding by Relational Rotation in Complex Space.pdf
08-09
We study the problem of learning representations of entities and relations in knowledgegraphsforpredictingmissinglinks. Thesuccessofsuchataskheavily relies on the ability of modeling and inferring the patterns of (or between) the relations. Inthispaper,wepresentanewapproachforknowledgegraphembedding called RotatE, which is able to model and infer various relation patterns including: symmetry/antisymmetry,inversion,andcomposition. Specifically,theRotatE modeldefineseachrelationasarotationfromthesourceentitytothetargetentity inthecomplexvectorspace. Inaddition,weproposeanovelself-adversarialnegativesamplingtechniqueforefficientlyandeffectivelytrainingtheRotatEmodel. Experimentalresultsonmultiplebenchmarkknowledgegraphsshowthattheproposed RotatE model is not only scalable, but also able to infer and model various relation patterns and significantly outperform existing state-of-the-art models for link prediction.
Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction论文阅读笔记
NYSDY的博客
12-21 1104
我的博客链接 0. 前言 1. 作者试图解决什么问题？ 作者想在KGE中对语义层级（semantic hierarchies）进行建模。 2. 这篇论文的关键元素是什么？ semantic hierarchy, polar coordinate system 3. 论文中有什内容可以“为你所用”？ 两种可视化的展示方式，清晰明了的展示了作者方法的有效性； table1中展示的模型分数函数和参数； 在related work中分析自己模型和RotatE模型不同的论述； 4.有哪些参考文献你想继续研究？
论文笔记：ICLR 2019 RotatE Knowledge Graph Embedding by Relational Rotation in Complex Space
qq_44015059的博客
11-03 7442
1. 前言 论文链接：https://openreview.net/forum?id=HkgEQnRqYQ github：https://github.com/DeepGraphLearning/KnowledgeGraphEmbedding 本文研究在知识图谱中学习实体和关系表示的问题，以预测缺少的链接。 此类任务的成功在很大程度上取决于建模和推断关系（或关系之间）模式的能力。 在本文中，提出了一种新的知识图谱嵌入方法 称为 RotatE，它能够建模和推断各种关系模式，包括：对称/反对称，反演和组成。 具
爱丁堡大学的PMR（PMR in the University of Edinburgh）【1】
Duke__Lee的博客
09-13 2106
每天写一千字的blog，这个是http://www.cnfeat.com/ 提出的，我也想这样做。可能是觉得每天固定做点儿什么事情确实会比较cool吧。虽然我有时候不知道自己应该写什么。那么今天就写一下我对爱丁堡大学PMR这门课的想法吧（Probability modeling and reasoning in the University of Edinburgh）。应该很多学校都有类似的课
HAKE笔记：Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction
zzflybird的博客
03-07 4437
Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction 0. 前言 1. 作者试图解决什么问题？ 作者想在KGE中对语义层级（semantic hierarchies）进行建模。 2. 这篇论文的关键元素是什么？ 语义层次（semantic hierarchy）, 极坐标系（polar coordinate system） 3. 论文中有什么内容可以“为你所用”？ 两种可视化的展示方式（分布直方图和极坐标点图），清晰明
大数据基础——知识汇总
一只养樂多
11-04 7330
什么是DIKW模型？ D=Data,表示数据，I=Information,表示信息，K=Knowledge，表示知识，W=Wisdom，表示智慧。DIKW模型将数据、信息、知识、智慧纳入到一种金字塔形的层次体系，每一层比下一层都赋予的一些特质。原始观察及量度获得了数据、分析数据间的关系获得了信息。在行动上应用信息产生了知识。智慧关心未来，它含有暗示及滞后影响的意味。 什么是大数据（Big Data）？ 大数据是大量的数据+科学的存储，管理和有效的加工。或者可以说对大量的数据进行处理，获取其中有用的信息
【ICLR2019】Poster 论文汇总
TomRen
03-26 5147
ICLR2019 poster papers 汇总
Hinton神经网络公开课15 Modeling hierarchical structure with neural nets
weixin_34234823的博客
06-04 167
为什么80%的码农都做不了架构师？>>> ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值