Amber_7422的博客

1. 视觉-语言预训练 (Vision-Language Pre-training，VLP)预训练模型，生成图像标注，视觉问答- 模型角度，基于编码器-解码器的模型在「图文检索」task中尚未成功实践- 数据角度，SOTA：CLIP、SimVLM 文本噪声问题严重本文提出BLIP（Bootstrapping Language-Image Pre-training），用于统一视觉 - 语言理解和生成任务，通过自展标注（bootstrapping the captions），可以有效地利用带有.

第一次用到知识图谱，之前都是浅尝辄止，今天就从代码出发好好学习一下叭~到达train阶段时，图特征已提取完毕，并形成.np文件。现阶段以这些.np文件为基础构建跨域的知识库。获取路径 source_path = get_dataset_path(source_name, 'small') target_path1 = get_dataset_path(target_name, 'small') target_path2 = get_dataset_path(targ.

Motivation：ConceptNet 构建跨域的知识图谱补充增强了文本表示的泛化性【Target domain】被测领域 【Source domain】由ConceptNet构建辅助预测该框架考虑了无监督的域适应，可以从源域和目标域分别获得带标签的实例和未标记的实例，目标是训练一个能够在目标域上获得良好分类性能的分类器。Model Overview：训练ConceptNet的一个领域聚合的子图。以ConceptNet所有信息作为输入，提取各领域中特有形容词和副词作为种.

🎯来源：https://mp.weixin.qq.com/s/X7gxlcY-PaQ97MiEJmKfbg对给定的大量无标注图数据，图对比学习算法旨在训练出一个图编码器，目前一般指图神经网络（Graph Neural Network, GNN）。由这个 GNN 编码得到的图表示向量，可以很好地保留图数据的特性。Graph Contrastive Learning with Augmentations. NeurIPS 2020.算法步骤：1. 随机采样一批（batch）图2. 对..