- 博客(9)
- 资源 (7)
- 收藏
- 关注
RSS订阅原创 【论文笔记】知识图谱推理PRA——Relational retrieval using a combination of path-constrained random walks
Relational retrieval using a combination of path-constrained random walks论文相关信息解决什么问题？如何解决的？数据和方法。Path-Ranking Algorithm(PRA)算法出发点算法描述符号定义游走计算实例计算如何利用PRA游走得到的分配值实验结果参数影响总结知识图谱的概念于2012年由谷歌提出，这篇文章虽然发表于2010年，但文章中的对于数据的使用已经接近知识图谱了。文章提出的PRA算法是知识图谱推理的早期探索，在RWR（
2021-03-10 14:55:00
8904
7
原创 networkx学习与使用——（6）图划分与介数计算
networkx学习与使用——（5）图划分与介数计算摘要图划分例子生成介数定义及计算定义networkx计算边介数通过networkx的最短路算法实现使用networkx的内置函数计算结果分析参考摘要图划分按照一定规则将一个连通图划分成几个连通分量，看上去有点像聚类的感觉。从网络的角度，会根据一些重要的节点或边来进行划分，这里介绍划分图的指标——边介数。图划分图划分一般有两种方法，“删边法"和"聚集法”。删边法通过删除某条"重要"的边进行划分。聚集法通过将最"接近"的节点聚集起来构成不同的区域。这里
2021-01-25 19:20:45
7951
6
原创 networkx学习与使用——（5）节点和边的属性:聚集系数和邻里重叠度
networkx学习与使用——（5）节点和边的属性:割点、割边、聚集系数和邻里重叠度节点和边的属性:割点、割边、聚集系数和邻里重叠度点的属性割点邻居搜索算法节点和边的属性:割点、割边、聚集系数和邻里重叠度在networkx学习与使用——（2）度、邻居和搜索算法中，我们知道一个节点可以有度和邻居等直接的属性，一个度大的节点看上去比一个度小的节点重要。但我们如何用更多的属性去衡量节点或者边的重要性呢？我们不妨反过来思考，如果这个图少了这个节点或者这条边会发生什么呢？在networkx学习与使用——（4）连通
2021-01-17 14:52:29
10675
4
原创 networkx画图(番外)——（1）自定义节点布局
networkx(番外)画图——（1）自定义节点布局networkx虽然非常方便，但在一些超大规模的图数据上，依然显得吃力。所以大多数时候，它仅仅是被用来做一些实例性的分析和可视化展示的，这需要学会如何灵活的画图。最重要的就是布局，即每个节点在图上的什么位置。我们以networkx学习与使用——（3）路与圈中的ARPANET为例：但是，我们如何将其抽象成图之后仍能大致保留其原本的位置呢？构图上不需要太多的变化：import networkx as nx #载入netwo
2021-01-17 11:27:17
12957
1
原创 networkx学习与使用——（4）连通性与连通分量
networkx学习与使用——（4）连通性与连通分量连通性与连通分量networkx中的连通性分析参考连通性与连通分量连通性定义：若一个途中人两点间有路径相通，则称此图为连通图。例如：networkx学习与使用——（3）路与圈中创建的APANET就是一个连通图，但并不是所有的图都是连通图。连通分量定义：若图G的节点子集满足如下两个条件：子集中任意两个节点间均有路径相通；该子集不是其他任何满足条件1的子集的一部分；则称该子集为图G的一个连通分量。具体实例如下：import networkx
2021-01-06 21:40:07
16247
1
原创 networkx学习与使用——（3）路与圈
networkx学习与使用——（3）路与圈路与圈实例构图路最短路径简单路圈（环）路与圈前几个星期写论文去了，耽搁了更新。给自己一个小目标，每周坚持一更！为了保证实用性和逻辑性，接下来的更新内容会参考这本书的内容来学习networkx的使用。大卫·伊斯利, 乔恩·克莱因伯格. 网络、群体与市场[M]. 清华大学出版社, 2011.这本书在华文慕课上也有北大老师讲的非常nice的配套学习视频：人群与网络实例构图众所周知，互联网是从美国的ARPA计算机网络发展来的，1970年12月时的arpan
2020-12-20 21:47:19
3838
原创 networkx学习与使用——（2）度、邻居和搜索算法
networkx学习与使用——（2）度、邻居和搜索算法度、邻居和搜索算法度邻居搜索算法度、邻居和搜索算法图（graph）是一种多对多逻辑的数据结构，由节点集合和边集合组成。度和邻居是图中节点的最基本属性。从社交网络的角度来看，一个人的品质可以由和他熟识的人的品质来刻画，我们在现实中会发现研究人员认识的人大多是老师和学生，商人认识的人大多也是商人。这就是物以类聚，人以群分（邻居的概念）。同时我们也发现，有的人热衷于社交（俗称路子广、吃得开），有的人喜欢独来独往，他们也体现出了不同的属性（度的概念）。度
2020-11-28 22:23:21
14736
3
原创 networkx学习与使用——（1）节点和边的增删查改
简介去年和师兄一起做社交网络分析的时候发现了networkx这个python工具包，这个工具包对于图数据的新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：全新的界面设计 ，将会带来全新的写作体验；在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；全新的 KaTeX数学公式 语法；增
2020-11-23 14:06:14
8877
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人