shandler的博客

Every Document Owns Its Structure: Inductive Text Classification via Graph Neural Networks（每个文档都有自己的结构：基于图神经网络的归纳文本分类）论文：https://arxiv.org/abs/2004.13826摘要：针对现有的基于图的研究不能捕获每个文档中的上下文词关系、不能完成新词的归纳学习的问题。提出了一种通过GNN进行归纳文本分类的TextING模型。作者为每个文档建立了单独的图，构图方法是：预处理得到

Graph Convolutional Networks for Text Classification（用于文本分类的图卷积网络）论文：https://arxiv.org/abs/1809.05679v1推荐继续阅读：Every Document Owns Its Structure: Inductive Text Classification via Graph Neural Networks摘要：作者介绍了其TextGCN的方法，作者在语料库中构建图，其构图方式是：词节点与词节点之间连边，同时词

输油管问题沿着y 方向 向东西方向的主管道建输油管道# 利用Python中的random.sample()函数实现 import mathimport pandas as pdimport randomxList=random.sample(range(100,200),10); #表示从[A,B]间随机生成N个数，结果以列表返回yList=random.sample(range...

python 递归实现整数因子分解问题问题描述：大于1 的正整数n 可以分解为几个因子的积，例如：12共有8 种不同的分解式：12；62；43；34；322；26；232；223；对于给定正整数n，计算共有多少种不同的分解式。解题思路：找到第一个不为1的因子后，递归搜索其他因子，搜索时mod=0 时为分解数，递归数为1时累计加1.#整数因子分解问题count=0 ...