半夏微凉的博客

参考资源[1] Graph Convolutional Network[2] Graph Convolution Network 理解与实现

是一种非常强大的数据科学工具，可让您可视化和理解复杂的交互。是一个用于构建图形的 包，它具有大部分可用的默认值，但利用 允许我们自定义图形的几乎所有可能的方面。 我知道我希望它在我的脑海中是什么样子，但是经过数小时的文档和 搜索后，我决定为我学会如何改变的所有东西创建这个一站式商店！ 现在，您也可以构建可读的图表来帮助可视化复杂的关系。我们将从制作一个基本图表开始！ 有几种方法可以做到这一点。 我发现最简单的方法是从你指定边缘的 中。 什么是优势？ 好吧，图是使用和构建的。 一个代表某个对象，可能是

在本教程中，您将了解什么是。 此外，您还可以在 Python 中找到邻接矩阵的工作示例。邻接矩阵是一种将图表示为（0 和 1）的方法。 有限图可以在计算机上以方阵的形式表示，其中矩阵的布尔值表示两个顶点之间是否存在直接路径。例如，我们有下面的图表。我们可以用矩阵形式表示这个图，如下所示。上表/矩阵中的每个单元格都表示为 AijA_{ij}Aij​，其中 iii 和 jjj 是顶点。 AijA_{ij}Aij​ 的值是 1 还是 0，取决于是否存在从顶点 iii 到顶点 jjj 的边。如果存在从 iii 到

知识图谱 (Knowledge Graphs, KGs) 已成为组织世界结构化知识的一种引人注目的抽象，并作为一种整合从多个数据源中提取的信息的方式。 知识图谱已经开始在表示使用自然语言处理和计算机视觉提取的信息方面发挥核心作用。 以 KG 表示的领域知识正在输入到机器学习模型中，以产生更好的预测。 我们在这篇博文中的目标是 解释 KGs 的基本术语、概念和用法， 突出 KGs 的近期应用，这些应用导致其受欢迎程度激增，以及 将 KGs 置于整体 人工智能的风景。 在阅读更广泛的综述或关注有关该主题的研

参考资源[1] Graph Neural Network and Some of GNN Applications: Everything You Need to Know

如今，网络上可用的信息量惊人，而且还在不断扩大。 例如，有超过19.4亿个与万维网（the World Wide Web）链接的网站，搜索引擎（例如谷歌、必应等）可以通过这些链接以极高的精度和速度提供有用的信息。 在大多数成功的搜索引擎中，最重要的核心是知识图谱（Knowledge Graphs）的使用。 不仅仅是搜索引擎，社交网站（例如Facebook等），电子商务网站（例如Amazon等）也在...

在过去的十年左右的时间里，知识图谱一直潜入我们的日常生活中，如通过语音助手（例如Alexa，Siri或Google Assistant），直观的搜索结果，或通过在线商店推荐者的个性化购物体验。我们每天都在不断与知识图谱进行交互。但是，知识图谱和底层图数据库对大多数人来说仍然是一个谜，由于它无缝地进入了我们的生活，我们大多数人甚至都不知道我们对技术的依赖程度，或更糟糕的是，我们是如何开始期望我们现在...

知识图谱（knowledge graph，KG）代表实体的相互链接描述的集合——现实世界的对象，事件，情况或抽象概念，其中：描述具有正式的结构，允许人员和计算机以高效且明确的方式对其进行处理；实体描述相互作用，形成一个网络，其中每个实体代表与之相关的实体描述的一部分。关键特征知识图谱结合了几种数据管理范例的特征，可以理解为：数据库，因为可以通过结构化查询来查询数据；图，因为它可...

参考资源[1] What is Google’s Knowledge Graph?