ysq96的博客

Attention mechanismsSoft attention（global attention）：Soft attention会确认输入数据的每个element的权重，这个值决定了需要放多大的注意在当前element上，Soft attention的计算考虑了深度学习模型的输入以及目标。weight的范围是0~1。 Hard attention（local attention）：Hard attention考虑的是这个元素被看见or忽略，取值只有0或1，不可微 Self-attention（

参考：https://blog.youkuaiyun.com/YPP0229/article/details/106328173/pycharm执行代码出现错误No module named 'torch_sparse’解决办法h https://pytorch-geometric.com/whl/，在这里找到自己pytorch对应的版本，下载.whl 直接在下载的路径执行 pip install xxx.whl即可 ...

转载自：https://blog.youkuaiyun.com/Zhang_Chen_/article/details/90612028

目录AbstractIntroduction问题定义Method源码【code】[paper]https://arxiv.org/pdf/1706.07845v2.pdf[code]https://github.com/GTmac/HARPAbstractOur proposed method achieves this by compressing the input graph prior to embedding it, effectively avoiding

目录前言前言最近方向是团案挖掘，关于聚类算法，其实之前不怎么了解，最近得补补了。聚类和社区发现首先要先明白这两者的差别。[参考地址]社团检测通常是指将网络中联系紧密的部分找出来，这些部分就称之为社团，那么也可以认为社团内部联系稠密，而社团之间联系稀疏 [1]。显而易见，其中有一个非常重要的点，稠密是如何定义的。不管现在想到的定义是什么，但都包含顶点，边，度，或许还有路径这些字眼，它们有一个共同的特征–网络的结构。所以，社团检测侧重于找到网络中联系紧密的部分，而经常忽略节点的.

目录ROC曲线AUCKS曲线P-R曲线准确率（precision）召回率（recall）F1系列ROC曲线ROC的全称是Receiver Operating Characteristic Curve，中文名字叫“受试者工作特征曲线”，顾名思义，其主要的分析方法就是画这条特征曲线。ROC曲线的横轴是FPR（假阳性率、误诊率）、纵轴是TPR（真阳性率、灵敏度）。这条曲线代表的是在不同的阈值下，FPR和TPR的一个变化曲线，通常，我们希望FPR尽可能的小，而TPR尽可.

[论文]https://dl.acm.org/doi/pdf/10.1145/2939672.2939754[code]https://github.com/eliorc/node2vec abstract We define a flexible notion of a node’s network neighborhood and design a biased random walk procedure, which efficiently explores diverse neigh

[paper] https://dl.acm.org/doi/pdf/10.1145/2736277.2741093[code] C++\PYTHON TF 摘要 In this paper, we propose a novel network embedding method called the “LINE,” which is suitable for arbitrary types of information networks: undirected, directed, and

[paper]https://arxiv.org/pdf/1710.10321.pdf[code]https://github.com/benedekrozemberczki/GraphWaveMachine abstract In this paper, we develop GraphWave, a method that represents each node’s network neighborhood via a low-dimensional embedding by leve

[paper]http://www.perozzi.net/publications/14_kdd_deepwalk.pdf[code]https://github.com/phanein/deepwalk abstract DeepWalkuses local information obtained from truncated random walks tolearnlatent representations by treating walks as the equivalen...

Abnormal Event Detection via Heterogeneous Information Network Embedding论文地址摘要In this paper, we propose a novel deep heterogeneous network embedding method which incorporates the entity attributes and second-order structures simultaneously to address

前言想对自己所学的东西进行一个总结。决策树算法决策树学习的算法通常是一个递归地选择最优特征，并根据该特征对训练数据进行分割，使得对各个子数据集有一个最好的分类的过程。1. ID3信息增益：表示得知特征X的信息而使得类Y的信息的不确定性减少的程度 使用信息增益准则选择特征 分裂至信息增益很小或者没有特征可选为止 只有树的生成，容易过过拟合2. C4.5信息增益倾向于选...