- 博客(15)
- 资源 (7)
- 收藏
- 关注
RSS订阅原创 图表示学习——GAT 19年学习记录
论文标题：GRAPH ATTENTION NETWORKS——ICLR2018论文链接：https://openreview.net/pdf?id=rJXMpikCZhttps://openreview.net/pdf?id=rJXMpikCZ文章背景、解决问题针对图结构数据，本文提出了一种GAT（graph attention networks）网络。该网络使用masked self-attention层解决了之前基于图卷积（或其近似）的模型所存在的问题（这些模型都依赖于图的结构，
2021-10-31 11:57:00
767
原创 表示学习/开放集问题解决——19年记录
论文题目Learning a Neural-network-based Representation for Open Set Recognition——SDM19论文链接https://epubs.siam.org/doi/pdf/10.1137/1.9781611976236.18https://epubs.siam.org/doi/pdf/10.1137/1.9781611976236.18文章背景、解决问题：本文提出了一种基于神经网络的表示来解决开放集识别问题。在这个表示实.
2021-10-31 11:47:46
887
原创 图表示学习——GraphSAGE 19年学习记录
论文标题Inductive Representation Learning on Large Graphs——NIPS17论文链接https://proceedings.neurips.cc/paper/2017/file/5dd9db5e033da9c6fb5ba83c7a7ebea9-Paper.pdfhttps://proceedings.neurips.cc/paper/2017/file/5dd9db5e033da9c6fb5ba83c7a7ebea9-Paper.pdf文章.
2021-10-31 11:38:09
263
原创 图表示学习-GCN 19年记录
论文题目SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS_ICLR17论文链接https://openreview.net/pdf?id=SJU4ayYglhttps://openreview.net/pdf?id=SJU4ayYgl论文背景本文提出了一种图卷积网络（graph covolutional networks, GCNs），该网络是传统卷积算法在图结构数据上的一个变体，可以直接用于处理图结构.
2021-10-29 09:58:16
450
原创 图表示学习——MGGCN 19年记录
论文题目Geometric Matrix Completion with Recurrent Multi-Graph Neural Networks——NIPS2017论文链接：https://proceedings.neurips.cc/paper/2017/file/2eace51d8f796d04991c831a07059758-Paper.pdfhttps://proceedings.neurips.cc/paper/2017/file/2eace51d8f796d04991c83.
2021-10-29 09:47:38
603
原创 TransR 论文阅读 19年记录的
论文题目Learning Entity and Relation Embeddings for Knowledge Graph Completion——AAAI2015论文链接https://www.aaai.org/ocs/index.php/AAAI/AAAI15/paper/view/9571/9523https://www.aaai.org/ocs/index.php/AAAI/AAAI15/paper/view/9571/9523文章背景： 近年来，一些模型...
2021-10-28 19:50:00
437
原创 transE论文阅读 19年记录的
论文标题：Translating Embeddings for Modeling Multi-relational Data——NIPS2013论文链接https://proceedings.neurips.cc/paper/2013/file/1cecc7a77928ca8133fa24680a88d2f9-Paper.pdfhttps://proceedings.neurips.cc/paper/2013/file/1cecc7a77928ca8133fa24680a88d2f9-Pa.
2021-10-28 19:37:34
278
原创 网络表示学习-TADW 19年记录的
2019年做的报告，仅此记录学习论文标题：Network Representation Learning with Rich Text InformationIJCAI 2015论文链接Abstract | IJCAIhttps://www.ijcai.org/Abstract/15/299文章背景：近年来，Network Embedding领域受到越来越多的关注，它能通过学习图网络节点的分布式表达来对网络进行低维的描述，方便更多下游的算法对图网络数据进行处理。当然，图网络.
2021-10-28 19:32:29
447
原创 网络表示学习-Node2vec
论文粗读论文标题：node2vec: Scalable Feature Learning for Networks数据挖掘领域的顶级会议KDD-2016论文链接：node2vec | Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mininghttps://dl.acm.org/doi/10.1145/2939672.2939754文章背景：.
2021-10-28 19:13:22
708
原创 网络表示学习——LINE Large-scale Information Network Embedding
论文标题：LINE: Large-scale Information Network Embedding作者：Jian Tang,Meng Qu, Mingzhe Wang, Ming Zhang, Jun Yan,Qiaozhu Mei文章背景：当前大多数图形嵌入方法不能对包含数百万个节点的真实信息网络进行扩展，分析大型信息网络在学术界和行业中一直受到越来越多的关注。而现在的大多数嵌入方法在小型网络中适用性非常不错，但当网络包含数百万乃至数百亿节点时，就看起来...
2020-06-29 13:07:32
1077
转载 网络表示学习——Deepwalk
参考一个微信公众号DrPeothttps://mp.weixin.qq.com/s?src=11×tamp=1562551705&ver=1715&signature=o7m1IxntaqVzuj-wIg2irlVORdNpf3tXokctKTSB5GACQZJviGTlloI69E87II2lr6yyzDDVoMyvDHex2Sho7yyUS3TjUIDDZ...
2019-07-14 18:42:05
894
转载 机器学习算法基本了解信息
1.softmax函数一个激活函数 参考https://www.cnblogs.com/alexanderkun/p/8098781.htmlsoftmax用于多分类过程中，它将多个神经元的输出，映射到（0,1）区间内，可以看成概率来理解，从而来进行多分类！假设我们有一个数组V，Vi表示V中的第i个元素，那么这个元素的softmax值就是图形化形象解释：softmax直白来说就...
2019-07-14 18:41:40
125
原创 Word2vec（自己学习使用）
在NLP任务中，word2vec是一种常用的word embedding方法，word2vec通过语料库中的句子序列来描述词与词的共现关系，进而学习到词语的向量表示。embedding就是将单词或者句子，文档向量化https://blog.youkuaiyun.com/mpk_no1/article/details/72458003 参考本篇论文，学习word2vec和doc2vec的原理wor...
2019-07-09 14:19:38
341
原创 Tri-Party Deep Network Representation论文学习以及自己的想法（仅供自己学习——记录）
目标学习多种信息的集成如文本和链接如何集成，主要参考triParty论文及其源码。论文主要内容论文标题:Tri-Party Deep Network Representation作者:Shirui Pan , Jia Wu , Xingquan Zhu , Chengqi Zhang , Yang Wang发表时间:2018-05-13发表地点（会议或期刊名称）:Pr...
2019-07-08 10:09:11
1344
11
原创 聚类-Kmeans+python3实现
（主要是记录学习，让自己以后可以记忆）里面参考了别人的算法 在聚类学习中，基本聚类算法我会采取划分方法（基于距离的算法，如K-means，K-medoids）和基于密度的方法（DBSCAN/OPTICS)和高级聚类——基于概率密度的聚类（GMM）。1.划分方法：（1）发现球形互斥的簇（2）基于距离（3）可以用均值或中心点等代表簇中心 （4）对中小规模数据集有效2.基于密度...
2018-11-21 10:18:27
2188
13
acl-14-short-data.zip
2020-06-29
semeval16.zip
2020-06-29
semeval15.zip
2020-06-29
semeval14.zip
2020-06-29
LSTM神经网络训练的PTB语料
2019-04-07
UCI机器学习数据仓库的威廉康星乳腺癌诊断数据集
2018-10-21
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人