应用
NLP&KGer
细节决定模型的好坏
展开
-
Neo4j导入导出
需要将Neo4j建立的数据库导出并传递给其他人,找了好大一堆资料,还是这位老哥(或者是美妹)解决了我的问题,膜拜。转载 2023-04-17 10:15:26 · 341 阅读 · 0 评论 -
pytorch的debug
pytorch的debug真玄幻,GPU上运行时debug会错误定位,听我的,代码出错时一定要切换到CPU上运行,才能正确定位原创 2020-11-12 10:46:29 · 282 阅读 · 0 评论 -
GAT中的如何实现稀疏注意力
之前一直没看GAT的代码(https://github.com/PetarV-/GAT),不知道稀疏矩阵下如何实现注意力的,今天看到,恍然大悟,记录于此首先,由于稀疏矩阵参与运算时其中的参数不能自动更新(pytorchz中暂时没有其反向传播函数),所以GAT自己写了稀疏矩阵(计算完注意力后的邻接矩阵)与稠密矩阵(特征)的乘法class SpecialSpmmFunction(torch....原创 2020-03-20 22:36:21 · 2800 阅读 · 2 评论 -
Jointly Embedding Knowledge Graphs and Logical Rules
在知识图谱中如何建模规则,原文地址:https://www.aclweb.org/anthology/D16-1019.pdf本文讲述了如何将规则和三元组建模到一个统一的空间,三元组和规则同时建模,对文章的主体内容总结如下:方法概述:为了联合嵌入,方法的关键是通过一阶逻辑将三元组和规则统一起来。一个三元组可看作一个基本原子,给定一个逻辑规则,首先用实体集中的实体对其进行实例化,例如对于...原创 2020-02-11 17:28:37 · 983 阅读 · 0 评论 -
Multi-Channel Graph Neural Network for Entity Alignment
原文地址:https://arxiv.org/pdf/1908.09898v1.pdf0摘要实体对齐往往受结构异质性及有限的种子对的约束。本文提出多通道图神经网络MUGNN来学习面向对齐的知识图谱嵌入,通过多个通道鲁棒地编码两个知识图谱。每个通道通过不同的关系权重模式来编码KG,以同时完成两个任务:基于自注意力的KG补全和跨语言注意力的实体修剪。另外,还在两个KG中进行规则知识的推理和转移...原创 2020-02-10 16:25:18 · 2045 阅读 · 0 评论 -
Inductive Representation Learning on Large Graphs阅读笔记
1 摘要在大图中,低维的节点表示在很多预测任务中都很有用,比如内容推荐和确定蛋白质的功能。但是,在训练嵌入时,现有的方法需要所有的节点都参与(也即现有的方法都是直推式的),不能很好地繁华到不可见的节点上。本文提出GraphSAGE,利用节点的特征信息(如文本属性)来有效地为不可见的节点生成嵌入。不是直接为每个节点训练唯一的嵌入,而是学习一个函数通过采样和聚合节点的邻居特征来产生节点的特征。...原创 2020-01-30 11:40:32 · 506 阅读 · 0 评论 -
sp.triu
功能:取出稀疏矩阵的上三角部分的非零元素例import numpy as npimport scipy.sparse as spX = np.array([[1,0,4],[0,1,0],[1,0,0]])print(X)sX = sp.csr_matrix(X)print(sX)print('-----------------')print (sp.triu(sX))...原创 2019-11-21 10:24:13 · 1041 阅读 · 0 评论