- 博客(14)
- 收藏
- 关注
原创 sDTM:文本分析的监督贝叶斯深度主题模型
这里主要介绍一篇发表在管理学领域顶刊Information Systems Research的论文。这篇研究中,作者在深度学习的基础上开发了一种监督主题建模方法,对现有的主题建模方法如LDA,GSM等方法进行扩展。首先让我们介绍一下主题模型,主题建模(Topic Modeling)是自然语言处理和文本挖掘领域中的一种技术,用于从大量文档集合中自动识别出潜在的主题(如将1000篇新闻分类到体育、科技等主题下)。主题建模能够帮助组织、理解和总结大规模的文本数据,使得用户能够把握文档集合中的主要内容和结构。
2024-08-04 20:17:59
1238
原创 Logistics Audience Expansion via Temporal Knowledge Graph (CIKM 2023)
为了弥合差距,我们利用知识图来建模实体之间的复杂关系。特别是,电子商务平台记录了丰富的物流知识(例如,交付目的地和商家如何使用物流服务),其可以用于构建时间物流知识图以提取广泛的物流知识,捕获商家的合同意图,并探索商家的合同后模式。然而,仍然存在挑战。(i)由知识图结构表示的关系随时间动态地改变(即,在我们的研究中,48%的关系(由知识图中的边表示)每两周就会改变一次),并且提取动态知识并不容易。(ii)稀疏的历史合同记录在数量方面(即,新签约率低于每月2%)和多样性。
2023-11-07 17:02:30
70
原创 Ekar : Explainable Knowledge Graph-based Recommendation via Deep Reinforcement Learning解析
EKar,知识图谱和强化学习
2023-01-06 18:44:07
386
原创 Bidirectional_Lstm_mnist
import tensorflow as tfimport numpy as npfrom tensorflow.contrib import rnnfrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets('E:/tensorflow/1005/data/MNIST_data/',one_hot=True)trainX = np.array(mnist.train
2020-10-05 23:53:06
125
原创 LSTM基本应用_mnist
数据加载import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets('E:/tensorflow/1005/data/MNIST_data/',one_hot=True)#我先将数据下载到文件家中解压缩参数定义域网络搭建#参数n_input = 28n_step = 28n_hidden = 128n_classes
2020-10-05 19:07:06
482
原创 WORD2VEC_1
**model**Word2Vec使用了一个你可能在其他机器学习中见过的技巧。我们要训练一个简单的神经网络,用一个隐藏层来执行某个任务,但实际上我们不打算把这个神经网络用于我们训练它的任务!相反,我们的目标实际上只是学习隐藏层的权重-我们将看到这些权重实际上是我们要学习的“单词向量”。1. 独热编码你不能直接把单词的字符串输入到网络(可能也有相关的技术,但这里用的是单词为基本单位i),所以每个单词给予一个编码,首先建立一个有n个单词单词库,比如第一个是a,则a的独热编码为(1,0,。。。,0)【一
2020-10-01 13:50:35
125
原创 MNIST_Basic_Method
数据导入import numpy as npimport structimport matplotlib.pyplot as plt#---------------文件路径:--------------------------------------------# 训练集文件train_images_idx3_ubyte_file = 'MNIST_data/train-images.idx3-ubyte'# 训练集标签文件train_labels_idx1_ubyte_file = 'M
2020-09-26 00:08:01
205
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人