![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
知识图谱
modige_hm
这个作者很懒,什么都没留下…
展开
-
Multi-modal Knowledge Graphs for Recommender Systems
原创 2021-09-26 15:09:04 · 177 阅读 · 0 评论 -
Open Question Answering with Weakly Supervised Embedding Models
基于弱监督嵌入模型的开放式问答任务:将问句与三元组分别嵌入向量空间,之后计算其相似度并根据相似度决定那个三元组最可能是这个问句的答案输入输出输入:问句 三元组集合(q,t)输出:相似性打分(回归问题),相似性最高的三元组作为问句答案公式介绍准备数据集数据集的形式为(q,t),即问句与三元组成对出现训练模型需要正例和负例,由于训练样本中的问句都是根据三元组生成的,所以样本只有正例为了解决这一问题,需要将(q,t)对打乱,方法为从三元组集合中随机选择一个三元组,把相应位置的实体和关系原创 2021-09-25 14:51:35 · 278 阅读 · 0 评论 -
GRAPH ATTENTION NETWORKS图注意力网络
GRAPH ATTENTION NETWORKS图注意力网络2.GAT架构2.1 GRAPH ATTENTIONAL LAYER从一个单层图注意力层开始介绍输入:节点特征: ( N 是节点数量 ,F是节点特征数量)输出是一个新的节点特征为了把输入的特征变为输出特征,引入一个权重矩阵W(F’行F列)接着对每个节点实施self-attention]计算注意力系数这一系数代表节点j的特征对节点i的重要程度(节点j是节点i的相邻节点)为了方便比较不同原创 2021-09-17 19:38:01 · 197 阅读 · 0 评论