![](https://img-blog.csdnimg.cn/730228140de6460c89e597d618897b34.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
Paper Reading
文章平均质量分 96
阅读论文,留下感想
lcg_magic
埋头耕耘,抬头仰望。
展开
-
Python 包 dhg 中超图的数据格式
下面是官方介绍DHG(DeepHypergraph) 是基于 PyTorch 的深度学习包, 可用于图神经网络以及超图神经网络。其支持从顶点到顶点从一个域的顶点到另一个域的顶点从顶点到超边,、从超边到顶点从顶点集到顶点集等低阶或高阶信息传递的通用框架。其支持大量低阶关联结构(图、有向图、二分图等)以及高阶关联结构(超图等)。大量基于谱域的操作(例如基于拉普拉斯的平滑)和基于空域的操作(例如从域到域的信息传递)集成在不同的关联结构中。原创 2024-06-20 13:26:39 · 1049 阅读 · 0 评论 -
超图论文细品——2019年AAAI《Hypergraph Neural Networks》
文章提出了一种名为超图神经网络的框架,用于高维数据的表示学习。该方法英文称呼为 Hypergraph Neural Networks,简写为HGNN。原创 2024-06-18 18:54:57 · 833 阅读 · 0 评论 -
超图(Hypergraph)基础——论文细品——《Learning with hypergraphs: Clustering, classification, and embedding》
要想了解超图,首先需要知道图的概念。图,是由多个顶点以及连接顶点的边组成。顶点表示对象;边连接了两个顶点,表示两个顶点之间的关系。中文术语英文术语图Graph节点Node顶点Vertex边Edge注意:顶点和节点是相同的概念,不同的文献称呼不同。这里统一为顶点。超图,则是在图的基础上进行了扩展。图中每条边代表两个顶点之间的关系,也既是说一条边中有两个顶点,顶点个数等于 2。而超图中的边可以表示多个顶点之间的关系,也既是说一条边中可以有多个顶点,顶点个数可以大于 2。原创 2024-06-16 20:34:49 · 1010 阅读 · 1 评论 -
Matrix factorization techniques for recommender systems,Yehuda Koren et al.,2009
文章名称:Matrix factorization techniques for recommender systems作者:Yehuda Koren, Robert Bell, Chris Volinsky期刊:Computer年份:2009卷:42期:8页码:30–37DOI:https://doi.org/10.1109/MC.200原创 2022-05-21 09:55:35 · 1067 阅读 · 0 评论 -
基于项目的Top-N推荐算法(Item-Based Top-N Recommendation Algorithms,Mukund Deshpande and George Karypis,2004)
这是一篇论文学习笔记。中文题目:基于项目的 Top-N 推荐算法原文题目:Item-Based Top-N Recommendation Algorithms作者:Mukund Deshpande,George Karypis时间:2004期刊:ACM Transactions on Information Systems(TOIS)DOI:https://doi.org/10.1145/963770.963776原创 2022-05-17 20:28:43 · 1188 阅读 · 0 评论 -
推荐系统的因果关系感知邻域方法:Causality-Aware Neighborhood Methods for Recommender Systems(ECIR,2021)
将因果推断(Causal Inference)中的匹配估计器(Matching Estimator)和邻域方法(Neighborhood Methods)进行结合,提出了一种推荐系统因果关系感知的邻域方法。Sato, M., Singh, J., Takemori, S., Zhang, Q. Causality-Aware Neighborhood Methods for Recommender Systems. In Proceedings of the European Conferenc原创 2022-04-03 16:05:24 · 1248 阅读 · 0 评论 -
推荐系统的因果推断:Causal Inference for Recommender Systems(RecSys,2020)
推荐系统,因果推断,推荐系统的因果推断,去混杂推荐器原创 2022-03-29 20:20:27 · 3685 阅读 · 12 评论 -
论文中常见的缩写
文章目录1. 常见缩写1. 常见缩写缩写全称含义w.r.t.with respect to关于s.t.subject to满足,服从e.g.exempli gratia拉丁语,例如、举例,和 “for example” 一个意思i.e.phrase id est拉丁语,即、 换句话说,和 “that is to say” 或 “in other words” 一个意思...原创 2020-12-22 15:09:27 · 3644 阅读 · 0 评论 -
论文阅读报告:Feature Selection for Multi-label Classification Using Neighborhood Preservation,Zhiling Cai
文章目录1. 论文出处2. 预备知识2.1 相似性保持特征选择(Similarity Preserving Feature Selection)2.2 多标签3. 论文内容3.1 NRPS3.2 FNRPS3.3 GNRPS4. DOI1. 论文出处Feature Selection for Multi-label Classification Using Neighborhood PreservationZhiling Cai and William ZhuIEEE/CAA JOURNAL OF原创 2020-12-17 21:59:54 · 582 阅读 · 2 评论 -
论文阅读报告:ReliefF for Multi-label Feature Selection,Newton Spolaˆor, 2013
文章目录1. 多标签知识1.1 多标签数据(Multi-label data)1.2 差异函数(Dissimilarity function)2. 算法3. 原文1. 多标签知识1.1 多标签数据(Multi-label data)其中:DDD 是多标签数据集;XjX_jXj 是第 jjj 个特征(属性),j=1,2,…,Mj=1,2,\dots,Mj=1,2,…,M;xi=(xi1,xi2,…,xiM)\bm{x}_i = (x_{i1},x_{i2}, \dots, x_{iM})xi原创 2020-12-16 18:56:51 · 664 阅读 · 2 评论 -
论文阅读报告:Laplacian Score for Feature Selection,Xiaofei He、Deng Cai and Partha Niyogi(2005)
文章目录0. LS1. 拉普拉斯分数2. 算法2.1. 构建连通图2.2. 权重矩阵2.3. 图拉普拉斯2.4. 拉普拉斯分数0. LSLaplacian Score(LS),中文名称 拉普拉斯分数。1. 拉普拉斯分数Laplacian Score 是一个对一个训练集样本的特征进行打分的算法。通过这个算法可以给每一个特征打出一个分数,最后再取分数最低的 kkk 个特征作为最后选择的特征子集,是标准的 Filter 式方法。2. 算法整个 Laplacian Score 分成 4 个步骤,分别对应原创 2020-11-09 20:24:52 · 2991 阅读 · 6 评论 -
论文阅读报告:Taxonomy-aware feature engineering for microbiome classification,Mai Oudah and Andreas Hen
文章目录1. HFE1. HFEHierarchical Feature Engineering,简写 HFE,包含四个阶段,分别是:特征工程阶段(Feature engineering phase)基于相关性的过滤阶段(Correlation-based filtering phase)基于信息增益的过滤阶段(Information Gain based filtering phase)基于信息增益的叶过滤阶段(IG-based leaf filtering phase)...原创 2020-09-24 16:02:42 · 1265 阅读 · 0 评论