江城暮色

转载 Markdown表情符号简码列表

原文链接: https://gist.github.com/rxaviers/7360908markdown语法教程: https://markdown.com.cn/basic-syntax/emoji (可直接复制粘贴)：https://emojipedia.org/People :bowtie:???? :smile:???? :laughing:???? :blush:???? :smiley:☺️ :relaxed:???? :smirk:???? :h

原创 word文档实现“目录索引中标题加粗、前导符(...)和页码不加粗”效果

当我们打开自动更新并点击确定后，此时所有标题应当还是处于刚才加粗的状态，但由于我们已经选择了“自动更新”，所以我们只需用光标选中第一张的章节标题，取消“加粗”效果或再次敲击ctrl+b，这时全文的同级标题都会恢复到未加粗的状态下。如果拖动至第二章发现第二章的标题是加粗的，甚至拖动至后面任一章节发现标题都是加粗的，则返回步骤二，检查是否将“自动更新”的勾取消！此时，如果拖动至第二章，则第二章的标题应该还是没有加粗的状态，需要手动对该章节标题进行加粗。做完这一步后可以发现目录已经处于我们期望的效果了。

原创 Jupyter Notebook快速上手

此教程基于win系统且正确安装Anaconda的情形下！

原创 文献笔记|跨网络节点分类|CDNE|Network Together: Node Classification via Cross-Network Deep Network Embedding

节点标签是指分类标签，节点属性表示节点分类的输入要素。直觉上，来自不同网络的相同标记的节点可能更可能具有相似的属性，而不是具有相似的拓扑结构，特别是当节点标记更依赖于同质性效应[27]而不是结构同一性[28]时。例如，属于同一研究领域（即标签）的文章，比如来自不同引用网络的“信息安全”，可能在其标题（即属性）中包括一些共同的关键词，如“隐私、验证、加密、解密和密码术”，而它们在不同的网络中可能具有相当不同的拓扑结构。因此，与仅基于平面网络的算法相比，能够捕捉属性相似性和拓扑邻近性的属性网络嵌入算法应该更适合

原创 Ubuntu下Anaconda安装

进入anaconda官网 https://www.anaconda.com/ 下载Linux64位版本；（引号内是自定义的 “Anaconda安装地址”+“/bin:$PATH”），若返回anaconda的版本则证明安装成功！将下载好的".sh"文件放入虚拟机中；💡若此时系统提醒权限不够，则输入。将权限提升为root用户！在文档的末尾另起一行并输入。

原创 文献笔记|跨域节点分类|ACDNE|Adversarial Deep Network Embedding for Cross-network Node Classification

给定一个具有完全标记节点的源网络和一个具有完全未标记节点的目标网络，我们的目标是学习合适的节点表示，基于这些表示，可以成功地利用来自源网络的大量标记数据来分类目标网络中的节点。为此，提出了一种对抗性跨网络深度网络嵌入(ACDNE)模型，创新性地将深度网络嵌入与对抗性域适应相结合。所提出的深度网络嵌入模块包含两个特征提取器，这两个特征提取器分别基于每个节点自身的属性和由相关联的拓扑邻近度加权的其邻居的属性来学习节点表示。然后，节点之间的属性亲合性和拓扑邻近性可以被很好地保留。

原创 【数据结构笔记】8.串

串，即字符串（String）是由零个或多个字符组成的有限序列。一般记为S′a1a2an′n≥0S′a1​a2​......an′​n≥0。其中，S是串名，单引号括起来的字符序列是串的值；aia_iai​可以是字母、数字或其他字符；串中字符的个数n称为串的长度。n0n=0n0时的串成为空串（用∅\emptyset∅表示）。

原创 文献笔记|分子性质预测|Motif-based Graph Self-Supervised Learning for Molecular Property Prediction

题目：基于模体的图自监督学习用于分子性质预测 来源：NeurIPS 2021 单位：中国科学技术大学。

原创 文献笔记|会话推荐|DHCN: Self-Supervised Hypergraph Convolutional Networks for Session-based Recommendation

原创 文献笔记|知识追踪|GIKT: A Graph-based Interaction Model for Knowledge Tracing

GIKT: A Graph-based Interaction Model for Knowledge Tracing作者：Yang Yang, Jian Shen, Yanru Qu, Yunfei Liu, Kerong Wang, Yaoming Zhu, Weinan Zhang, Yong Yu来源：ECML-PKDD’20代码：https://github.com/Rimoku/GIKT关键词：Knowledge Tracing, Graph Neural Network, Infor

原创 文献笔记|知识追踪|GKT|Graph-based Knowledge Tracing: Modeling Student Proficiency Using Graph Neural Network

文章目录Graph-based Knowledge Tracing: Modeling Student Proficiency Using Graph Neural Network研究对象面临的问题难点作者的方法FrameworkGKT问题定义聚合更新预测隐含图结构的实现及 fneighborf_{neighbor}fneighbor​基于统计的方法基于学习的方法Graph-based Knowledge Tracing: Modeling Student Proficiency Using Graph

原创 文献笔记|异构图池化|UaG|User-as-Graph: User Modeling with Heterogeneous Graph Pooling for News Recommendation

文章目录User-as-Graph: User Modeling with Heterogeneous Graph Pooling for News Recommendation研究对象存在的问题作者的方法相关工作——图池化方法个性化图的构建异质图池化节点表示学习模型训练实验User-as-Graph: User Modeling with Heterogeneous Graph Pooling for News Recommendation题目：《一人一图：基于异质图池化用户建模的新闻推荐方法》作

原创 文献笔记|包推荐|IPRec|Package Recommendation with Intra- and Inter-Package Attention Networks

Package Recommendation with Intra- and Inter-Package Attention Networks题目：《利用“包内”和“包间”注意力网络的包推荐》作者：Chen Li, Yuanfu Lu, Wei Wang, Chuan Shi, Ruobing Xie, Haili Yang, Cheng Yang, Xu Zhang, Leyu Lin来源：SIGIR’21代码：https://github.com/LeeChenChen/IPRec关键词：r

原创 文献笔记|标签感知推荐|TGCN: Tag Graph Convolutional Network for Tag-Aware Recommendation

文章目录TGCN: Tag Graph Convolutional Network for Tag-Aware Recommendation研究对象面临的问题挑战作者的方法Frame Work方法构造图标签卷积网络1 类型感知邻居聚合 (C1)1.1 异构邻居采样1.2 邻居聚合2 信息更新 (C2)2.1 类型级信息重构2.2 特征交互提取2.3 高阶传播3 TransTag正则化 (C3)4 联合训练5 讨论实验TGCN: Tag Graph Convolutional Network for Tag

原创 文献笔记|符号网络|OBOE|Look Before You Leap: Confirming Edge Signs in Random Walk with Restart for PNR in SN

文章目录Look Before You Leap: Confirming Edge Signs in Random Walk with Restart for Personalized Node Ranking in Signed Networks研究对象相关工作传统方法最近的工作作者的方法方法的细节迭代算法收敛性证明Look Before You Leap: Confirming Edge Signs in Random Walk with Restart for Personalized Node R

原创 文献笔记|序列推荐|SURGE|Sequence Recommendation with Graph Neural Networks

文章目录Sequence Recommendation with Graph Neural Networks研究对象面临的问题作者的方法贡献Frame Work方法兴趣图的构建兴趣融合图卷积层兴趣抽取图池化层预测层实验Sequence Recommendation with Graph Neural Networks题目：基于图神经网络的序列推荐作者：Jianxin Chang, Chen Gao, Yu Zheng, Yiqun Hui, Yannan Niu, Yang Song, Depeng

原创 翻译|《Word Power Made Easy》（xiii~xxiii）

文章目录翻译|《Word Power Made Easy》（xiii~xxiii）短暂的间歇1.测试你的语法2.现代用法随笔3.语法是如何变化的4.如何避免成为纯粹主义者5.如何自然地说话6.你总是用恰当的词吗？7.一些有趣的派生8.如何拼写一个单词9.参加这次拼写测试10.再次检查你的拼写为了学习效果更佳该如何使用这本书1.这不是一本读物...2.掌握发音系统！3.单词在东部和西部的发音4.为什么是词源学？5.但是什么是名词、动词和形容词呢？6.如何取得最佳效果翻译|《Word Power Made E

原创 时间管理技巧

时间管理技巧学到的一些有关时间管理的技巧分享。心流状态OKR目标管理法OKR是番茄钟工作法的重要补充,番茄钟工作法本身目标管理部分理论偏弱。方向大于努力——“不要用战术上的勤奋掩盖战略上的懒惰”，既要低头拉车,也要抬头看路。全称“Objectives and Key Rsults”，目标与关键结果法。O代表目标，KR代表衡量目标达成的关键指标不是考核工具，而是过程导向指导工具。目标O明确做什么但更重要的不做什么,关键结果KR想清楚怎么做。针对个人:从OKR逐层倒推拆解到本周(或最近两

原创 翻译|《Word Power Made Easy》(vii~xii)

文章目录翻译|《Word Power Made Easy》(vii~xii)目录第一部分 开个好头第二部分 获得更大的动力第三部分 带着完全成功的感觉结束附录: 容易使人得恐惧症的一些深奥的单词翻译|《Word Power Made Easy》(vii~xii)目录##如何最大限度地利用这本书为什么这不是一本用来“读”的书；如何学习单词的正确发音；词源学方法是如何比其他方法更好地快速而持久地学习单词；如何在五到十分钟内掌握名词、动词、形容词和副词；如何运用心理学的原理来快速提高你的口头表达

原创 43道C语言练习

有3个数据a, b, c，它们由键盘输入，编写程序将它们按从小到大排序。#include<stdio.h>#define swap(x,y) { int tmp; tmp = x; x = y; y = tmp; }int main() { int a, b, c; printf("请输入a,b,c的值："); scanf("%d %d %d", &a, &b, &c); if (a <= b && a <= c) {.

原创 C语言实现Prim算法

C语言实现Prim算法一些心得放在代码的注释中，建议结合具体的图进行学习。Prim算法过程描述：在图中挑选任一顶点v0准备扩展；每次扩展一个从未扩展的顶点，要求所连的边必须是已扩展的点连向所有未扩展的点中，边的权值最小的一条。重复步骤2，直至图中所有的顶点都被扩展过。#include<iostream>#define INT_MAX 100using std::cout;using std::cerr;using std::endl;const i

原创 【数据结构笔记】易错知识点

第1章 概论既指明了存储结构，又指明了逻辑结构的情况就是单独的“物理结构”。（线索二叉树）数据的物理结构不属于数据结构研究的对象。数据结构是一门研究非数值计算的程序设计问题中计算机的操作对象以及它们之间关系和运算等的学科。数据结构是研讨数据的逻辑结构、物理结构以及它们之间的相互关系，并对与这种结构定义相应的运算（操作），设计出相应的算法数据结构被形式地定义为（D，R），其中D是数据元素的有限集合（数据对象），R是D上的关系有限集合。P-processing表示基本操作一个算法的效率可分为时间

原创 【数据结构笔记】7.排序

1~1）为根的子树进行筛选，看该结点值是否大于其左右子结点的值，若不大于，则将左右子结点中较大者与之交换，交换后可能会破坏下一级的堆，于是继续采用上述方法构造下一级堆，直到以该结点为根的子树构成堆为止。在大根堆中，最大元素存放在根结点中，小根堆中，最小元素存放在根结点。，此时根结点已不满足大根堆的性质，堆被破坏，将对顶元素向下调整使其继续保持大根堆的性质，再输出堆顶元素，直至队中仅剩下一个元素为止。个结点为根的子树筛选（对于大根堆，若根节点的关键字小于左右孩子中关键字较大者，则交换），使该子树成为堆。

原创 【数据结构笔记】6.查找

串（string）是由零个或多个字符组成的有限序列。其逻辑结构和线性表非常相似，其逻辑结构的区别仅在于串的数据对象限定为字符集。空串：字符的个数为0的串称为空串。子串：串中任意个连续的字符组成的子序列称为该串的子串。主串：包含子串的串称为主串。子串的位置：以子串的第一个字符在主串中的位置来表示子串的位置。空格串：有一个或多个空格（空格是特殊字符）组成的串。（空格串不是空串）

原创 【数据结构笔记】5.图

图的顶点集V一定非空，但边集可以E为空。

原创 【数据结构笔记】4.树与二叉树

树是n（n≥0）个结点的有限集合，n = 0时，称为空树，这是一种特殊情况。有且仅有一个特定的称为根的结点。当n > 1时，其余结点可分为m（m>0）个互不相交的有限集合T1，T2，···，Tm，其中每个集合本身又是一棵树，并且称为根结点的子树。树的定义是一种递归的数据结构。除根结点外的所有结点有且只有一个前驱结点。树中所有结点可以有零个或多个后继结点。二叉树是n（n≥0）个结点的有限集合。n = 0时为空二叉树。由一个根结点和两个互不相交的左子树和右子树（左右子树可以为空）组成。

原创 【数据结构笔记】3.栈和队列

第3章 栈和队列3.1 栈3.1.1 栈的基本概念1.栈的定义栈。只允许在一端进行插入或删除操作的线性表。栈顶。线性表允许进行插入和删除的那一端。栈底。固定的，不允许进行插入和删除的另一端。空栈。不含任何元素的空表。2.栈的基本操作initStack(&S)：初始化一个空栈。stackEmpty(S)：判断一个栈是否为空。push(&S, x)：进栈。pop(&S, &x)：出栈，若栈非空，则弹出栈顶元素。getTop(S, &amp

原创 【数据结构笔记】2.线性表

文章目录第2章 线性表2.1 线性表的定义和基本操作2.1.1 线性表的定义2.1.2 线性表的基本操作2.2 线性表的顺序表示2.2.1 顺序表的定义2.2.2 顺序表上的基本操作【注意】2.3 线性表的链式表示2.3.1 单链表的定义2.3.2 单链表上基本操作的实现1.采用头插法建立单链表2.采用尾插法建立单链表3.按序号查找结点值4.按值查找表结点5.插入结点操作6.删除结点操作7.求表长操作2.3.3 双链表1.双链表的插入操作2.双链表的删除操作2.3.4 循环链表1.循环单链表2.循环双链表2

原创 【数据结构笔记】1.绪论

文章目录第一章 绪论1.1 数据结构的基本概念和术语1.1.1 基本概念和术语1. 数据2. 数据元素3. 数据项4. 数据对象5. 数据类型6. 抽象数据类型（ADT）7. 数据结构1.1.2 数据结构三要素1. 数据的逻辑结构2. 数据的存储结构3.数据的运算1.2 算法和算法评价1.2.2 算法的基本概念【简答题】第一章 绪论1.1 数据结构的基本概念和术语1.1.1 基本概念和术语1. 数据数据是描述客观事物属性的数、字符及所有能输入到计算机中并被计算机程序识别和处理的符号的集合。2.

原创 Windows 环境下 PyTorch 的安装（踩坑合集）

文章目录Windows 环境下 PyTorch 的安装（踩坑合集）一、统揽全局二、开始安装2.1 安装Anaconda踩坑一：卸载旧版本Python时出现“严重错误”2.2 安装cuda踩坑二：'nvidia-smi' 不是内部或外部命令，也不是可运行的程序2.3 安装Pytorch踩坑三：'conda' 不是内部或外部命令,也不是可运行的程序或批处理文件。踩坑四：Collecting package metadata (current_repodata.json): failed / Solving en

原创 【笔记】机器翻译学术论文写作方法和技巧（作者：清华大学 刘洋）

【笔记】机器翻译学术论文写作方法和技巧清华大学 刘洋1 论文发表流程步骤举例确定方向（影响重大）统计机器翻译确定问题利用句法对长距离调序建模确定思路（思路新颖）将树到串对泛化为树到串模板确定方法（方法正确）规则抽取，搜索算法实验验证（易于重现）数据集、基线系统、评价指标撰写论文（表达清晰）投搞ACL2 解决问题思维独立性先思考，再去查文献相互印证语言学意义具有语言学理论的支撑，符合语言学角度的直觉数学意义

原创 【笔记】三张图读懂机器学习：基本概念、五大流派与九种常见算法

文章目录【笔记】三张图读懂机器学习：基本概念、五大流派与九种常见算法Chapter 1: A look at Machine learning1.What is it?2.How does machine learning relate to artificial intelligence?3.How machine learning works?4.How machine learning fits in?5.Machine learning in practiceChapter 2: A look at

转载 Memory-Based vs. Model-Based Recommendation Systems

Memory-Based vs. Model-Based Recommendation SystemsAnywhere you’d try to read on recommendation systems you’ll catch a mention of this categorization: memory-based versus model-based recommendation systems. I’ve seen some terrible explanations of this cat

原创 【笔记】研究生的早期科研之路（作者：中国人民大学 赵鑫）

文章目录研究生的早期科研之路1.跨越人生的舒适区2.学习过程必须专业化3.打好基础才能“骐骥千里”4.善于发现以及跟踪热点5.做好“模仿学习”6.集中精力攻坚7.动手去做吧8.加强学术表达与交流9.保持心态平和10.将科研融于生活结尾研究生的早期科研之路中国人民大学 赵鑫1.跨越人生的舒适区本科阶段侧重基础学习保研或者考研对于应试能力有着较高的要求研究生阶段则更为关注实战能力和解决问题的能力原有的学习方式不一定是最优的方式，需要进行调整和摸索。收拾心情，重新上路。2.学习过程必须专业化

原创 【笔记】浅谈研究生学位论文选题方法（作者：清华大学计算机系 刘洋）

【笔记】浅谈研究生学位论文选题方法——清华大学计算机系 刘洋博士学位掌握坚实宽广的基础理论和系统深入的专门知识；具有独立从事科学研究工作的能力；在科学或专门技术上做出创造性的成果。硕士学位掌握坚实的基础理论和系统的专门知识；具有独立从事科学研究工作或独立担负专门技术工作的能力。选题的重要性选定学位论文题目是战略性的重大决策。科研“三观”世界观：学术界的发展规律是什么？（ 游戏规则是怎样的？如何获得成功？ ）推成出新，创新至上。人生观：研究生阶段要实现的目标是什么？（

原创 [Note] Machine Learning——Chapter 2

2-1 Model representationLinear regression with one variable2-2 Cost functionAlso called squared error function.Hypothesis:hθ(x)=θ0+θ1xh_θ(x) = θ_0 + θ_1xhθ​(x)=θ0​+θ1​xparameters: θ0,θ1θ_0, θ_1θ0​,θ1​Cost function:J(θ0,θ1)=12m∑i=1m(hθ

原创 [Note] Machine Learning——Chapter 1

Machine Learning1-1 IntroductionGrew out of work in AINew capability for computersExamples:Database miningLarge datasets from growth of automation/webE.g., Web click data, medical records, biology, engineeringApplication can’t program by ha

转载 数据库设计的三大范式

数据库设计的三大范式为了建立冗余较小、结构合理的数据库，设计数据库时必须遵循一定的规则。在关系型数据库中这种规则就称为范式。范式是符合某一种设计要求的总结。要想设计一个结构合理的关系型数据库，必须满足一定的范式。在实际开发中最为常见的设计范式有三个：1．第一范式(确保每列保持原子性)第一范式是最基本的范式。如果数据库表中的所有字段值都是不可分解的原子值，就说明该数据库表满足了第一范式。第一范式的合理遵循需要根据系统的实际需求来定。比如某些数据库系统中需要...

原创 软件工程- 第3章 传统软件工程方法学

文章目录软件工程第3章 传统软件工程方法学3.1 结构化设计结构化设计的概念与原理模块化抽象逐步求精信息隐蔽模块独立3.2 模块独立耦合内聚3.3 启发规则3.4 面向数据流设计方法软件结构图信息流类型面向数据流设计过程变换分析事务分析3.5 人机界面设计人机界面设计问题人机界面设计指南3.6 过程设计过程设计任务结构化程序设计结构化程序设计工具程序复杂度3.7 面向数据结构设计方法Jackson方法步骤软件工程第3章 传统软件工程方法学3.1 结构化设计传统软件工程方法学采用结构化设计技术（SD）

原创 软件工程-第8章 面向对象程序设计风格、测试

文章目录软件工程第8章 面向对象程序设计风格、测试8.1 面向对象程序设计风格面向对象实现程序设计语言程序设计风格提高可重用性提高可扩充性提高健壮性8.2 面向对象程序测试测试策略1.单元测试2.集成测试3.确认测试测试用例设计1.测试类的方法2.集成测试方法软件工程第8章 面向对象程序设计风格、测试8.1 面向对象程序设计风格面向对象实现把面向对象设计结果翻译成面向对象程序测试并调试面向对象的程序程序设计语言所有语言都可完成面向对象实现，但效果不同。使用非面向对象语言编写面向对象程序，