知识图谱
文章平均质量分 78
uncle_ll
这个作者很懒,什么都没留下…
展开
-
WeekPaper:GraphTranslator将知识图谱与大模型对齐
GraphTranslator工作是将知识图谱与大模型对齐原创 2024-03-30 21:23:43 · 804 阅读 · 0 评论 -
图计算-图算法
斯坦福CS224W课程httphttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttps。原创 2022-07-22 23:30:00 · 469 阅读 · 1 评论 -
Learning Community Embedding with Community Detection and Node Embedding on Graphs
在本文中,研究了一个重要的但在很大程度上尚未被探索的图嵌入设置,即嵌入社区而不是每个单独的节点。我们发现,社区嵌入不仅适用于图形可视化等社区级应用程序,而且有利于社区检测和节点分类。为了学习这种嵌入,本文的见解取决于社区嵌入、社区检测和节点嵌入之间的一个闭环。另一方面,节点嵌入有助于提高社区检测能力,输出良好的社区,以拟合更好的社区嵌入。另一方面,社区嵌入可以通过引入具有社区感知能力的高阶邻近性来优化节点嵌入。基于此,本文提出了一个新的社区嵌入框架,共同解决这三个任务。原创 2022-09-09 23:30:00 · 848 阅读 · 0 评论 -
Infomap Python API
是一种基于层距离编码的无监督社区发现算法,为了区分随机游走从一个群组进入到了另一个群组,除了群组的名字之外,对于每个群组的跳出动作也给予了一个编码。比如,下图(c)中红色节点部分是一个群组,群组名的编码是 111,跳出编码是 0001。这样在描述某个群组内部的一段随机游走路径的时候,总是以群组名的编码开头,以跳出编码结束。从上述结果可以看到,找到了两个社区1和2,社区1中有节点3,4,5, 社区2中有节点0,1,2。可以使用 PyPI 安装 Infomap。详细原理具体可以参考文末的参考文献列表。原创 2022-10-19 23:30:00 · 970 阅读 · 0 评论 -
邻接矩阵获取加速
虽然封装的方法使用起来非常方便快捷,但如果能够理解一些基础性的原理和操作的话,通过简单的加减乘除等操作处理能够在保证结果准确的前提下,大大提升速度。原创 2022-12-13 23:00:00 · 283 阅读 · 0 评论 -
图计算-图简介
注一般情况下,我们认为图(graph)和网络(network)两种术语可交替使用。节点分类任务,基于节点的特征与关联,判断该节点(人或进件)是否是欺诈类别还是非欺诈类别。大多数的数据结构可以看做是一种图数据结构,包括链表,树等。不同于一般的目标检测图像数据,一般是3D点云数据,通过激光雷达等方式获得的离散数据。邻接表类似于哈希表,每个节点作为key,后面跟的值是一个列表,表明相连的节点。比如社交网络,互联网,推荐系统,化学分子等。对于节点4邻居有三个,度数为3,出度为2,入度为1。...原创 2022-07-21 23:00:00 · 580 阅读 · 0 评论 -
TuGraph图学习技术详解
TuGraph技术分享原创 2023-09-07 00:00:00 · 356 阅读 · 0 评论