- 博客(4)
- 收藏
- 关注
RSS订阅
89
1KDD 2020会议报告：自动机器学习+推荐系统
什么是自动机器学习（AutoML）-回顾
推荐系统：基本以及为什么需要AutoML？
自动推荐系统的最新进展
用于推荐系统的自动图神经网络
2023-03-29
Valse-2021会议报告：基于知识图的自动表示学习
1.什么是知识图（KG）？
2.什么是自动机器学习（AutoML）？
3.通过AutoML攻击KG中的核心问题
4.未来工作和总结
2023-03-29
AAAI 会议报告PPT：从图形结构化数据中自动学习
00-45分钟第1部分：自动图形神经网络
45-90分钟第2部分：图形结构化数据的超参数调整
90-135分钟第3部分：自动知识图推理：从三元组到子图
2023-03-29
IJCAI-2021 会议报告PPT：推荐系统的进展
第1部分：自动机器学习（AutoML）简介
第2部分：为什么在RecSys中需要AutoML以及最新进展
第3部分：RecSys的自动图神经网络
第4部分：自动知识图嵌入
2023-03-29
ACML 报告PPT：从图形结构化数据中自动学习
（2021年）报告大纲
1.什么是自动机器学习（AutoML）
•机器学习技术工具的背景
2.自动图神经网络（GNN）
•探索GNN的神经架构搜索
3.自动知识图（KG）嵌入
•探索用于KG嵌入的AutoML
2023-03-29
需求分析的ePurse数据集
基于ePurse数据集可以回答的问题包括以下高级挑战：
自动跟踪链接发现
需求（类型）的识别，例如特性或质量需求
知识提取（例如词汇表术语、隐含数据模型）
分析需求（例如提取隐含目标模型、歧义分析）
建议应用：
确定质量要求（此处：安全性） 提取词汇表、隐含数据模型
SecReq 团队：Siv Hilde Houmb、Shareeful Islam、Jan Jürjens、Eric Knauss*、Kurt Schneider
需求的专家分类：为了训练和评估识别安全相关需求的启发式分类器，我们需要预先分类的需求。 下载我们的电子钱包规范专家分类。
训练和测试数据：从专家分类中，我们得出训练和评估的分类要求集。 这些是简单的 CSV 文件，用于我们评估中的三个规范：ePurse、CPN 和 GPS。
2023-03-29
需求分析的GPS数据集
基于GPS数据集可以回答的问题包括以下高级挑战：
自动跟踪链接发现
需求（类型）的识别，例如特性或质量需求
知识提取（例如词汇表术语、隐含数据模型）
分析需求（例如提取隐含目标模型、歧义分析）
建议应用：
确定质量要求（此处：安全性） 提取词汇表、隐含数据模型
SecReq 团队：Siv Hilde Houmb、Shareeful Islam、Jan Jürjens、Eric Knauss*、Kurt Schneider
需求的专家分类：为了训练和评估识别安全相关需求的启发式分类器，我们需要预先分类的需求。 下载我们的电子钱包规范专家分类。
训练和测试数据：从专家分类中，我们得出训练和评估的分类要求集。 这些是简单的 CSV 文件，用于我们评估中的三个规范：ePurse、CPN 和 GPS。
2023-03-29
需求分析的CPN数据集
基于CPN数据集可以回答的问题包括以下高级挑战：
自动跟踪链接发现
需求（类型）的识别，例如特性或质量需求
知识提取（例如词汇表术语、隐含数据模型）
分析需求（例如提取隐含目标模型、歧义分析）
建议应用：
确定质量要求（此处：安全性） 提取词汇表、隐含数据模型
SecReq 团队：Siv Hilde Houmb、Shareeful Islam、Jan Jürjens、Eric Knauss*、Kurt Schneider
需求的专家分类：为了训练和评估识别安全相关需求的启发式分类器，我们需要预先分类的需求。 下载我们的电子钱包规范专家分类。
训练和测试数据：从专家分类中，我们得出训练和评估的分类要求集。 这些是简单的 CSV 文件，用于我们评估中的三个规范：ePurse、CPN 和 GPS。
2023-03-29
需求分析PROMISE 数据集
基于该数据集（672条数据）可以回答的问题包括以下高级挑战:
自动跟踪链接发现
需求（类型）的识别，例如特性或质量需求
知识提取（例如词汇表术语、隐含数据模型）
分析需求（例如提取隐含目标模型、歧义分析）
这是公开可用的 PROMISE 软件工程存储库数据集，以鼓励可重复、可验证、可反驳和/或可改进的软件工程预测模型。如果您发布基于 PROMISE 数据集的材料，请遵循 PROMISE 存储库网页 http://promisedata.org/repository 上发布的确认指南。
2023-03-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人