- 博客(4)
- 收藏
- 关注
KDD 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