- 博客(10)
- 收藏
- 关注
原创 论文-使用随机神经网络预测知识图谱中的实例类型断言
知识图谱(KG)使用模式断言或公理来建模概念和关系,这些概念和关系是描述KG中的实体及其连接的基础。这些模式断言通常定义类、关系和类成员关系之间的含义和关联。此外,推理器可以使用模式公理从KG中逻辑地推导出额外的事实,或者检测KG中编码的语句之间的不一致性。因此,在KG中拥有完整的模式断言是充分利用图中语义能力的关键,然而,由于多种原因,这些断言可能是不完整的。
2023-02-19 17:59:24
271
原创 论文-面向多视图聚类的One2Multi图自动编码器
图聚类是图分析[17]中的一个基本任务,其目的是将一个图划分为若干个紧密连接的不相交的社区或群。图聚类技术在实践中得到了广泛的应用,如群体分割[5]、通信网络结构分析[23]、社交网络中的社区发现[21]等。大多数现有的图聚类方法只关注于处理一个图[12,20]。然而,真实的世界的图形数据要复杂得多。也就是说,人们通常需要使用多视图图而不是单视图图来更好地表示真实的图数据[16],其中每个图视图表示节点之间的一种类型的关系。以学术网络为例,一个图形视图可以表示合著者关系,而另一个视图可以表示共同会议关系。
2023-02-19 17:58:26
1003
原创 论文-多任务推荐中的跨任务知识提取
在线推荐系统通常涉及预测各种类型的用户反馈,比如点击和购买。多任务学习(MTL)(Caruana 1997)在这种背景下作为一种强大的工具出现,用于探索任务之间的联系,以改进用户兴趣建模(Ma et al. 2018b;常见的MTL模型由低级共享网络和若干个高级个体网络组成,如图1(a)所示,希望共享网络通过共享或强制不同任务参数的相似性来传递“如何对输入特征进行编码”的知识(Ruder 2017)。大多数以前的研究(Ma等人,2018 a;Tang等人,2020 a;
2023-02-19 17:57:54
560
原创 论文-基于一致性-多样性图增强的图神经网络正则化
图神经网络(GNNs)作为一种典型的基于图的半监督学习(SSL)方法,已经取得了最先进的性能(Kipf and Welling 2017;Velickovic等人,2018年)。尽管取得了成功,但GNNs仍因没有充分利用未标记数据而受到批评(Wang et al. 2020;Feng等人,2020),这是SSL的基本要求(Yang等人,2021)。以前的方法倾向于使用伪标签来克服这个限制(Sun,Lin和Zhu 2020;Li、Han和Wu,2018年),但校准效果较差(Guo等人,2017年)。
2023-02-19 17:57:36
521
原创 论文-基于自适应正负样本对比学习的特征提取框架
目前,高维数据被广泛应用于模式识别和数据挖掘中,这导致了高存储开销、繁重的计算和过度的时间消耗,此外还导致了被称为“curse of dimensionality”(维数灾难)的问题。解决这些问题的一个重要方法是特征提取,它通过投影矩阵将原始的高维空间数据转换为低维子空间。尽管特征提取的效果通常比深度学习的效果差一点,但由于其强大的可解释性,特别是在任何类型的硬件(CPU、GPU、DSP)上,它一直是研究热点。因此,在传统的特征提取中,迫切需要更好地提取下游任务的区分特征。
2023-02-19 17:57:13
847
1
原创 【关于在Anaconda环境下修改jupyter默认启动目录】
如果anaconda配置虚拟环境,就把虚拟环境的jupyter快捷方式里的属性也修改(也就是对其它jupyter环境执行第5步)。引号里添加jupyter默认启动目录(不要只写个根目录,要有子目录),并把这一行前面的#号去掉,并保存。(我上图展示的是已经修改过的,有uu说上面的路径要用双反斜线,用单反斜线可能会报错。3、进到该位置用记事本打开jupyter_notebook_config.py。6、此时再运行jupyter时默认启动目录就修改了。把上图红框内选中的蓝色部分删掉,然后应用,确定。
2022-10-20 12:55:47
1869
1
原创 【安装Anaconda3 + Tensorflow + Keras + Jupyter笔记本】
快速安装Anaconda、Tensorflow、Keras以及使用Jupyter进行开发。
2022-09-30 17:41:46
3568
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人