![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
AI
edelweiss@撒哈拉
这个作者很懒,什么都没留下…
展开
-
#paper reading#Semi-supervised Learning on Graphs with Generative Adversarial Nets
????https://dl.acm.org/doi/10.1145/3269206.3271768文章提出了图的半监督学习的一种新方法GraphSGAN。摘要我们研究了生成对抗网(generative attersarial nets,GANs)如何帮助图的半监督学习。我们首先介绍了图的对抗学习的工作原理,然后提出了图的半监督学习的一种新方法GraphSGAN。在GraphSGAN中,生成器和分类器网络进行了一种新颖的竞争博弈。在平衡状态下,生成器在子图之间的低密度区域生成假样本。为了区分真假样本,翻译 2020-07-25 16:11:55 · 472 阅读 · 0 评论 -
#paper reading#Cognitive Graph for Multi-Hop Reading Comprehension at Scale
Cognitive Graph for Multi-Hop Reading Comprehension at Scale摘要1. 简介2. 认知图问答框架3. 实现3.1 系统13.2 系统23.3 预测器3.4 训练3.4.1 任务#1:跨度提取3.4.2 任务#2:答案节点预测4. 实验4.1 数据集4.2 实验细节4.3 基线4.4 结果5. 相关工作6.讨论与结论认知图在多跳阅读理解中的应用paper链接: https://arxiv.org/abs/1905.05460Codes are a翻译 2020-07-19 23:07:48 · 314 阅读 · 0 评论 -
#Paper reading#DeepInf: Social Influence Prediction with Deep Learning
#Paper reading#DeepInf: Social Influence Prediction with Deep Learning设计了一个端到端的框架DeepInf,研究用户层面的社会影响力预测。论文地址:linkAbstract社交和信息网络活动,如Facebook,Twitter,WeChat,Weibo已经成为我们日常生活中不可缺少的一部分,我们可以很容易地了解到朋友的行为,进而受到他们的影响。因此,对每个用户进行有效的社会影响力预测对于各种应用(如在线推荐和广告)至关重要。传统翻译 2020-07-18 12:00:44 · 1195 阅读 · 0 评论