- 博客(14)
- 收藏
- 关注
RSS订阅原创 RNN之LSTM解析
先简单回顾一下RNN的相关知识RNN之所以称为循环神经网络，是因为一个序列当前的输出与前面的输出也有关。具体的表现形式为网络会对前面的信息进行记忆并应用于当前输出的计算中，即隐藏层之间的节点不再无连接而是有连接的，并且隐藏层的输入不仅包括输入层的输出还包括上一时刻隐藏层的输出。（1）将先前隐藏状态传递给序列的下一步，其中隐藏状态作为神经网络记忆，其包含相关网络已处理数据的信息；（2）神经元获得输入及先前隐藏状态；（3）根据当前输入及先前隐藏状态计算出当前隐藏状态。RNN中的每个cell是如何计
2021-03-16 00:21:38
1163
原创 中心性算法 (Centrality Algorithms)
中心性（Centrality）是社交网络分析（Social network analysis, SNA）中用以衡量网络中一个点或者一个人在整个网络中接近中心程度的一个概念，这个程度用数字来表示就被称作为中心度。也就是说，通过了解一个节点的中心性，从而判断这个节点在网络中所占据的重要性。在图论和网络分析中，中心性指标可确定图中的最重要节点。 其应用包括识别社交网络中最有影响力的人，互联网或城市网络中的关键基础设施节点以及疾病的超级传播者。中心性算法主要用于识别图中特定节点的角色及其对网络的影响。对于节点
2021-03-15 21:12:14
7449
1
原创 Micro-F1 与 Macro-F1
1. Precision和Recall的计算名称含义TP(True Positive)真阳性：预测为正，实际为正FP(False Positive)假阳性：预测为正，实际为负TN(True Negative)真阴性：预测为负，实际为负FN(False Negative)假阴性：预测为负，实际为正（1）Precision（精确率）：被认为正的样本中，实际上有多少是正的。Precision=TPTP+FP.{\rm Precision}=\frac {\r
2020-11-05 16:51:19
1940
原创 python中数组切片含义解析
关于数组切片的解析：① [i]、[-1]；② [:-1]、[:n]、[n:]、[n:m]、[:]；③ [n: m: x]、[: : x]、[: : ]、[-1: : ]、[: -1:]、[: :-1]④ [a,b]、[a1:a2, b1:b2]一、一维数组1.1 无冒号 —— 结果为一维数组的元素（1） A[i]：取数组中下标为i的元素A = [0, 1, 2, 3, 4, 5, 6]print(A[3])---------------------------------3Pro
2020-11-02 23:20:26
3822
原创 如何彻底卸载云上PDF？一个非常简单的教程
1. 下载Geek Uninstaller（免安装）下载一个Geek Uninstaller（geek下载地址），然后直接点击exe文件打开找到云上pdf进行卸载（但是，连geek都无法彻底删除该捆绑软件的注册表文件）。2. 解决文件关联问题卸载完后可能仍有弹窗，这时Win+R输入regedit进入注册表编辑页面，ctrl+F输入云上pdf，删除注册表信息，同时注册表名含iPDF的文件夹全部删除以解除文件关联。3.last but not least进入 网络不良与垃圾信息举报受理中心 选择"举报
2020-10-30 11:07:27
17264
2
原创 浅谈SPEAR算法
SPEAR算法参考文献：SPEAR: Spamming-Resistant Expertise Analysis and Ranking in Collaborative Tagging Systems、[三个算法：PageRank，HITS，SPEAR]1.背景网络用户将他们喜欢的资源(如书签和数码照片)上传到系统，并为资源分配描述性关键字(通常称为标签)，以便将其分类或与其他用户共享。标记是为了组织和共享目的而将标签分配给在线资源的行为，它基于使用描述性关键字来描述和索引资源的简单想法。这种标记的
2020-08-30 23:00:13
497
原创 浅谈HITS算法
HITS算法参考文献：HITS算法–从原理到实现、链接分析算法之 HITS算法、链接挖掘算法之PageRank算法和HITS算法、什么是HITS算法|集智百科、还是建议阅读一下最初始的论文：Authoritative sources in a hyperlinked environment1、关于HITSHITS全称为Hyperlink-Induced Topic Search。在HITS算法中，每个页面被赋予两个属性：Hub属性和Authority属性。具有上述两种属性的网页分为两种：Hub页面
2020-08-30 22:52:01
2924
原创 关于PageRank算法的一些整理
关于PageRank算法参考文献1、PageRank算法这个视频真的很不错，浅显易懂。1、算法中心思想（1）数量假设：在网页模型图中，一个网页接收到的其他网页指向的入链（in-links）越多，说明该网页越重要。（2）质量假设：当一个质量高的网页指向（out-links）一个网页，说明这个被指向的网页质量也高。可以这样类比：在一次投票过程中，得票数多的人，其声望排名肯定相对较高；此外，被声望较高的人投票的人，说明其声望排名也较高。2、算法和公式PR(a)i+1=∑i=0nPR(Ti)
2020-08-25 16:38:03
484
原创 Inductive Matrix Completion Based on Graph Neural Networks
参考文献 Inductive Matrix Completion Based on Graph Neural Networks - ICLR 2020〇、相关工作1、Graph Neural Network图神经网络(GNNs)是一种用于在图形上学习的新型神经网络。主要分为两种类型：Node Level GNNs和Graph Level GNNs。Nodelevel GNNs使用消息传递层在每个节点与其邻居之间迭代传递消息，以便为编码其局部子结构的每个节点提取特征向量。Graph level
2020-08-14 23:40:19
2550
3
原创 批量删除新浪微博的博文
如何批量删除新浪微博的博文 1.登录微博2.进入到“我的主页”3.进入调试模式4.删除博文新手机号登录微博后发现已经被注册过僵尸号了，一怒之下准备删除全部的微博！Warning：以下操作将删除你全部的微博！1.登录微博通过电脑打开微博网页版，成功登录目标微博账号。2.进入到“我的主页”3.进入调试模式在“我的主页”页面按F12或者单击鼠标右键选择“检查”，从而打开调试页面，并选择"Console"窗口。4.删除博文打开Console后，在页面下部小三角后输入以下代码：【代码】'
2020-08-01 15:05:30
2236
1
原创 链路预测之基于局部信息的相似性指标
链接预测方法最简单的框架是基于相似度的算法，其中为每对节点xxx和yyy分配一个分数SxyS_{xy}Sxy，该分数直接定义为xxx和yyy之间的相似度(或邻近度)。所有未观察到的链接均根据其得分进行排名，并且连接更多相似节点的链接被认为具有较高的存在可能性。节点相似性可以通过使用节点的基本属性来定义：如果两个节点具有许多共同特征，则认为它们是相似的。本文主要介绍10个基于局部信息的相似性指标。1 局部相似性指标（1）Common Neighbours(CN)\small Commo
2020-07-13 16:03:15
2572
3
原创 链路预测之问题定义及衡量指标
问题定义及评价指标 定义(G,V,E)( G, V, E)(G,V,E) 为一个无向网络，其中V\small VV为节点集合，E\small EE为边集合。网络总的节点数为N\small NN，边数为M\small MM。该网络共有N(N−1)2\small \frac{N(N-1)}{2}2N(N−1)个节点对，即全集U\small UU。 将已知的连边E\small EE分为训练集ET\small E^TET和测试集EP\small E^PEP 两部分。从数据集中选取一部分边作为测试集EP\.
2020-07-13 15:55:00
2673
原创 在Windows搭建私人蚂蚁云笔记服务器
这里写自定义目录标题1.下载相关文件2.安装MongoDB3.导入leanote初始数据4.安装leanote客户端5.设置开机启动1.下载相关文件（1）MongoDB（2）leanote二进制文件（3）leanote客户端2.安装MongoDB（1）将下载好的zip文件解压到D盘，并在解压后的文件目录内创建搭建服务器所需要的文件：日志文件和数据文件。 ①新建文件夹logs，并在logs文件夹下新建log.txt； ②新建文件夹data，并在data文件夹下新建文件db。（2）在D
2020-07-06 16:01:26
2523
7
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