- 博客(7)
- 收藏
- 关注
RSS订阅原创 ICML2023基于节点路径更新且可区分同构的GNN模型论文阅读笔记
图神经网络(gnn)最近已经成为学习图结构数据的标准方法。之前的工作揭示了它们的潜力，但也揭示了它们的局限性。不幸的是，研究表明，标准gnn的表达能力有限。在区分非同构图方面，这些模型并不比一维Weisfeiler-Leman (1-WL)算法更强大。本文提出路径神经网络(PathNNs)，一种通过聚合来自节点的路径来更新节点表示的模型。推导出PathNN模型的三种不同变体，聚合了长度为k的单最短路径、所有最短路径和所有简单路径。证明了其中两种变体严格比1-WL算法更强大，并通过实验验证了理论结果。路径神经
2023-06-27 12:51:08
393
1
原创 ICLR2023基于Transformer的社交知识图谱
一种新的图增强 Transformer 框架，为网络边缘的文本信息建模，用于边缘和节点的表示学习，在编码边缘文本将信息注入到每个transformer层，并在节点表示学习中通过attention在每个节点的图中聚合边表示，用于边分类和链接预测。现实中社交网络边与文本信息关联（如用户之间的信息与用户-产品评论），传统gnn侧重于传播和聚合节点属性缺乏文本语义，初始化边属性作为特征向量不能充分捕捉边的上下文文本。
2023-05-04 16:46:40
449
原创 Applications2022Sci1区时序图谱补全
TGA补全是图嵌入的重要任务，现有的方法仅从单一粒度对时间进行编码，缺乏对时间点和时段特征导致无法同时处理离散事实和连续实时这两种不同时间形态的实时。本文提出一种TKG嵌入模型引入区块项张量分解，利用核心张量和因子矩阵提取不同时间粒度下的信息，以时间段内的矩为中心，将离散事实视为连续事实的特例，统一管理不同类型事实的特例，此外显式设计实体和关系及其交互的静态属性。
2023-05-04 16:40:03
169
原创 EMNLP2022基于逻辑规则嵌入的时序图谱模型
现有关于时序知识图的外推推理，主要有依赖于学习到的实体与关系嵌入的基于嵌入的方法和基于逻辑规则的方法，收到可伸缩性的问题。通过学习规则嵌入提取深度因果逻辑，设计了自适应逻辑规则嵌入模型ALRE-IR，并提出一种单类增广匹配损失进行优化，该模型还具备量化的零样本能力。
2023-05-04 16:20:18
380
1
原创 对机器学习模型的评估
对机器学习逻辑斯蒂回归的介绍及评估机器学习及相关模型简介逻辑斯蒂回归模型介绍算法步骤模型评估机器学习及相关模型简介机器学习是一门多领域交叉的学科，是人工智能的基础。利用大量的数据进行分析与挖掘，机器学习的模型作为一种从数据当中发现复杂规律，并且利用规律对未来时刻、未知状况进行预测和判定的方法，将可应用在人类各领域内推动着大数据科技的发展。下图为目前主流的基础机器学习模型。逻辑斯蒂回归模型介绍逻辑斯谛回归(LR)是经典的分类方法1．逻辑斯谛回归模型是由以下条件概率分布表示的分类模型。逻辑斯谛回归
2021-04-06 13:36:34
160
2
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