- 博客(135)
- 资源 (6)
- 收藏
- 关注
RSS订阅
原创 CJK备注
pip 清华镜像库 ：-i https://pypi.tuna.tsinghua.edu.cn/simple更新pip：python -m pip install --upgrade pippython第三方包(.whl)仓库:https://www.lfd.uci.edu/~gohlke/pythonlibspython官方包仓库：https://pypi.org/国内开源镜.....................
2021-01-09 18:35:27
321
原创 阿里通义千问Qwen1.5使用教程
下载各个版本LLM的文件，然后存入qwen文件夹，每个文件夹下各子文件夹即代表各个版本的llm，模型文件等存储在对应版本的子文件夹下。XXX-GPTQ-Int4的意思是对模型进行了精度为Int4的量化，虽然实测降低了一点速度但是显著降低了占用的显存。python版本为3.8，cuda(cudatoolkit)版本为11.8（版本太低运行时会报错）web网页端我使用了比较热门的。
2024-03-05 16:29:53
1294
原创 CSDN的默认markdown教程
你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：撤销：Ctrl/Command + Z重做：Ctrl/Command + Y加粗：Ctrl/Command + B斜体：Ctrl/Command + I标题：Ctrl/Command + S
2024-03-05 15:17:32
806
原创 LeetCode笔记
给定一个整数数组nums和一个整数目标值target，请你在该数组中找出 和为目标值target的那两个整数，并返回它们的数组下标。你可以假设每种输入只会对应一个答案。但是，数组中同一个元素在答案里不能重复出现。你可以按任意顺序返回答案。
2023-08-26 09:46:17
149
原创 latex报错：Sorry, but “MiKTeX Compiler Driver“ did not succeed.
有可能是bib文件里参考文献重复，也可能是引用的时候大小写不分。
2023-06-29 17:46:42
336
原创 16.(2022.6.8)FuzzyQE：知识图上基于模糊逻辑的逻辑查询回答
在大规模不完整知识图(KG)上回答复杂的一阶逻辑(FOL)查询是一项重要但具有挑战性的任务。最近的进展是在同一个空间中嵌入逻辑查询和KG实体，并通过密集相似性搜索进行查询回答。然而，以往研究中设计的大多数逻辑算子都不满足经典逻辑的公理体系，限制了它们的性能。此外，这些逻辑运算符是参数化的，因此需要许多复杂的FOL查询作为训练数据，而在大多数现实世界的知识图谱中，这些数据通常很难收集甚至无法访问。因此，我们提出了FuzzyQE，这是一种基于模糊逻辑的逻辑查询嵌入框架，用于回答KG上的FOL查询。
2023-04-24 21:40:44
739
1
原创 知识图谱-生物信息学-医学顶刊论文(Briefings in Bioinformatics-2022)：基于异构图GCN和GAT的DTI预测
目录药物-靶点相互作用(DTI)预测在药物重新定位、药物发现和药物设计中具有重要作用。然而，由于化学和基因组空间大，药物和靶点之间的相互作用复杂，DTI的实验鉴定是昂贵和耗时的。近年来，新兴的图神经网络(GNN)被应用于DTI的预测，因为DTI可以有效地用图表示。然而，其中一些方法仅基于同构图，还有一些方法由两个解耦步骤组成，无法联合训练。为了进一步探索融合异构图信息的基于GNN的DTI预测，本研究将DTI预测视为一个链路预测问题，提出了一种基于注意力机制异构图的端到端模型(DTI-HETA)。该模型首先基
2022-12-07 09:46:25
2440
原创 RuntimeError: PytorchStreamReader failed reading zip archive: failed finding central directory
原因是模型文件损坏,可能是你在模型写入的时候强行停止程序运行. 需要重新训练。
2022-11-17 08:58:56
8135
4
原创 pytorch RuntimeError: No such operator torchvision::XXX问题解决
安装torch_scatter/torch_sparse的高版本。
2022-11-13 17:39:28
772
原创 win10 torch self._handle = _dlopen(self._name, mode) OSError: [WinError 126] 找不到指定的模块
不要在cmd powershell等交互端口输入命令运行, 直接在IDE中运行。
2022-11-13 17:34:22
257
原创 win10 torch.multiprocess多线程报错 EOFError: Ran out of input 或 No rendezous handler for env://
在IDE中直接运行,不要用powershell和cmd等交互窗口。把所有的num_workers设为0。
2022-11-13 17:30:27
642
原创 知识图谱-生物信息学-医学顶刊论文(Briefings in Bioinformatics-2021)：生物信息学中的图表示学习：趋势、方法和应用
图是描述复杂系统的一种天然数据结构，它包含一系列对象和关系。无处不在的现实生活中的生物医学问题可以建模为图分析任务。机器学习，特别是深度学习，在大量的生物信息学场景中取得成功，数据以欧氏空间表示。然而，非欧几里德生物医学图中保留了丰富的生物元素之间的关系信息，这对经典的机器学习方法来说并不友好。图表示学习的目的是将图嵌入到低维空间中，同时保持图的拓扑和节点属性。它连接了生物医学图和现代机器学习方法，最近引起了机器学习和生物信息学领域的广泛关注。本文综述了图表示学习及其在生物信息学中的代表性应用。
2022-10-24 16:24:20
1242
原创 知识图谱-生物信息学-医学顶刊论文(Briefings in Bioinformatics-2021)：MPG：一种有效的自我监督框架，用于学习药物分子的全局表示以进行药物发现
如何生成具有表达性的分子表示是人工智能驱动药物研发的一个根本挑战。图神经网络(GNN)已经成为一种强大的分子数据建模技术。然而，以往的监督方法通常存在有标签数据稀缺和泛化能力差的问题。在此，我们提出了一种新的基于分子预训练图的深度学习框架MPG，该框架从大规模的未标记分子中学习分子表示。在MPG中，我们提出了一种用于分子图建模的强大GNN模型–MolGNet，并设计了一种有效的自监督策略在节点和图层面对模型进行预训练。
2022-10-22 21:59:10
751
原创 矩阵乘法和激活函数
是两个任意大小的矩阵间的运算，结果是一个矩阵如果A是一个m×n的矩阵，而B是一个p×q的矩阵，克罗内克积则是一个mp×nq的分块矩阵。是一个很小的常数，这样保留了一些负轴的值，使得负轴的信息不会全部丢失）矩阵内积又称为向量内积/点积/数量积，这是最常见的一种矩阵乘法.两个矩阵A、B的矩阵内积对应分量乘积之和，矩阵外积又称为或向量外积/叉积/向量积，即。哈达玛积的乘法符号为。
2022-10-21 23:15:39
2581
原创 知识图谱顶会论文(KDD-2022) kgTransformer：复杂逻辑查询的预训练知识图谱Transformer
知识图(KG)嵌入是不完备KG推理的主流方法。然而，受其固有的浅层和静态结构的限制，它们很难应对日益增长的复杂逻辑查询的，这些复杂逻辑查询包括逻辑运算符、推定边缘、多个源实体和未知的中间实体。在这项工作中，我们提出了具有掩蔽预训练和微调策略的KGTransformer(KgTransformer)。我们设计了一种KG三元组变换方法，使Transformer能够处理KG，并通过混合专家(MoE)稀疏激活进一步加强了KG的处理能力。
2022-10-21 09:06:20
1727
原创 知识图谱-生物信息学-医学论文(Chip-2022)-BCKG-基于临床指南的中国乳腺癌知识图谱的构建与应用
知识图谱是医学智能的重要资源。普通医学知识图谱试图囊括所有疾病，包含大量医学知识。然而，人工评测所有的三元组是困难的，因此知识的准确性通常不能支持智能医疗应用。乳腺癌是目前发病率最高的癌症之一。通过人工智能技术提高乳腺癌诊疗效率，改善乳腺癌患者术后健康状况迫在眉睫。针对这一需求，本文提出了一个基于临床指南构建乳腺癌KG的框架。具体地说，从临床指南的文本和表格中提取三元组知识，并通过知识融合将不同指南的知识融合在一起，构建乳腺癌KG(BCKG)。
2022-10-18 16:33:36
1431
原创 知识图谱-生物信息学-医学论文(BMC Bioinformatics-2022)-挖掘阿尔茨海默病相关KG来确定潜在的相关语义三元组用于药物再利用
迄今为止，大多数神经退行性疾病都没有有效的治疗方法。知识图可以为异构数据提供全面的语义表示，并已成功地应用于包括药物再利用在内的许多生物医学应用中。我们的目标是从文献中构建一个知识图谱，研究阿尔茨海默病(AD)与化学物质、药物和膳食补充剂之间的关系，以确定预防或延缓神经退行性发展的机会。我们收集生物医学注释，并通过SemMedDB使用SemRep提取它们之间的关系。在数据预处理过程中，我们使用了基于BERT的分类器和基于规则的方法来排除噪声，同时保留大多数与AD相关的语义三元组。
2022-10-17 16:40:00
1344
原创 知识图谱-生物信息学-医学顶刊论文(Bioinformatics-2021)-SumGNN:通过有效的KG聚集进行多类型DDI预测
由于DDI数据集和大型生物医学KG的日益可用性，使用机器学习模型对不良DDI进行准确检测成为可能。然而，如何有效利用大规模但含有噪声的生物医学KG进行DDI检测仍是一个有待解决的问题。由于KG的规模和噪声都很大，直接将KG与其他更小但质量更高的数据(如实验数据)集成通常不太有益。大多数现有的方法完全忽略了KG。有些人试图通过GNN直接将KG与其他数据集成，但效果不太理想。此外，以往的研究多集中于二分类DDI的预测(例如两种药物之间有没有DDI存在)，而多类型DDI的药效作用预测则更有意义且难度更大。
2022-10-16 22:20:46
685
原创 知识图谱-生物信息学-医学顶刊论文(Bioinformatics-2021)-MUFFIN:用于DDI预测的多尺度特征融合
药物-药物不良相互作用(DDI)是药物研究的重要环节，是导致药物发病率和死亡率的主要原因。因此，识别潜在的ddi对医生、患者和社会都是至关重要的。现有的传统机器学习模型严重依赖手工特征，缺乏泛化能力。近年来，深度学习方法可以从分子图或药物相关网络中自动学习药物特征，提高了计算模型预测未知DDIs的能力。然而，以往的工作利用大量的标记数据，只考虑药物的结构或序列信息，而不考虑药物与其他生物医学对象(如基因、疾病和途径)之间的关系或拓扑信息，或考虑知识图(KG)而不考虑药物分子结构的信息。
2022-10-13 19:55:54
1924
原创 知识图谱-生物信息学-医学顶刊论文(Bioinformatics-2021)-KG4SL:用于人类癌症SL预测的知识GNN
论文标题：KG4SL: knowledge graph neural network for synthetic lethality prediction in human cancers论文地址：https://academic.oup.com/bioinformatics/article/37/Supplement_1/i418/6319703论文期刊：Bioinformatics 2021动机:合成致死(SL) 是发现抗癌药物靶点的一个很有希望的方法。湿实验室筛选SL对的方法存在成本高、批量效应
2022-10-12 23:20:14
1172
原创 知识图谱-生物信息学-医学顶刊论文(Bioinformatics-2022)-SGCL-DTI：用于DTI预测的监督图协同对比学习
论文标题: Supervised graph co-contrastive learning for drug–target interaction prediction论文地址: https://academic.oup.com/bioinformatics/article-abstract/38/10/2847/6551245论文期刊: Bioinformatics 2022动机：药物-靶标相互作用(DTI) 的识别是药物发现和重定位的重要步骤。基于生物实验的DTI预测既耗时又昂贵。近年来，基于图
2022-10-11 18:22:35
1408
原创 知识图谱-生物信息学-医学顶刊论文(Bioinformatics-2021)-MSTE: 基于多向语义关系的有效KGE用于多药副作用预测
动机多药联用是指多种药物联合使用治疗疾病。然而，它经常显示出很高的副作用风险。由于联合用药之间存在不必要的相互作用，多药联用的副作用会增加患病风险，甚至导致死亡。因此，获取丰富而全面的多药副作用信息是医疗保健行业的一项重要任务。早期的传统方法使用机器学习技术来预测副作用。然而，为了提取药物的特征进行预测，他们往往付出昂贵的努力。随后，提出了几种基于KG的方法。据报道，它们的效果优于传统方法。然而，由于未能模拟药物之间副作用的复杂关系，它们仍然在性能上有很大局限性。结果。
2022-10-10 14:38:06
1584
原创 知识图谱顶会论文(SIGIR-2022) MorsE：归纳知识图嵌入的元知识迁移
由大量三元组组成的知识图(KG)近年来得到了广泛的应用，人们提出了许多知识图嵌入(KGE)的方法来将KG的实体和关系嵌入到连续的向量空间中。这种嵌入方法简化了执行各种KG内任务(例如，链接预测)和KG外任务(例如，问题回答)的操作。它们可以被视为表达KG的通用方案。然而，现有的KGE方法不适用于归纳设置，因为在归纳设置中，源KG上训练的模型将在模型训练时看不到的实体的目标KG上进行测试。已有的研究主要集中在归纳设置下的知识发现上，只能解决归纳关系预测问题。
2022-10-09 16:32:22
1854
1
原创 知识图谱顶会论文(IJCAI-2022) TEMP：多跳推理的类型感知嵌入
论文地址: Type-aware Embeddings for Multi-Hop Reasoning over Knowledge Graphs由于传统的子图匹配方法不能很好地处理噪声和缺失信息，现实生活中的知识图(KGs)上的多跳推理是一个极具挑战性的问题。为了解决这个问题，最近流行一种很有前景的方法来替代传统的子图匹配方法，该方法通过将逻辑查询和KG联合嵌入到低维空间中来识别预测的实体。然而，现有的方法忽略了KG中固有的关键语义知识，例如类型信息。为了利用类型信息，我们提出了一种新颖的类型感知消息传递
2022-10-07 21:28:49
1590
1
原创 知识图谱顶会论文(ACL-2022) ACL-SimKGC：基于PLM的简单对比KGC
知识图谱补全(KGC)的目的是对已知事实进行推理，并推断出缺失的环节。基于文本的方法，如KG-BERT从自然语言描述中学习实体表示，并具有归纳KGC的潜力。然而，基于文本的方法的性能仍然大大落后于基于图嵌入的方法(KGE)，如TransE和RotatE。在本研究中，我们认为关键问题在于有效的对比学习。批内负采样、批前负采样和作为困难负样本的简单形式的自我负采样。结合InfoNCE损失，我们提出的模型SimKGC在多个基准数据集上的性能大大优于基于嵌入的方法。
2022-10-06 20:05:58
3178
3
原创 MRR和Hits@n
MRR是一种衡量搜索质量的方法。我们取一个未被破坏的节点，找到距离定义为相似性分数的**”最近邻”**。根据相似性得分对最近的节点进行排名，并期望连接的节点会出现在排名的顶部。如果节点没有出现在第一个，MRR 会降低模型的精度得分。根据相似性得分对最近的节点进行排名，我们期望被破坏的节点出现在。(n通常为1、3和10)
2022-10-06 18:31:42
701
原创 归纳学习(Inductive Learning),直推学习(Transductive Learning),困难负采样(Hard Negative)
当重新训练你的分类器后，分类器会表现的更好，并且不会像之前那样产生多的错误的正样本。也叫转导学习，指的是由当前学习的知识直接推广到指定的部分数据上。即用于训练的数据包含了测试数据，学习过程是作用在这个固定的数据上的，一旦数据发生改变，需要重新进行学习训练。对应于domain adaptation(领域自适应)，给定训练的数据包含了目标域数据，要求训练一个对目标域数据有最小误差的模型。对应于meta-learning(元学习)，要求从诸多给定的任务和数据中学习通用的模式，迁移到未知的任务和数据上。
2022-10-05 22:40:55
1265
原创 知识图谱顶会论文(ACL-2022) PKGC：预训练模型是否有利于KGC？可靠的评估和合理的方法
开放世界假设(OWA)我们提出了一种新的基于PLM的KGC模型，名为PKGC。基本思想是**将每个三元组及其支持信息转换为自然提示句，进一步输入PLM进行分类。
2022-10-05 15:43:02
960
1
原创 知识图谱顶会论文(ACL-2022) CAKE：用于多视图KGC的可扩展常识感知框架
知识图谱顶会论文(ACL-2022) CAKE：用于多视图KGC的可扩展常识感知框架CAKE：Scalable Commonsense-Aware Framework For Multi-View Knowledge Graph Completion
2022-10-04 14:45:10
1212
原创 知识图谱顶刊综述 - (2021年4月) A Survey on Knowledge Graphs: Representation, Acquisition, and Applications
这是2021年4月发表在知识图谱领域顶刊上的一篇综述文章, 论文名 A Survey on Knowledge Graphs: Representation, Acquisition, and Applications人类知识提供了对世界的正式理解.表示实体之间结构关系的知识图谱已成为认知和人类智能领域日益流行的研究方向.在本次回顾中,我们对知识图谱进行了全面回顾,涵盖了以下总体研究主题：1)知识图谱表示学习,2)知识获取和完成,3)时间知识图谱,以及4)知识感知应用,并总结了最近的突破和展望方向,以便将来
2022-10-02 01:17:53
6145
1
原创 反绎学习简介
那么如果从这样的一个逻辑系统，我们马上就可以知道，第三句话，我们知道Lulu是Fifi的妈妈，那么从第2句话我们就知道她是Fifi的父母。但这很难，考古学家现在只知道这两个红色的应该是同一个数，蓝色的应该是另外一个数，但这个红色的既有可能是1，也有可能是8，也有可能是9。比方说如果我们认为红色的这个是1，那我们现在这个蓝色的就有几种可能，2 3 4 5 6 7这些可能都有，例如右边的最下面一行是1.18.5.7.0，这是从观察到的图像得出的猜测。我们要有很多label，这是关于训练样本的已经知道的结果。
2022-10-01 20:39:05
1191
原创 传统优化方法：枚举法、启发式算法和搜索算法
该方法虽然保证不了一定能够得到问题的最优解，但若适当地利用一些启发知识，就可在近似解的质量和效率上达到一种较好的平衡。该方法求解效率较高，但对每一个需求解的问题必须找出其特有的启发式规则，这个启发式规则一般无通用性，不适合于其他问题。寻求一种搜索算法，该算法在可行解集合的一个子集内进行搜索操作，以找到问题的最优解或者近似最优解。寻求能产生可行解的启发式规则以找到一个最优解或近似最优解。枚举出可行解集合内的所有可行解，以求出精确最优解。现阶段，启发式算法以仿自然体算法为主，主要有。
2022-09-30 20:12:41
1455
原创 联邦学习简介
在神经网络中，如果一个网络的训练数据越多，其训练效果往往会越好。但是由于用户数据不能够被随意的使用和转发,因此各个商业公司和研究机构的数据不能合并训练,因此,开发出联邦学习用于在不泄露用户数据的情况下，利用用户数据进行训练.
2022-09-30 19:49:25
799
原创 AI之强化学习、无监督学习、半监督学习和对抗学习
强化学习（英语：Reinforcement Learning，简称RL）是机器学习中的一个领域，是强调如何基于环境而行动，以取得最大化的预期利益[1]。
2022-09-25 23:33:18
2989
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人