- 博客(29)
- 收藏
- 关注
RSS订阅原创 WORD TRANSLATION WITHOUT PARALLEL DATA ICLR2018
WORD TRANSLATION WITHOUT PARALLEL DATA ICLR2018Alexis Conneau∗ † ‡ , Guillaume Lample∗ † § , Marc’Aurelio Ranzato† , Ludovic Denoyer§ , Herve J ´ egou ´ †现在词翻译都依赖平行语料，本模型则是不需要，本无监督模型的效果甚至在语言差距大...
2019-06-10 17:49:22
459
翻译 Generative Adversarial User Model for Reinforcement Learning Based Recommendation System
Generative Adversarial User Model for Reinforcement Learning Based Recommendation System ICML 2019摘要：本文是推荐系统和强化学习结合起来的应用：主要是2点：1我们开发了一个生成式的对抗学习(GAN)公式来模拟用户的行为动态，并恢复她的奖励功能。通过联合最小二乘优化算法，同时...
2019-06-08 00:06:24
1560
原创 Mapping Users across Networks by Manifold Alignment on Hypergraph AAAI 2014
Mapping Users across Networks by Manifold Alignment on Hypergraph使用超图的概念学习用户embedding1 与传统的半监督流形对齐方法不同，本文采用超图方法对高阶关系进行建模。对于一个网络中的目标用户，该算法根据其成为相应用户的可能性对另一个网络中的所有用户进行排序。此外，基于用户名比较的方法可以很容易地融入到算法中，进一步...
2019-06-04 21:15:27
490
原创 GRAPH2SEQ: GRAPH TO SEQUENCE LEARNING WITH ATTENTION-BASED NEURAL NETWORKS
Introduction提出了一种新的基于注意力的图序列学习神经网络模型Graph2Seq。Graph2Seq模型遵循传统的编解码器方法，包含两个主要组件，一个图形编码器和一个序列解码器。本文提出的图形编码器旨在学习表达性节点嵌入，并将其重新组合成相应的图形嵌入。为此,灵感来自最近的图表示学习方法(汉密尔顿et al ., 2017),我们建议归纳基于神经网络学习节点从节点属性通过聚合社区信息...
2019-06-02 16:59:36
2199
1
原创 ICLR2018 无监督翻译学习 UNSUPERVISED NEURAL MACHINE TRANSLATION
UNSUPERVISED NEURAL MACHINE TRANSLATIONINTRODUCTION句子L1和L2使用共同的encoder模型，拥有各自的decoder模型,学习过程是源语言emcode到隐空间中，decoder解码到回去自己的源语言，损失就是编码解码之后的语言和源语言的距离，L1和L2编码的参数相同，所以翻译的过程是语言L1编码，然后解码到L2中。...
2019-06-02 11:21:46
445
原创 CoLink: An Unsupervised Framework for User Identity Linkage
CoLink: An Unsupervised Framework for User Identity LinkageAAAI2018摘要在本文中，我们提出了一个通用的无监督框架CoLink来解决UIL问题。社交网络的个人资料数据可以自然地分为两个独立的视图:属性和关系，这满足了协同训练算法(Blum和Mitchell)的要求1998)。CoLink使用了两个独立的模型，一个基于属性的...
2019-05-25 21:49:05
848
原创 Unsupervised User Identity Linkage via Factoid Embedding 阅读笔记
无监督的用户对齐学习Unsupervised User Identity Linkage via Factoid Embedding链接地址https://arxiv.org/pdf/1901.06648.pdf摘要其关键思想是关于用户标识的每条信息都描述了真实情况标识所有者，从而将所有者与其他用户区分开来。我们用factoid表示这样一条信息，并将其建模为由用户标识、谓词和组成...
2019-05-22 22:56:14
343
原创 DPLink: User Identity Linkage via Deep Neural Network From Heterogeneous Mobility Data 阅读笔记
DPLink: User Identity Linkage via Deep Neural Network From Heterogeneous Mobility Data WWW2019paper位置轨迹数据对齐，属于基于内容的对齐任务。摘要本文提出了一种基于端到端深度学习的框架DPLink，用于完成从不同属性的服务中收集的异构移动数据的用户身份链接任务。DPLink由一个特征...
2019-05-22 21:54:08
1319
1
原创 UNSUPERVISED MACHINE TRANSLATION USING MONOLINGUAL CORPORA ONLY 阅读笔记 无监督机器翻译
UNSUPERVISED MACHINE TRANSLATION USING MONOLINGUAL CORPORA ONLY时间会议：2018 ICLR作者：Guillaume Lample † ‡ , Alexis Conneau † , Ludovic Denoyer ‡ , Marc’Aurelio Ranzato †† Facebook AI Research摘要：...
2019-05-22 17:51:09
980
UIL 算法学习 Structure Based User Identification across Social Networks
Structure Based User Identification across Social Networks这是篇无监督的论文。TKDE 2018因此，在本研究中，我们研究了无监督策略，以纯粹通过朋友关系识别跨越SN的匿名相同用户。牛逼呀。This study makes the following contributions:1提出一种新颖的无监督用户识别算法，称...
2019-05-22 15:47:50
402
原创 UIL 算法论文 之 ABNE (IEEE 2019)
ABNE: An Attention-Based Network Embedding for User Alignment Across Social Networks摘要：在本文中，我们提出了一个基于注意力的网络嵌入模型，利用社会结构来实现用户对齐。利用学习到的权值和嵌入在这两个组件之间的传递，构造了一个统一的用户嵌入和对齐模型。（和IONE一样）.使用了注意力机制。提出了一种mas...
2019-05-22 12:07:51
844
1
原创 UIL 算法 之半监督模型的IONE
算法1 IONE这篇论文是半监督的embedding方法。Aligning users across social networks using network embedding . In IJCAI, 2016.该方法提取基于嵌入的网络特性，同时学习每个用户的follow-ship/followee-ship。种子用户身份对受限于社会关系网络结构语境的转移。为匹配未...
2019-05-21 22:27:32
678
1
原创 Graph Neural Networks for User Identity Linkage 2019 论文阅读笔记
Graph Neural Networks for User Identity LinkageWen Zhang, Kai Shu, Huan Liu, and Yalin WangComputer Science and Engineering, Arizona State University, Tempe, 85281, USA论文模型MSA：The multi-s...
2019-05-20 23:26:44
678
原创 COSNET: Connecting Heterogeneous Social Networks with Local and Global Consistency 论文阅读笔记
COSNET: Connecting Heterogeneous Social Networks with Local and Global ConsistencyYutao Zhang , Jie Tang, Zhilin Yang, Jian Pei, and Philip S. Yu这篇论文开源发布数据集论文连接地址http://citeseerx.ist.psu.edu...
2019-05-20 23:24:29
1146
原创 Predict anchor links across social networks via an embedding approach阅读笔记. In IJCAI, 2016.
Predict anchor links across social networks via an embedding approach. In IJCAI, 2016.数据使用微软学术圈会议的数据，按领域划分为数据挖掘和人工智能两个网络圈集合，进行这两个网络圈的用户对齐。Co-author Networks有下载链接https://www.aminer.cn/open-a...
2019-05-20 21:27:52
544
3
原创 pytorch 深度学习之强化学习玩flappy bird
接下来，我们要做一个比较有挑战性的工作，那么就是使用pytorch实现强化学习网络，即DQN.目前，已经有tensorflow的实现，所以，涉及到游戏的python代码，非我原创。关于游戏的介绍，我这里就还不多说了https://blog.csdn.net/songrotek/article/details/50951537github上有人放出使用DQN玩Flappy Bird的代码，https...
2018-05-26 22:28:14
11232
8
原创 pytorch学习之textCNN实现
最近在学pytorch，所以尝试使用pytorch实现textCNN，ps(git 上有其他人textCNN的实现)。pytorch比tensorflow好的一个地方就在于好学，适合初学者。首先，要注意的就是这个样例的数据预处理，我使用的数据是中文文本分类数据集THUCNews，THUCNews是根据新浪新闻RSS订阅频道2005~2011年间的历史数据筛选过滤生成，包含74万篇新闻文档（2.19...
2018-05-22 15:38:07
11870
13
原创 pytorch简易学习之第一节课之简单神经网络解决异或门问题
提起一个神经网络的框架学习，第一步肯定是要实现简单的神经网络，一般来说，一个最简单二层的神经网络可以解决简单的异或门问题。所以今天第一个简单学习就从使用pytorch实现异或门神经网络开始吧。第一步。就是prepare for data，就是解决数据。x=np.zeros([4,2])y=np.zeros([4,1])for i in range(0,4): x1=(int)(i/2)...
2018-05-18 20:52:46
2509
原创 Python Opencv实战之数字识别之knn算法入门
学过中学向量知识的都很容易理解knn ，我们知道2个向量（a,b）和(c,d)之间的距离为sqrt(（a-c）*(a-c)+(b-d)*(b-d));在knn分类算法基本思想就是我们预先设置好训练数据和每个数据对应的标签值，根据标签值我们可以将数据进行分类。我们的测试数据为新数据，我们定义每个数据都为n个特征值组成，这些特征值组成一个向量，这样包括测试数据集合和待测数据的每个单一数据都被转换为
2017-02-26 22:51:55
4122
1
原创 opencv 之一种二值图像实现方法
这次实用的函数是自己实现，这次使用方法：使用近似一维Means方法寻找二值化阈值，该方法的大致步骤如下：1. 一个初始化阈值T，可以自己设置或者根据随机方法生成。2. 根据阈值图每个像素数据P(n,m)分为对象像素数据G1与背景像素数据G2。(n为行，m为列)3. G1的平均值是m1, G2的平均值是m24. 一个新的阈值T’ =
2017-02-24 23:34:19
2134
原创 opencv 学习之sobel算子学习
sobel算子：I为原图像1.水平变化将 与一个奇数大小的内核 进行卷积。比如，当内核大小为3时, 的计算结果为:2.垂直变化: 将:math:I 与一个奇数大小的内核 进行卷积。比如，当内核大小为3时, 的计算结果为3.结果：4.openCv提供的函数： Sobel( src_gr
2017-02-15 20:52:17
395
原创 opencv 学习之laplace 算子
1.laplace算子一阶导数的极值位置，二阶导数为0。所以我们也可以用这个特点来作为检测图像边缘的方法。Laplacian 算子 的定义:OpenCV函数 Laplacian 实现了Laplacian算子。 实际上，由于 Laplacian使用了图像梯度，它内部调用了 Sobel 算子对应函数：Laplacian( src_gray, dst, ddepth, k
2017-02-15 20:18:25
459
原创 opencv 学习之直方图统计
直方图统计使用的函数是void calcHist( const Mat* images, int nimages, const int* channels, InputArray mask, OutputArray hist, int dims, const int* histSize,
2017-02-15 16:30:06
2645
转载 opencv 学习之检测角点
主要的代码内容来自这本书和http://blog.csdn.net/thefutureisour/article/details/7574819这篇文章#include #include using namespace cv;class MorphFeatures{private: //用于产生二值图像的阀值 int threshold; //用于检测角点的 元素 Mat c
2017-02-13 21:21:27
267
原创 python opencv 学习之视频输入之一
学习简单的Python opencv视频读入。#coding=utf-8import cv2.cv as cv#获取视频，capture capture = cv.CaptureFromFile('myvideo.mp4')#获取视频的帧集合对象个数frames = int(cv.GetCaptureProperty(capture, cv.CV_CAP_PROP_FRAME_COU
2017-02-12 11:17:30
957
原创 opencv 学习之简单人脸识别学习
这次学习主要是从http://blog.csdn.net/wangyaninglm/article/details/51731989这篇文章里学到的。学习 opencv已经快4个月多了，看了很多关于图像处理的文章和书籍，但只是学会一些比较基础的关于图像基础操作，例如找出背景之类简单操作。这次，挑战稍微实用的人脸识别。步骤较为简单，首先读出图片，然后将其转换为灰度图。加载官方的人脸识别库。
2017-02-12 10:03:05
1444
1
原创 opencv python 学习第三天 图片腐蚀和膨胀
定义一个5x5的结构：kernel=np.uint8(np.zeros((5,5)))（1）腐蚀操作：定义了一个5×5的十字形结构元素 其实是一个5x5的矩阵，我们知道在图片的腐蚀过程，对图片的每个点，使用这个结构扫描每一个点，用结构元素与其覆盖的二值图像做“与”操作,如果都为1，结果图像的该像素为1。否则为0,腐蚀处理的结果是使原来的二值图像减小一圈。#00100#00100
2016-11-16 00:47:42
12320
5
原创 opencv 学习第二天 图片图像的基础操作
今天学习的目标• 获取像素值并修改• 获取图像的属性(信息)• 图像的 ROI()• 图像通道的拆分及合并（1）像素获取及相关操作#访问像素px=img2[100,100];print pxred= img2[100,100,0]print red#修改像素x=20;while x<100: y=20; while y<100:
2016-11-12 18:22:35
588
原创 opencv 学习第一天 图片读写和保存
opencv学习的第一步是如何将图片读入，opencv的的图片读入是很简单的事，这里我主要使用python。在python下的opencv的安装过程自己百度。导入的包：import cv2import numpy as np首先，图片的读入和显示：image = cv2.imread('./1.jpg', cv2.CV_LOAD_IMAGE_COLOR)cv2.imshow('Orig
2016-11-12 15:07:29
350
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