自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(15)
  • 收藏
  • 关注

原创 pytorch 中 .detach() .detach_() 和 .data的区别

pytorch 中 .detach() .detach_() 和 .data的区别

2022-05-11 20:41:26 943 1

原创 KGE-CL/ Contrastive Learning of Knowledge Graph Embeddings 阅读笔记

我的博客链接作者在知识图谱嵌入任务中,针对于不同三元组中相关实体和实体-关系对间的语义相似性的问题,提出一个对于知识图谱嵌入简单且高效的对比学习框架,使用该框架作为一个额外的约束项一同训练KGE,这可以使不同三元组中相关实体和实体-关系对间的语义距离变小,因此可以提升知识图谱嵌入的表现。0. 前言Topicdata mine; topic mine;problems in previous work大多数以前的知识图谱嵌入模型忽略不同三元组中相关实体和实体-关系对间的语义相似性。moti

2022-02-28 20:55:57 950 1

原创 Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction论文阅读笔记

我的博客链接0. 前言1. 作者试图解决什么问题?作者想在KGE中对语义层级(semantic hierarchies)进行建模。2. 这篇论文的关键元素是什么?semantic hierarchy, polar coordinate system3. 论文中有什内容可以“为你所用”?两种可视化的展示方式,清晰明了的展示了作者方法的有效性;table1中展示的模型分数函数和参数;在related work中分析自己模型和RotatE模型不同的论述;4.有哪些参考文献你想继续研究?

2020-12-21 22:19:43 869

原创 pycharm远程调试

我的博客链接Remote篇——PyCharm远程运行、调试环境配置一般在本地无法调试远程端代码,机械性的scp传输文件十分影响工作效率,PyCharm的Pro支持远程Run,Debug,等可视化的功能。操作系统:本地MacOS,远程Linux (本地3个操作系统都是支持的,远程Linux比较稳定)IDE: 最新版本 PyCharm Pro (不支持社区版)python虚拟环境:Anaconda,pip远程创建新项目首先在远程服务器上新建一个项目文件$mkdir YOUR-PROJEC

2020-11-18 11:53:29 494

原创 在macOS Catalina中配置VS Code C++开发环境

我的博客链接一、安装VS Code及扩展在官网下载安装mac版本VS Code安装C/C++、C/C++ Clang Command Adapter及CodeLLDB扩展按⇧⌘P,输入shell,选择如图命令二、搭建测试项目在Terminal输入以下命令mkdir projectscd projectsmkdir hellocd hellocode . 上述输入code .后,会直接在vscode中打开hello文件夹。上述步骤也可以在vscode中创建一个新的hello文

2020-09-26 13:15:38 255

原创 Convolutional 2D Knowledge Graph Embeddings 阅读笔记

我的博客链接0. 导读0.1 文章是关于什么的?(what?)用知识表示来做链接预测,其中使用了2D的卷积操作0.2 要解决什么问题?(why?|challenge)计算速度对于复杂网络的适应性0.3 用什么方法解决?(how?)用了2D的卷积操作0.4文章有什么创新?首次引入一个简单的2D卷积操作来进行链接预测任务;展示了一个1-N分数过程来加速训练;提出的模型可以用于复杂图0.5 效果如何?0.6 还存在什么问题?1 背景知识通过使用2D而不是1D卷积,可以通

2020-09-23 23:13:16 2277

原创 NASE Learning Knowledge Graph Embedding for Link Prediction via Neural Architecture Search 阅读笔记

我的博客链接0. 导读0.1 文章是关于什么的?(what?)知识图谱表示,0.2 要解决什么问题?(why?|challenge)AutoML只在双线性语义匹配的方法中搜索适合KG的表示方法,这显然不够全面;0.3 用什么方法解决?(how?)提出了一种搜索方法,但是感觉具体的如何搜索并没有讲明白。0.4文章有什么创新?把搜索空间变为连续空间提高算法效率;0.5 效果如何?0.6 还存在什么问题?感觉没读懂,文中好多细节描述不够清晰每一层是怎么选择用哪一种方法?

2020-09-21 20:37:53 412

原创 AM-GCN: Adaptive Multi-channel Graph Convolutional Networks 阅读笔记

我的博客地址0. 导读0.1 文章是关于什么的?(what?)图卷积网络0.2 要解决什么问题?(why?|challenge)目前最好的GCN模型在融合节点特征和拓扑结构的能力上不能使人满意;GCN真正从拓扑结构和节点特征中学习并融合了哪些信息?0.3 用什么方法解决?(how?)作者从节点特征,拓扑结构及其组合中同时抽取了特定和常见的嵌入,并使用注意力机制学习嵌入的自适应重要性权重。0.4文章有什么创新?研究了如何实现GCN的拓扑结构和节点特征的融合;提出了用注意力机制来

2020-09-17 10:45:59 3106 5

原创 t630安装Ubuntu18.04

我的博客链接安装Ubuntu18.04刻录u盘必须用过主引导分区格式。可以用制作启动盘工具系统尽量选择sever版本,不需要图形界面。采用UEFI方式安装,dell一般只支持这一种方式安装。重启服务器按F2,在boot中设置为UEFI格式。完成后回退到到初始界面,按F11,设置U盘启动,安装系统。这时候等待安装即可。到这个界面,拔下U盘,点击回车。其中:安装全部默认配置就行,IP地址不需要静态的,直接用动态的就好。安装过程可以参考[ Ubuntu 18.04 S

2020-09-14 17:29:25 705

原创 COMPOSITION-BASED MULTI-RELATIONAL GRAPH CONVOLUTIONAL NETWORKS 阅读笔记

我的博客链接0. 导读0.1 文章是关于什么的?(what?)图卷积网络,0.2 要解决什么问题?(why?|challenge)以前的方法主要集中于处理简单无向图大多数现存模型在处理多关系图示遭受参数过大或者只学习节点表示0.3 用什么方法解决?(how?)在关系图中联合嵌入节点和关系的图卷积框架0.4文章有什么创新?在关系图中联合嵌入节点和关系的图卷积框架该框架可以推广到几个现存的多关系GCN模型0.5 效果如何?在节点分类,链接预测,图分类上都取得了明显的提升。

2020-09-04 16:20:23 630

原创 End-to-End Structure-Aware Convolutional Networks for Knowledge Base Completion--阅读笔记

我的博客链接0. 总览0.1 要解决什么问题?(what?)知识图谱补全中:以前的方法只建模关系三元组,忽略了大量图节点相关属性;以前的方法并没有增强在嵌入空间中大规模连接结构,完全忽略了图结构。0.2 用什么方法解决?(how?)用GCN和ConvErt相结合的方法组成一个端到端的学习方法。encoder部分利用一个带权重的GCN的方法(利用图的结构并保留节点的属性)。decoder部分利用Conv-TransE,利用啊convE的方法,但是去掉了实体和关系的矩阵重组部分。(为了保

2020-09-03 15:59:29 1274

原创 Learning Attention-based Embeddings for Relation Prediction in Knowledge Graphs 阅读笔记

0. 导读0.1 文章是关于什么的?(what?)知识图谱,图神经网络,关系预测,链接预测,图注意力模型0.2 要解决什么问题?(why?)基于CNN的嵌入模型独立的处理三元组,导致无法覆盖在三元组周围的本地邻居中固有隐含的复杂和隐藏信息。随着模型深度的增加,远方实体的贡献呈指数下降。0.3 用什么方法解决?(how?)将不同的权重(注意力)分配给附近的节点,并通过迭代方式通过层传播注意力。提出的关系组合在n跳邻居之间引入辅助边,这样就很容易允许实体之间的知识流。作者设计一个enco

2020-09-03 15:56:26 823 3

原创 Adaptive Graph Encoder for Attributed Graph Embedding 阅读笔记

dfa

2020-09-03 15:54:33 1202

原创 Modeling-Relational-Data-with-Graph-Convolutional-Networks-阅读笔记

个人博客网站链接1. 总览要解决什么问题?(what?)链接预测和实体分类为什么要解决这个问题?(why?)因为虽然知识图谱用途很多,而现有的知识图谱都存在不完整的问题。用什么方法解决?(how?)用图卷积网络和因式分解相结合来解决链接预测问题;用图卷积网络单独解决实体分类问题。文章有什么创新?首次把GCN引入关系数据建模;提出了一种参数共享和增强稀疏限制的方法——权重矩阵的基本分解和块分解用GCN与因式分解组成auto-encoder的方法,可以提高因式分解模型在链接预测上的

2020-08-23 19:21:44 741

原创 ubantu系统安装pytorch GPU版本

0 准备工作用conda安装Pytorch过程中会连接失败,这是因为Anaconda.org的服务器在国外,需要切换到国内镜像源:conda config --add channels <https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/> conda config --add channels <https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/> c

2020-08-21 16:51:30 318

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

提示
确定要删除当前文章?
取消 删除