5 yellow_red_people

尚未进行身份认证

暂无相关简介

等级
TA的排名 12w+

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

查看更多

勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv3
    勤写标兵Lv3
    授予每个自然周发布7篇到8篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。