本文介紹基于 Randomly Perturb 互信息最大化的圖譜預(yù)訓(xùn)練模型 GraphCL （ NIPS 2020 ），介紹模型核心點(diǎn)和模型思路，完整匯報(bào) p...
發(fā)簡(jiǎn)信
IP屬地：貴州
-
知識(shí)圖譜系列 Randomly Perturb的圖譜預(yù)訓(xùn)練
-
「GNN框架系列」DGL第二講：實(shí)現(xiàn)GNN鏈接預(yù)測(cè)
本文先簡(jiǎn)單概述GNN鏈接預(yù)測(cè)任務(wù)，接下來(lái)使用Deep Graph Library實(shí)現(xiàn)GNN進(jìn)行鏈接預(yù)測(cè)，并對(duì)代碼進(jìn)行詳細(xì)介紹，若需獲取模型的完整代碼，可關(guān)注公眾號(hào)【AI機(jī)器學(xué)...
-
「GNN框架系列」DGL第一講：實(shí)現(xiàn)GNN節(jié)點(diǎn)分類
本文先簡(jiǎn)單概述GNN節(jié)點(diǎn)分類任務(wù)，然后詳細(xì)介紹如何使用Deep Graph Library + Pytorch 實(shí)現(xiàn)一個(gè)簡(jiǎn)單的兩層GNN模型在Cora引文數(shù)據(jù)上實(shí)現(xiàn)節(jié)點(diǎn)...
-
【知識(shí)圖譜構(gòu)建系列II】實(shí)體鏈接綜述+20篇文獻(xiàn)調(diào)研
大家好，我是CHEONG，最近在分享知識(shí)圖譜入門和構(gòu)建相關(guān)的文章。CHEONG在前年有過(guò)大半年實(shí)體鏈接相關(guān)的工作經(jīng)驗(yàn)，實(shí)體鏈接是將文本中提到的實(shí)體與其知識(shí)庫(kù)中相應(yīng)的實(shí)體鏈接起...
-
Transformer難道要大一統(tǒng)AI鄰域？
Transformer模型最早在自然語(yǔ)言處理領(lǐng)域任務(wù)被使用，并逐漸稱為NLP、Speech和CV鄰域主流模型，均取得了不錯(cuò)的結(jié)果，但是在圖領(lǐng)域還沒(méi)有什么聲音。 就在最...
-
【知識(shí)圖譜系列】異質(zhì)|多關(guān)系知識(shí)圖譜表示學(xué)習(xí)綜述
本文分享一篇多關(guān)系知識(shí)圖譜表示學(xué)習(xí)匯報(bào) ppt ，介紹近幾年及 2020 新出的共七篇處理異質(zhì)圖的模型。歡迎關(guān)注公眾號(hào)【AI機(jī)器學(xué)習(xí)與知識(shí)圖譜】，先列出該匯報(bào) pp...
-
【知識(shí)圖譜系列】知識(shí)圖譜表示學(xué)習(xí)綜述 | 近30篇優(yōu)秀論文
本文分享一篇知識(shí)圖譜表示學(xué)習(xí)匯報(bào) ppt ，將知識(shí)圖譜表示學(xué)習(xí)方法粗略分為四大類，涉及將近 30 篇優(yōu)秀論文，只簡(jiǎn)單介紹其核心思想，完整匯報(bào) ppt 獲取請(qǐng)關(guān)注公...
-
【知識(shí)圖譜系列】Over-Smoothing 2020綜述
本文分享2020年相關(guān)頂會(huì)對(duì)于DeepGNN Over-Smoothing的解法，共匯報(bào)五篇頂會(huì)論文，匯報(bào)完整版 ppt 可通過(guò)關(guān)注公眾號(hào)【AI機(jī)器學(xué)習(xí)與知識(shí)圖譜】后回復(fù)...
-
【知識(shí)圖譜系列】DeepGNN中Over-Smoothing
GCNII (ICML 2020) 分享， GCNII匯報(bào)ppt版可通過(guò)關(guān)注公眾號(hào)【AI機(jī)器學(xué)習(xí)與知識(shí)圖譜】后回復(fù)關(guān)鍵詞： GCNII 來(lái)獲得，供學(xué)習(xí)者使用！ ...
-
【知識(shí)圖譜系列】動(dòng)態(tài)時(shí)序知識(shí)圖譜EvolveGCN
EvolveGCN (AAAI 2020) 分享 EvolveGCN匯報(bào)ppt版可通過(guò)關(guān)注公眾號(hào)【AI機(jī)器學(xué)習(xí)與知識(shí)圖譜】后回復(fù)關(guān)鍵詞： EvolveGCN ...
-
【知識(shí)圖譜系列】多關(guān)系神經(jīng)網(wǎng)絡(luò)CompGCN
CompGCN（ICLR 2020）分享， CompGCN匯報(bào)ppt版可通過(guò)關(guān)注公眾號(hào)后回復(fù)關(guān)鍵詞： CompGCN 來(lái)獲得，供學(xué)習(xí)者使用！ 背景...
-
歡迎討論
【機(jī)器學(xué)習(xí)系列】概率圖模型第三講：深入淺出無(wú)向圖中的條件獨(dú)立性和因子分解
作者：CHEONG公眾號(hào)：AI機(jī)器學(xué)習(xí)與知識(shí)圖譜研究方向：自然語(yǔ)言處理與知識(shí)圖譜 閱讀本文之前，先注意一下兩點(diǎn)： 1、機(jī)器學(xué)習(xí)系列文章常含有大量公式推導(dǎo)證明，為了更好理解，文...
-
【機(jī)器學(xué)習(xí)系列】概率圖模型第四講：變量消除法和Belief Propagation算法
作者：CHEONG公眾號(hào)：AI機(jī)器學(xué)習(xí)與知識(shí)圖譜研究方向：自然語(yǔ)言處理與知識(shí)圖譜 閱讀本文之前，先注意一下兩點(diǎn)： 1、機(jī)器學(xué)習(xí)系列文章常含有大量公式推導(dǎo)證明，為了更好理解，文...
-
【機(jī)器學(xué)習(xí)系列】概率圖模型第三講：深入淺出無(wú)向圖中的條件獨(dú)立性和因子分解
作者：CHEONG公眾號(hào)：AI機(jī)器學(xué)習(xí)與知識(shí)圖譜研究方向：自然語(yǔ)言處理與知識(shí)圖譜 閱讀本文之前，先注意一下兩點(diǎn)： 1、機(jī)器學(xué)習(xí)系列文章常含有大量公式推導(dǎo)證明，為了更好理解，文...
-
【機(jī)器學(xué)習(xí)系列】概率圖模型第二講：深入淺出有向圖中的條件獨(dú)立性和D劃分
作者：CHEONG公眾號(hào)：AI機(jī)器學(xué)習(xí)與知識(shí)圖譜研究方向：自然語(yǔ)言處理與知識(shí)圖譜 原創(chuàng)不易，轉(zhuǎn)載請(qǐng)告知并注明出處！上一章節(jié)中介紹了相對(duì)獨(dú)立假設(shè)，齊次馬爾科夫假設(shè)以及條件獨(dú)立性...
-
【機(jī)器學(xué)習(xí)系列】概率圖模型第一講：從概率和圖的角度理解概率圖模型
作者：CHEONG公眾號(hào)：AI機(jī)器學(xué)習(xí)與知識(shí)圖譜研究方向：自然語(yǔ)言處理與知識(shí)圖譜 原創(chuàng)不易，轉(zhuǎn)載請(qǐng)告知并注明出處！讓我們進(jìn)入正文。本文將從從概率和圖兩個(gè)角度先來(lái)理解一下概率圖...
-
【機(jī)器學(xué)習(xí)系列】高斯分布：最大似然估計(jì)求解作者：CHEONG公眾號(hào)：AI機(jī)器學(xué)習(xí)與知識(shí)圖譜研究方向：自然語(yǔ)言處理與知識(shí)圖譜 原創(chuàng)不易，轉(zhuǎn)載請(qǐng)告知并注明出處！ 二話不說(shuō)咱先拋出一個(gè)問(wèn)題：數(shù)據(jù)集Data X服從高斯分布，...
-
【機(jī)器學(xué)習(xí)系列】機(jī)器學(xué)習(xí)中的兩大學(xué)派作者：CHEONG研究方向：機(jī)器學(xué)習(xí)與知識(shí)圖譜公眾號(hào)：AI機(jī)器學(xué)習(xí)與知識(shí)圖譜 原創(chuàng)不易，轉(zhuǎn)載請(qǐng)告知并注明出處！ 一、基本概念 機(jī)器學(xué)習(xí)中的問(wèn)題說(shuō)到底都是轉(zhuǎn)化為求目標(biāo)函數(shù)的最優(yōu)...
-
【面經(jīng)系列】八位碩博大佬的百度之旅
作者：CHEONG研究方向：自然語(yǔ)言處理與知識(shí)圖譜 前言：若需獲取本文全部的手書版原稿資料，關(guān)注公眾號(hào)回復(fù): 百度面經(jīng) 即可獲取。原創(chuàng)不易，轉(zhuǎn)載請(qǐng)告知并注明出處！ 本文分...