我在網(wǎng)上給女兒買了一輛平衡車。到貨那天晚上，我陪她到小區(qū)里練。 剛開始，她有點(diǎn)緊張，生怕摔倒，試著單只腳站上去，車卻不聽使喚，不是往后走，就是在原地打轉(zhuǎn)。 “也許應(yīng)該雙腳站上...
發(fā)簡信
IP屬地：廣東
-
耐心一點(diǎn) -
圖神經(jīng)網(wǎng)絡(luò)自監(jiān)督學(xué)習(xí)工具箱 - AFGRL文章名稱 【AAAI-2022】【KAIST】Augmentation-Free Self-Supervised Learning on Graphs[https://arx...
-
@MrNeXT 有點(diǎn)久了，但是我理解，這里eta不是S正確預(yù)測$t^{l+1}$的概率，而是 根據(jù)策略生成反事實(shí)序列后，$t^{l+1}$會不會真實(shí)出現(xiàn)在這個序列里的概率。也就是這里的eta是那個 g 的概率，是一個二分類，一定在0，1之間（我覺得這個可能咱們都說的是一會事兒，我擔(dān)心的是，可能被理解為是一個在物品集合上的多分類，那準(zhǔn)確率自然非常低，但實(shí)際不是的）。
第二個問題，是不是要一定大于0.5，我的理解是文中沒有要求，因?yàn)槿绻麥?zhǔn)確率特別的，也在0 到 0.5 之間，證明只要求了這個。 可能我們認(rèn)為越準(zhǔn)確越好，其實(shí)，如果模型特別差，總是預(yù)測的相反。那恭喜我們，其實(shí)模型也很厲害，反著用就好了，他預(yù)測1，我們就設(shè)為0。因果推斷推薦系統(tǒng)工具箱 - CASR（三）
文章名稱 【SIGIR-2021】【Beijing Key Laboratory of Big Data Management and Analysis Methods】Co...
-
圖神經(jīng)網(wǎng)絡(luò)自監(jiān)督學(xué)習(xí)工具箱 - AD-GCL（二）文章名稱 【NeurIPS-2021】【Purdue University/Georgia Tech/Microsoft Research】Adversarial Graph...
-
圖神經(jīng)網(wǎng)絡(luò)自監(jiān)督學(xué)習(xí)工具箱 - AD-GCL（一）文章名稱 【NeurIPS-2021】【Purdue University/Georgia Tech/Microsoft Research】Adversarial Graph...