giant graph 043c agc
[AGC052C] Nondivisible Prefix Sums 题解
题目链接 点击打开链接 题目解法 好题！ 一个序列是不合法的，必定满足某些结论，我们不妨猜测一下 首先如果和为 \(P\) 的倍数，必定不合法 然后手玩几个可以发现，最极限的情况是 \(P-1\) 个 \(1\;+\;\) \(b_i\; + \;\) \(P-b_i\) 如果在这个情况下再加一个 ......
8-1900E - Transitive Graph
题意： 思路：tarjan缩点后，对新图DAG进行拓扑dp。 代码： 点击查看代码 #include<bits/stdc++.h> #define int long long using namespace std; const int N=1e6+7; const int inf=1e9+7; t ......
AGC021 解题笔记
好久没写一整场 CF 或者 AT 的题解了，所以写一篇。 C 有点意思的题。 考虑先放横再放竖，若确定所有横的位置，那么每列独立。所以记 \(f_i\) 表示第 \(i\) 列最多放多少个，考虑放一个横对 \(f_i\) 的影响。 若 \(n\) 为奇数，那么第一行放满显然最优。若某时 \(A>1\ ......
论文阅读13-SCGC:Simple Contrastive Graph Clustering
论文阅读13-SCGC:Simple Contrastive Graph Clustering 存在的问题 由于对比学习的发展，设计了更加一致和有辨别力的对比损失函数来取代网络训练的聚类引导损失函数。结果，缓解了手动试错问题，并提高了聚类性能。然而，复杂的数据增强和耗时的图卷积操作降低了这些方法的效 ......
[XVI Open Cup GP of China] A. Graph Drawing
那确实是神仙题，阅读 jiangly 代码遂取之。 简要题意 给定一个点双联通的平面图，保证每个点的度数不超过 \(4\)；具体地对于每个面将会按照逆时针顺序给出上面的顶点。现在要求把它画在无限大的网格上，要求边都平行于坐标轴，且彼此除了两端点外不接触。由于可能不能画出来，允许边进行任意的直角拐弯。 ......
【略读论文|时序知识图谱补全】Tucker Decomposition with Frequency Attention for Temporal Knowledge Graph Completion
会议：ACL，时间：2023，学校：北京航空航天大学，多伦多大学 关键词：基于张量分解；频率注意力；正则化 摘要： 之前基于张量分解的TKGC模型存在仅独立考虑一种关系与一个时间戳的组合，忽略了嵌入的全局性质的问题。 本文的方法：一种频率注意力（FA）模型来捕获一个关系与整个时间戳之间的全局时间依赖 ......
Information Graph 题解
题目链接 Information Graph 分析 在线并不好做，考虑离线，先将树建出来 \(2\) 操作时 \(x\) 节点 与 当前根节点 之间的点都会获得文件 当前根节点可以用并查集维护 对于查询的节点判断它是否为链上的点即可 具体的，若该节点为 \(rt\) 子树中的点 且 该节点的子树包含 ......
[ARC105E] Keep Graph Disconnected
题目链接 好题。 如果 \(1\) 和 \(n\) 一直联通，开始即结束。 如果 \(n\mod 4=1\)，那么 \(\frac 12x(x+1)+\frac12(n-x)(n-x+1)\) 为偶数。 如果 \(n\mod 4=3\)，那么 \(\frac 12x(x+1)+\frac12(n-x ......
Learning Graph Filters for Spectral GNNs via Newton Interpolation
目录概符号说明MotivationNewtonNet代码 Xu J., Dai E., Luo D>, Zhang X. and Wang S. Learning graph filters for spectral gnns via newton interpolation. 2023. 概 令谱 ......
Graph Neural Networks with Diverse Spectral Filtering
目录概符号说明DSF代码 Guo J., Huang K, Yi X. and Zhang R. Graph neural networks with diverse spectral filtering. WWW, 2023. 概 为每个结点赋予不同的多项式系数. 符号说明 \(\mathcal{ ......
【AGC】元服务开放式测试找不到服务的问题
【问题描述】 开发者开发元服务，想要在正式上架前进行测试，于是选择了AGC的开放式测试功能，可以指定人员参与上架后的测试。但是开发者在开放式测试审核成功后，无法在应用市场查找到该服务，其实出现这个问题的原因有很多，接下来就一个一个进行排查。 【问题分析】 1. 首先是应用市场的版本，元服务转移至应 ......
Convolutional Neural Networks on Graphs with Chebyshev Approximation, Revisited
目录概符号说明MotivationChebNetII代码 He M., Wei Z. and Wen J. Convolutional neural networks on graphs with chebyshev approximation, revisited. NIPS, 2022. 概 作 ......
【AGC】云存储服务端使用方法
【集成准备】 1、Python环境配置 下载Python和PyCharm并安装。 使用安装的python本身作为解释器。 安装AGC Python SDK。 云存储包安装完成。 2、AGC环境配置 在AGC创建项目和应用 开通云存储服务。 返回项目设置界面，选择Se ......
【AGC】集成AGC服务上架应用市场审核问题
【关键字】 AGC、应用市场、审核 【问题描述】 集成了AGC服务，上架到应用市场不通过，检查发现是com.huawei.secure.android.common.ssl.util.c.doInBackground 存在获取安装列表行为。 已经按照sdk 设置了，但是检测还是有授权前去获取安 ......
【略读论文|时序知识图谱补全】Learn from Relational Correlations and Periodic Events for Temporal Knowledge Graph Reasoning
会议：SIGIR，时间：2023，学校：国防科技大学 摘要： 之前模型存在的问题：未能利用快照内结构信息的关系之间的语义相关性与快照间时间交互沿时间轴的周期性时间模式。 本文的工作：提出了一种新的推理模型（RPC）；它通过两个新的通信单元，即关系通信单元(RCU)和周期通信单元(PCU)，充分挖掘关 ......
【略读论文|时序知识图谱补全】Hierarchical Self-Atention Embedding for Temporal Knowledge Graph Completion
会议：WWW，时间：2023，学校：东北大学计算机与通信工程学院 摘要： 目前TKGC模型存在的问题：只考虑实体或关系的结构信息，而忽略了整个TKG的结构信息。此外，它们中的大多数通常将时间戳视为一般特征，不能利用时间戳的潜在时间序列信息。 本文的方法：一种基于自注意机制和历时嵌入技术的分层自注意嵌 ......
On Manipulating Signals of User-Item Graph A Jacobi Polynomial-based Graph Collaborative Filtering
[TOC] Guo J., Du L, Chen X., Ma X., Fu Q., Han S., Zhang D. and Zhang Y. On manipulating signals of user-item graph: A jacobi polynomial-based graph c ......
【AGC】鸿蒙应用软件包上传问题解析
【问题背景】 近期收到了一些反馈，一些鸿蒙元服务开发者在发布应用市场的过程中，上传.app包时遇到了不同的报错，导致上传失败，下面来看一下这些报错的具体原因，如何正确打包上传。 【问题描述1】 HarmonyOS元服务软件包上传后，提示“软件包解析失败，请重新上传”，错误详情（5） 【问题 ......
AGC 020~039 记录
不想写 CF。 AGC020 D. Min Max Repetition 要令连续的相同字符个数的最大值最小，可以直接贪心将 A 和 B 尽可能分开，得出答案 \(k=\lfloor\frac{A+B}{\min(A,B)+1}\rfloor\)。 接下来要在这个基础上构造字典序最小的答案。 我们显 ......
【略读论文|时序知识图谱补全】DREAM: Adaptive Reinforcement Learning based on Attention Mechanism for Temporal Knowledge Graph Reasoning
会议：SIGIR，时间：2023，学校：苏州大学计算机科学与技术学院，澳大利亚昆士兰布里斯班大学信息技术与电气工程学院，Griffith大学金海岸信息通信技术学院 摘要： 原因：现在的时序知识图谱推理方法无法生成显式推理路径，缺乏可解释性。 方法迁移：由于强化学习 (RL) 用于传统知识图谱上的多跳 ......
AGC054D (ox)
有点厉害题。对于括号序列和序列上邻项交换的问题的处理有一些启发。 首先考虑如果没有 ox 怎么样。容易发现，我们从前往后记录左括号与右括号的个数差，这个差值一旦为负就立刻从后面提一个右括号过来（一路交换过来），这个做法一定是最优的，并且是唯一最优的操作方法。这样理解比较感性，实际上我们可以对每个分界 ......
How Powerful are Spectral Graph Neural Networks?
目录概符号说明Spectral GNNChoice of Basis for Polynomial FiltersJacobiConv代码 Wang X. and Zhang M. How powerful are spectral graph neural networks? ICML, 2022 ......
板刷 AGC
从 AGC001A 开始。 [AGC001A] BBQ Easy 显然排序后所有奇数位相加即为答案。 #include <iostream> #include <cstdio> #include <algorithm> #include <cmath> #include <cstring> #inc ......
【略读论文|时序知识图谱补全】Adaptive Path-Memory Network for Temporal Knowledge Graph Reasoning
会议：IJCAI，时间：2023，学校：1 中国科学院计算机网络信息中心，北京 2中国科学院大学，北京 3 澳门大学智慧城市物联网国家重点实验室，澳门 4 香港科技大学(广州)，广州 5 佛罗里达大学计算机科学系，奥兰多 摘要： 提出一种新的具有TKG关联特征的体系结构建模方法，即自适应路径-记忆网 ......
【略读论文|时序知识图谱补全】Temporal Knowledge Graph Reasoning with Historical Contrastive Learning
会议：AAAI，时间：2023，学校：上海交通大学 摘要： 大多数时序知识图谱的推理方法高度依赖于事件的递归或周期性，这给推断与缺乏历史交互的实体相关的未来事件带来了挑战。本文提出一种新的基于历史对比学习训练框架的对比事件网络（CENET）的新事件预测模型。 1.CENET 学习历史和非历史依赖来区 ......
【略读论文|时序知识图谱补全】Logic and Commonsense-Guided Temporal Knowledge Graph Completion
会议：AAAI，时间：2023，学校：北京航空航天大学 文中谓词可以视为关系。 以往的TKG补全(TKGC)方法不能同时表示事件的时效性和因果关系。为了应对这些问题，作者提出了一个逻辑和尝试引导嵌入模型（LCGE ），从常识的角度共同学习涉及事件的及时性和因果关系的时间敏感表示，以及事件的时间无关表 ......
数据结构与算法 | 图（Graph）
在这之前已经写了数组、链表、二叉树、栈、队列等数据结构，本篇一起探究一个新的数据结构：图（Graphs ）。在二叉树里面有着节点（node）的概念，每个节点里面包含左、右两个子节点指针；比对于图来说同样有着节点（node），在图里也称为顶点（vertex），顶点之间的关联不在局限于2个（左、右），一... ......
How Attentive are Graph Attention Networks?
目录概符号说明GATv2代码 Brody S., Alon U. and Yahav E. How attentive are graph attention networks? ICLR, 2022. 概 作者发现了 GAT 的 attention 并不能够抓住边的重要性, 于是提出了 GATv2 ......
AGC060B 题解
blog。很强的思维题。 如果能用 \(0\sim 2^T-1\) 表示出来（\(T\le k\)）那么显然也可以用 \(0\sim 2^k-1\) 表示出来，转化为求最小的合法填数方案 \(T\)。 如图所示，红色是唯一路径，黄粉色处是一个拐角。让在黄粉色拐弯的路径不合法，可以给两者填 \(2^0 ......
Decoupling the Depth and Scope of Graph Neural Networks
目录概符号说明Shadow-GNN代码 Zeng H., Zhang M., Xia Y., Srivastava A., Malevich A., Kannan R., Prasanna V., Jin L. and Chen R. Decoupling the depth and scope o ......