graph floyd 295b greg
Drug response prediction using graph representation learning and Laplacian feature selection
Drug response prediction using graph representation learning and Laplacian feature selection Minzhu Xie 1 2, Xiaowen Lei 3, Jianchen Zhong 3, Jianxing ......
Graph regularized non-negative matrix factorization with prior knowledge consistency constraint for drug-target interactions prediction
Graph regularized non-negative matrix factorization with prior knowledge consistency constraint for drug-target interactions prediction Junjun Zhang 1 ......
Graph regularized non-negative matrix factorization with [Formula: see text] norm regularization terms for drug-target interactions prediction
Graph regularized non-negative matrix factorization with [Formula: see text] norm regularization terms for drug-target interactions prediction Junjun ......
7 种查询策略教你用好 Graph RAG 探索知识图谱
我们在这篇文章中探讨了知识图谱，特别是图数据库 NebulaGraph，是如何结合 LlamaIndex 和 GPT-3.5 为 Philadelphia Phillies 队构建了一个 RAG。
此外，我们还探讨了 7 种查询引擎，研究了它们的内部工作，并观察了它们对三个问题的回答。我们比较了每... ......
7 种查询策略教你用好 Graph RAG 探索知识图谱
我们在这篇文章中探讨了知识图谱，特别是图数据库 NebulaGraph，是如何结合 LlamaIndex 和 GPT-3.5 为 Philadelphia Phillies 队构建了一个 RAG。
此外，我们还探讨了 7 种查询引擎，研究了它们的内部工作，并观察了它们对三个问题的回答。我们比较了每... ......
Floyd归纳断言法验证程序部分正确性
1.设断点 一般我们会在如下位置设置断点： (1)程序开始处 (2)程序结束处 (3)循环主干处 2.建断言 (1)开始处A： 一般为题干的要求，写为 (2)结束处C： 一般为输出结果z，写为 (3)循环主干处： （写为） 此处断言最为难建立，一般有三种方法得出断言： 1)从结果倒推 2)观察题目及 ......
CF1900E Transitive Graph
题目传送门 前置芝士：缩点、拓扑排序。 题目描述 有向图 \(G\) 有 \(N\) 个点，\(M\) 条边，点 \(u\) 的点权为 \(A_u\)。 若存在三元组 \(a,b,c\) 使得 \(a\) 至 \(b\) 有一条边，\(b\) 至 \(c\) 有一条边，则连一条 \(a\) 至 \( ......
Detecting Unknown Encrypted Malicious Traffic in Real Time via Flow Interaction Graph Analysis
1 前言 1.1 标题 Detecting Unknown Encrypted Malicious Traffic in Real Time via Flow Interaction Graph Analysis 1.2 摘要 为了保护网络的机密性和隐私性，目前互联网上的流量被广泛地加密。然而，流量 ......
Generative-Contrastive Graph Learning for Recommendation论文阅读笔记
Abstract 首先介绍了一下GCL的一些缺点，GCL是通过数据增强来构造对比视图，然后通过最大化对比视图之间的互信息来提供自监督信号。但是目前的数据增强技术都有着一定的缺点 结构增强随机退出节点或边，容易破坏用户项目的内在本质 特征增强对每个节点施加相同的尺度噪声增强，忽略的节点的独特特征 所以 ......
最短路Floyd
void floyd() { for (int k = 1; k <= n; k ++ ) for (int i = 1; i <= n; i ++ ) for (int j = 1; j <= n; j ++ ) d[i][j] = min(d[i][j], d[i][k] + d[k][j]); ......
第 132 场周赛——质数小结论，并查集配Floyd
https://www.acwing.com/activity/content/competition/problem_list/3648/ B题收获： 1.利用题目告诉的结论：1e9范围质数之差小于300 2.一个数不被2-a的任何数整除 等价于他的最小质因子需要大于a c题：初步宏观思路：不难想 ......
Graph Neural Networks with Learnable and Optimal Polynomial Bases
目录概符号说明MotivationFavardGNN代码 Guo Y. and Wei Z. Graph neural networks with learnable and optimal polynomial bases. ICML, 2023. 概 自动学多项式基的谱图神经网络. 符号说明 \ ......
Floyd(为了写作业而写）
1 #include <iostream> 2 #include <math.h> 3 #include <vector> 4 #include <map> 5 6 int MAX=20000; 7 8 using namespace std; 9 10 int main() 11 { 12 // ......
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 ......
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 ......
floyd算法
FLOYD 复杂度 Floyd-Warshall算法的时间复杂度为 O(|V|^{3})[4]，空间复杂度为 O(|V|^{2})，其中 V是点集。 原理 动态规划 适用范围 Floyd-Warshall 算法适用于解决带权有向图或带权无向图的全源最短路径问题，即计算任意两个顶点之间的最短路径长度。 ......
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{ ......
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 ......
【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 ......
【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 ......
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 ......
【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 ......