526互联

graph recommendation augmentations contrastive

GNN学习 Knowledge Graph Embedding(更新中)

# GNN学习 Knowledge Graph Embedding 前面提到的方法都是只有一种边的类型，接下来要扩展到有向，多种边的类型的图上，即异质图(heterogeneous graph) 异质图有这样的几种类型： + Relational GCNs + Knowledge Graphs + ......
Embedding Knowledge Graph GNN

火焰图（Flame Graphs）的安装和基本用法

火焰图（Flame Graphs）的安装和基本用法 火焰图（Flame Graphs） 一、概述： 火焰图（flame graph）是性能分析的利器，通过它可以快速定位性能瓶颈点。 perf 命令（performance 的缩写）是 Linux 系统原生提供的性能分析工具，会返回 CPU 正在执行的 ......
火焰 Graphs Flame

知识图谱（Knowledge Graph）- Neo4j 5.10.0 使用 - CQL

删除数据库中以往的图 ``` MATCH (n) DETACH DELETE n ``` ### 创建节点 CREATE命令语法 > Neo4j CQL“CREATE”命令用于创建没有属性的节点。 它只是创建一个没有任何数据的节点。 ``` CREATE ( : { : ........ : } ) ......
图谱 Knowledge 知识 Graph Neo4j

知识图谱（Knowledge Graph）- Neo4j 5.10.0 Desktop & GraphXR 连接自建数据库

``` #输入查看数据库连接 neo4j$ :server status ``` ![image](https://img2023.cnblogs.com/blog/80824/202308/80824-20230816130548712-41133454.png) 添加 远程连接，输入连接地址 ! ......
图谱 Knowledge Desktop GraphXR 数据库

知识图谱（Knowledge Graph）- Neo4j 5.10.0 Desktop & GraphXR

下载地址：https://neo4j.com/download/ ## 安装 ![image](https://img2023.cnblogs.com/blog/80824/202308/80824-20230816104928898-1342667053.png) 下载时会产生激活码（保存下来） ......
图谱 Knowledge Desktop GraphXR 知识

[SIGIR 2023] Subgraph Search over Neural-Symbolic Graphs

# [SIGIR 2023] Subgraph Search over Neural-Symbolic Graphs ## 总结 ## 研究的问题 在包含非结构化数据（图像、视频、文本等）的神经符号数据库（neural-symbolic graph datasets）上如何进行高效的神经符号子图匹配 ......
Neural-Symbolic Subgraph Symbolic Neural Graphs

『题解』ABC261Ex Game on Graph

[题目链接](https://atcoder.jp/contests/abc261/tasks/abc261_h) 震惊！这个题竟然被神犇 szs 放进了博弈论里！我真的没看出来除了题面还有哪里像博弈论（也许是因为我菜）。 转移方式很显然，按照题面说的做就行了。那么正解也就呼之欲出了。 但是我知道大 ......
题解 Graph Game ABC 261

[图论记录] CF1082G Petya and Graph

（[题目传送门](https://www.luogu.com.cn/problem/CF1082G)） 一道最大权闭合子图的模板题 把所有点当作负权点，所有边当作正权点。 考虑一条边 $e=(x,y,z)$ 能选择的条件，当 $x,y$ 均被选择时就可以选，那对应到最大权闭合子图的模型中，就可以将 ......
1082G Petya Graph 1082 and

论文解读（SimGCL）《Are Graph Augmentations Necessary? Simple Graph Contrastive Learning for Recommendation》

Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：Are Graph Augmentations Necessary? Simple Graph Contrastive Learning for Recommendation论文作者：Junliang Yu ......
Graph Recommendation Augmentations Contrastive Necessary

知识图谱（Knowledge Graph）- Neo4j 5.10.0 Docker 安装

### 拉镜像 ```bash [root@localhost ~]# cat /etc/docker/daemon.json { "registry-mirrors": ["https://XXX.mirror.aliyuncs.com"] # 阿里镜像源 } # 拉取镜像 [root@local ......
图谱 Knowledge 知识 Docker Graph

知识图谱（Knowledge Graph）- Neo4j 5.10.0 CentOS 安装

### 系统需求 版本 JDK CPU 内存 硬盘 Neo4j 5.x 17 Intel x86-x64 Core i3 minimum,Core i7 recommended. AMD x86-x64, Mac ARM. 最低 2GB，推荐 16GB + 10G + Neo4j 5.x 11 Ne ......
图谱 Knowledge 知识 CentOS Graph

知识图谱（Knowledge Graph）根本概念

[TOC] 2012年5月17日，Google 正式提出了知识图谱（Knowledge Graph）的概念，其初衷是为了优化搜索引擎返回的结果，增强用户搜索质量及体验。 假设我们想知道 “王健林的儿子” 是谁，百度或谷歌一下，搜索引擎会准确返回王思聪的信息，说明搜索引擎理解了用户的意图，知道我们要找 ......
图谱 Knowledge 根本 概念 知识

题解 CF1857G【Counting Graphs】

一个非常显然的事情是：总方案数即为每条边方案数之积。 树边已经确定，考察每条非树边 $(u,v)$ 可以怎么取。给定的树 $T$ 是唯一最小生成树，这意味着非树边 $(u,v)$ 要么不存在，要么权值大于 $T$ 上 $(u,v)$ 之间任意一条边的权值。设 $T$ 上 $(u,v)$ 间的最大边权 ......
题解 Counting Graphs 1857G 1857

G. Counting Graphs

G. Counting Graphs Given a tree consisting of $n$ vertices. A tree is a connected undirected graph without cycles. Each edge of the tree has its weigh ......
Counting Graphs

论文解读（LightGCL）《LightGCL: Simple Yet Effective Graph Contrastive Learning for Recommendation》

Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：LightGCL: Simple Yet Effective Graph Contrastive Learning for Recommendation论文作者：Cai, Xuheng and Huang, ......
LightGCL Recommendation Contrastive Effective Learning

HS-GCN Hamming Spatial Graph Convolutional Networks for Recommendation

[TOC] > [Liu H., Wei Y., Yin J. and Nie L. HS-GCN: Hamming spatial graph convolutional networks for recommendation. IEEE TKDE.](https://arxiv.org/pdf/ ......
Recommendation Convolutional Networks Hamming Spatial

【JointJS】Paper 事件和 Graph 事件

# 复习 Paper & Graph Paper 是渲染我们提供的数据的，表示的是视图层（View）。数据和逻辑在 Graph 中操作，表示的是数据层和控制层（Model & Controller）。 ![Graph & Paper 示意图](https://img2023.cnblogs.com/ ......
事件 JointJS Graph Paper

SIAMHAN:IPv6 Address Correlation Attacks on TLS E ncrypted Trafic via Siamese Heterogeneous Graph Attention Network解读

1. Address 论文来自于USENIX Security Symposium 2021 2. Paper summary 与ipv4地址采用nat掩盖不同，ipv6地址更加容易关联到用户活动上，从而泄露隐私。但现在已经有解决隐私担忧的方法被部署，导致现有的方法不再可靠。这篇文章发现尽管在有防护 ......
Heterogeneous Correlation Attention ncrypted SIAMHAN

graph db+LLM

直接用LLM是不精确的，需要结合graph DB+LLM，参见： https://medium.com/neo4j/harnessing-large-language-models-with-neo4j-306ccbdd2867 https://neo4j.com/developer-blog/fi ......
graph LLM db

Loss_contrast

import numpy import torch import torch.nn.functional as F from torchvision import models class Vgg19(torch.nn.Module): def __init__(self, requires_gra ......
Loss_contrast contrast Loss

重做 CF 295B Greg and Graph 以及理解 Floyd

# Floyd 原理简析 Floyd 的原理其实是 DP，定义 $\mathrm{dp}[S][i][j]$ 表示在仅经过点集 $S$ 里的点的条件下，从 $i$ 到 $j$ 的最短路距离 初始状态 $S$ 为空，$\mathrm{dp}[\varnothing ][i][j]$ 就等于 $i,j$ ......
Graph Floyd 295B Greg 295

boost graph

复制源：https://www.cnblogs.com/sssblog/p/11189402.html（纯英文） Boost Graph provides tools to work with graphs. Graphas are two-dimensional point clouds with ......
boost graph

机器翻译 | Improving Neural Machine Translation Robustness via Data Augmentation: Beyond Back Translation论文总结

论文地址：https://arxiv.org/abs/1910.03009 ### 动机 神经机器翻译(NMT)模型在翻译**干净文本**时已被证明是强大的，但它们**对输入中的噪声非常敏感**。改进NMT模型的鲁棒性可以看作是对噪声的“域”适应的一种形式。 最先进的方法严重依赖于大量的反向翻译数据 ......
Translation Augmentation Robustness Improving 机器

【大联盟】20230706 graph（graph） QOJ4635 【Graph Operation】

## 题解 赛时得分：60/? 写了个乱搞 首先考虑无解的条件。注意到一次操作后，所有点的度数都没有改变，所以无解的充分条件就是存在一个点的度数在两张图中不相等。接下来尝试构造策略，使得度数相等的时候都能出解。 我们可以将题意转化一下，变为对图 $G$ 和图 $H$ 都可以操作，使得最后产生的两张图 ......
graph 大联盟 Operation 20230706 Graph

REALM Retrieval-Augmented Language Model Pre-Training

[TOC] > [Guu K., Lee K., Tung Z., Pasupat P. and Chang M. REALM: Retrieval-augmented language model pre-training. ICML, 2020.](http://arxiv.org/abs/20 ......
Retrieval-Augmented Pre-Training Augmented Retrieval Language

[AAAI 2023]Self-Supervised Bidirectional Learning for Graph Matching

# Self-Supervised Bidirectional Learning for Graph Matching ## 动机 Graph Matching（GM）是个NP难问题。随着机器学习的兴起，该问题也有望被更高效地解决。然而，现有的监督学习仍然需要为了训练去计算大量的ground tru ......
Self-Supervised Bidirectional Supervised Learning Matching

Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

[TOC] > [Lewis P. and Perez E., et al. Retrieval-augmented generation for knowledge-intensive nlp tasks. NIPS, 2020.](http://arxiv.org/abs/2005.11401) ......
Retrieval-Augmented Knowledge-Intensive Generation Retrieval Augmented

Unified Conversational Recommendation Policy Learning via Graph-based Reinforcement Learning

图的作用： 图结构捕捉不同类型节点（即用户、项目和属性）之间丰富的关联信息，使我们能够发现协作用户对属性和项目的偏好。因此，我们可以利用图结构将推荐和对话组件有机地整合在一起，其中对话会话可以被视为在图中维护的节点序列，以动态地利用对话历史来预测下一轮的行动。 由四个主要组件组成：基于图的 MDP ......
Learning Conversational Recommendation Reinforcement Graph-based

粗读Multi-Task Recommendations with Reinforcement Learning

论文： Multi-Task Recommendations with Reinforcement Learning 地址： https://arxiv.org/abs/2302.03328 # 摘要 In recent years, Multi-task Learning (MTL) has yi ......
Recommendations Reinforcement Multi-Task Learning Multi

机器翻译 | Improving Neural Machine Translation Robustness via Data Augmentation: Beyond Back Translation论文翻译

## 摘要 **神经机器翻译(NMT)模型在翻译干净文本时已被证明是强大的，但它们对输入中的噪声非常敏感**。改进NMT模型的鲁棒性可以看作是对噪声的“域”适应的一种形式。**最近创建的基于噪声文本的机器翻译任务语料库为一些语言对提供了噪声清洁的并行数据，但这些数据在大小和多样性方面非常有限**。最 ......
Translation 论文翻译 Augmentation Robustness Improving
共360篇  :7/12页 首页上一页7下一页尾页