论文阅读 - 随笔分类 - 超然haha

摘要：这篇KDD’18的文章，没按照常规的方法将所有的node嵌入到同一的空间，提出 node 因为连接的 edge 类型不同，存在不兼容，提出一个保存异构性的HINs综合转录的方式阅读全文

posted @ 2018-12-21 20:15 超然haha 阅读(1275) 评论(1) 推荐(2)

摘要：结合全局和局部信息提出了一个全面的框架来解决名字消歧问题，并提出比传统基于 BIC 方法更好的端到端的簇大小估计方法。加入人的反馈机制，提高消歧准确度阅读全文

posted @ 2018-11-14 17:12 超然haha 阅读(2331) 评论(0) 推荐(2)

摘要：将人名消歧过程作为一个系统，主要想学习它对消歧过程中的各个阶段的划分，GFAD 是一个面向图的框架，对于元信息缺失，错误信息的存在具有较好的鲁棒性，且不依赖web 环境，也不需要群体数量信息，不需要估计特定的参数或阈值，同时处理同名异名，孤立点问题阅读全文

posted @ 2018-11-07 22:08 超然haha 阅读(763) 评论(3) 推荐(1)

摘要：学习网络中节点的低维表示，将利用节点信息及网络结构识别节点的过程比喻为翻译的过程，将网络嵌入转化为 seq2seq 任务阅读全文

posted @ 2018-10-29 20:09 超然haha 阅读(1043) 评论(0) 推荐(1)

Graph Attention Networks

摘要：通过新型神经网络对图形结构数据进行操作，利用隐藏的自注意层赋予邻域节点不同重要性，关注那些作用比较大的节点，而忽视一些作用较小的节点，在处理局部信息的时候同时能够关注整体的信息阅读全文

posted @ 2018-10-09 19:40 超然haha 阅读(5804) 评论(1) 推荐(0)

摘要：现有方法通常基于单词获取节点的文本特征矩阵，忽略分层结构（单词、句子），该文提出SHANE 模型，集成节点结构，文本和标签信息，并以半监督的方式学习网络嵌入，使用分层注意网络学习节点的文本特征，两层双向 GRU 提取单词和句子的潜在特征阅读全文

posted @ 2018-10-09 12:55 超然haha 阅读(1056) 评论(0) 推荐(0)

摘要：NE 的中心思想就是找到一种映射函数，该函数将网络中的每个节点转换为低维度的潜在表示，此文调研近年来在网络嵌入的发展及几个研究类别阅读全文

posted @ 2018-09-29 09:24 超然haha 阅读(1921) 评论(0) 推荐(0)

摘要：现有方法：无上下文嵌入，与其他顶点交互时忽略不同角色。该论文提出：上下文相关的网络嵌入（CANE），通过相互关注机制学习顶点的上下文感知嵌入阅读全文

posted @ 2018-09-28 20:11 超然haha 阅读(3196) 评论(0) 推荐(1)

Network Embedding

摘要：近年来关于网络表示研究进展及常见方法的简单介绍阅读全文

posted @ 2018-09-28 19:52 超然haha 阅读(1801) 评论(0) 推荐(0)

摘要：本博客所有内容类别及文章汇总阅读全文

posted @ 2017-03-19 16:01 超然haha 阅读(406) 评论(0) 推荐(0)

超然haha