博客园 - 梳下鱼
uuid:24b78886-0ed1-41c2-8670-e3f31dcf42c4;id=149762
2020-10-27T10:00:05Z
梳下鱼
https://www.cnblogs.com/combfish/
feed.cnblogs.com
https://www.cnblogs.com/combfish/p/13886326.html
Matrix Profile 与 Stumpy (时间序列挖掘,矩阵画像) - 梳下鱼
Matrix Profile 矩阵画像 (下文中简称为MP) 是由UCR(加州大学河滨分校)提出的一个时间序列的分析算法 —————————————————————————— 目录: 算法简介 算法库 算法应用 其他集成应用 —————————————————————————— 算法简介 通过一个时
2020-10-27T10:00:00Z
2020-10-27T10:00:00Z
梳下鱼
https://www.cnblogs.com/combfish/
【摘要】Matrix Profile 矩阵画像 (下文中简称为MP) 是由UCR(加州大学河滨分校)提出的一个时间序列的分析算法 —————————————————————————— 目录: 算法简介 算法库 算法应用 其他集成应用 —————————————————————————— 算法简介 通过一个时 <a href="https://www.cnblogs.com/combfish/p/13886326.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/combfish/p/13856842.html
【KDD2020论文阅读总结】时间序列分类--鸡行为分类 (UCR) - 梳下鱼
【KDD2020论文阅读总结】鸡行为分类【链接】https://dl.acm.org/doi/pdf/10.1145/3394486.3403385【Title】Fitbit for Chickens? Time Series Data Mining Can Increase the Productivity of Poultry Farms【应用】时间序列分类【领域】数据挖掘,家禽养殖【数据集地...
2020-10-22T02:46:00Z
2020-10-22T02:46:00Z
梳下鱼
https://www.cnblogs.com/combfish/
【摘要】【KDD2020论文阅读总结】鸡行为分类【链接】https://dl.acm.org/doi/pdf/10.1145/3394486.3403385【Title】Fitbit for Chickens? Time Series Data Mining Can Increase the Productivity of Poultry Farms【应用】时间序列分类【领域】数据挖掘,家禽养殖【数据集地... <a href="https://www.cnblogs.com/combfish/p/13856842.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/combfish/p/13606402.html
【KDD2020论文阅读总结】预测新产品上市后的基于时间的销售数据(IBM)(基于注意力机制的多模态模型) - 梳下鱼
https://dl.acm.org/doi/pdf/10.1145/3394486.3403362 【Title】Attention based Multi-Modal New Product Sales Time-series Forecasting【应用】预测新产品上市后的基于时间的销售数据【领域】Neural networks; RNNs; Encoder-Decoder;【文章要点】1....
2020-09-03T02:58:00Z
2020-09-03T02:58:00Z
梳下鱼
https://www.cnblogs.com/combfish/
【摘要】https://dl.acm.org/doi/pdf/10.1145/3394486.3403362 【Title】Attention based Multi-Modal New Product Sales Time-series Forecasting【应用】预测新产品上市后的基于时间的销售数据【领域】Neural networks; RNNs; Encoder-Decoder;【文章要点】1.... <a href="https://www.cnblogs.com/combfish/p/13606402.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/combfish/p/13594630.html
【KDD2020论文阅读总结】亚马逊的商品知识自动采集系统 - 梳下鱼
https://dl.acm.org/doi/pdf/10.1145/3394486.3403323 【Title】AutoKnow: Self-Driving Knowledge Collection for Products of Thousands of Types【应用】构建亚马逊电商的零售商品知识体系【领域】Graph-based database models【文章要点】1. 该系统包...
2020-09-01T02:17:00Z
2020-09-01T02:17:00Z
梳下鱼
https://www.cnblogs.com/combfish/
【摘要】https://dl.acm.org/doi/pdf/10.1145/3394486.3403323 【Title】AutoKnow: Self-Driving Knowledge Collection for Products of Thousands of Types【应用】构建亚马逊电商的零售商品知识体系【领域】Graph-based database models【文章要点】1. 该系统包... <a href="https://www.cnblogs.com/combfish/p/13594630.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/combfish/p/13589661.html
【KDD2020论文阅读总结】滴滴到达时间预测的快速推理系统 - 梳下鱼
https://dl.acm.org/doi/10.1145/3394486.3403386 【Title】CompactETA: A Fast Inference System for Travel Time Prediction【应用】估计到达时间 (estimated time of arrival (ETA)),误差在100ms【文章要点】1. 在该方法中,我们将图注意网络应用于一个时空加...
2020-08-31T07:11:00Z
2020-08-31T07:11:00Z
梳下鱼
https://www.cnblogs.com/combfish/
【摘要】https://dl.acm.org/doi/10.1145/3394486.3403386 【Title】CompactETA: A Fast Inference System for Travel Time Prediction【应用】估计到达时间 (estimated time of arrival (ETA)),误差在100ms【文章要点】1. 在该方法中,我们将图注意网络应用于一个时空加... <a href="https://www.cnblogs.com/combfish/p/13589661.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/combfish/p/13589638.html
【KDD2020论文阅读总结】基于深度学习的用于地震检测的低耗传感器网络系统 - 梳下鱼
https://dl.acm.org/doi/10.1145/3394486.3403378【Title】CrowdQuake: A Networked System of Low-Cost Sensors for Earthquake Detection via Deep Learning【文章要点】1. CrowdQuake – a networked system of hundreds t...
2020-08-31T07:07:00Z
2020-08-31T07:07:00Z
梳下鱼
https://www.cnblogs.com/combfish/
【摘要】https://dl.acm.org/doi/10.1145/3394486.3403378【Title】CrowdQuake: A Networked System of Low-Cost Sensors for Earthquake Detection via Deep Learning【文章要点】1. CrowdQuake – a networked system of hundreds t... <a href="https://www.cnblogs.com/combfish/p/13589638.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/combfish/p/12565237.html
pyecharts 0.5 visualmap 显示精度precision到小数 - 梳下鱼
pyecharts 0.5 visualmap 显示的精度默认为整数,且未集成好precision的参数,若想显示小数,则需对pyecharts的原文件做修改,修改如下:1. 修改文件:D:\python35\Lib\site-packages\pyecharts-0.5.11-py3.5.egg\pyecharts\chart.pydef add 函数的参数 添加 precision=None....
2020-03-25T04:18:00Z
2020-03-25T04:18:00Z
梳下鱼
https://www.cnblogs.com/combfish/
【摘要】pyecharts 0.5 visualmap 显示的精度默认为整数,且未集成好precision的参数,若想显示小数,则需对pyecharts的原文件做修改,修改如下:1. 修改文件:D:\python35\Lib\site-packages\pyecharts-0.5.11-py3.5.egg\pyecharts\chart.pydef add 函数的参数 添加 precision=None.... <a href="https://www.cnblogs.com/combfish/p/12565237.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/combfish/p/12271507.html
14-influence 图机器学习之网络的影响力最大化 - 梳下鱼
网络的影响力最大化与陌生人相比,我们更容易受到朋友的影响病毒性营销凯特王妃的影响力凯特穿过的衣服容易脱销那么,如何发现类似于凯特这一号人物的类似节点?影响力最大化给定一个有向图,找到k个影响力最大的种子两个经典的传播模型线性阈值模型独立级联模型首先来看线性阈值模型节点v有随机的阈值 0到1节点v受邻居w的影响,影响范围为b_v,w当节点受影响的权重和大于某个阈值时,被激活概率传播独立级联...
2020-02-06T15:22:00Z
2020-02-06T15:22:00Z
梳下鱼
https://www.cnblogs.com/combfish/
【摘要】网络的影响力最大化与陌生人相比,我们更容易受到朋友的影响病毒性营销凯特王妃的影响力凯特穿过的衣服容易脱销那么,如何发现类似于凯特这一号人物的类似节点?影响力最大化给定一个有向图,找到k个影响力最大的种子两个经典的传播模型线性阈值模型独立级联模型首先来看线性阈值模型节点v有随机的阈值 0到1节点v受邻居w的影响,影响范围为b_v,w当节点受影响的权重和大于某个阈值时,被激活概率传播独立级联... <a href="https://www.cnblogs.com/combfish/p/12271507.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/combfish/p/12271510.html
15-outbreak 图机器学习之爆发检测 - 梳下鱼
网络的爆发检测outbreak detection近似算法,加速贪婪爬升,证明数据依赖给一个真实的城市水源分布网络以及污染物如何再网络中传播的数据尽可能快的检测到污染物检测信息的爆发一般的问题:1) 两个示例都是同样的潜在的问题2) 给定一个网络传播的动态过程,我们希望选择一个节点集合来高效的检测过程更多的应用:流行病;影响力传播;网络安全水网络:放置传感器的用途:水流动力学,家庭需求下图中的颜色...
2020-02-06T15:22:00Z
2020-02-06T15:22:00Z
梳下鱼
https://www.cnblogs.com/combfish/
【摘要】网络的爆发检测outbreak detection近似算法,加速贪婪爬升,证明数据依赖给一个真实的城市水源分布网络以及污染物如何再网络中传播的数据尽可能快的检测到污染物检测信息的爆发一般的问题:1) 两个示例都是同样的潜在的问题2) 给定一个网络传播的动态过程,我们希望选择一个节点集合来高效的检测过程更多的应用:流行病;影响力传播;网络安全水网络:放置传感器的用途:水流动力学,家庭需求下图中的颜色... <a href="https://www.cnblogs.com/combfish/p/12271510.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/combfish/p/12271503.html
13-contagion 图机器学习之疾病的概率传染 - 梳下鱼
概率传播简单的模型:第一波:一个携带病毒的人进入人群,与他接触的人有概率q被感染,他接触了d个人,d中一部分将会被干扰第二波:d人活动,会见d个人,开始传播后续:上述重复基于随机树的传播那么,当d和q等于什么值的时候,传染病会永久传播?Ph 节点a在第h层被感染的概率具体公式如下:x 节点a在第h-1层被感染的概率,从x=1开始,因为p1=1f(x) 节点a在第h层被感染的概率q 感染概率d ...
2020-02-06T15:21:00Z
2020-02-06T15:21:00Z
梳下鱼
https://www.cnblogs.com/combfish/
【摘要】概率传播简单的模型:第一波:一个携带病毒的人进入人群,与他接触的人有概率q被感染,他接触了d个人,d中一部分将会被干扰第二波:d人活动,会见d个人,开始传播后续:上述重复基于随机树的传播那么,当d和q等于什么值的时候,传染病会永久传播?Ph 节点a在第h层被感染的概率具体公式如下:x 节点a在第h-1层被感染的概率,从x=1开始,因为p1=1f(x) 节点a在第h层被感染的概率q 感染概率d ... <a href="https://www.cnblogs.com/combfish/p/12271503.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/combfish/p/12271500.html
12-cascades 图机器学习之网络的影响力和级联行为 - 梳下鱼
网络的传播网络的传播:级联行为,创新的渗透,网络影响,流行病的传播例如:生物上——传染疾病的传播;技术上——级联故障、信息传播;社会上——谣言新闻新技术的传播、营销产品的应用(基于用户间的相互推荐)术语:传染病受感染扩散模型基于决策的模型(本节课):产品应用,制定决策等——一个节点观察他的邻居的决策后制定自己的决策概率模型(下节课):传染病的扩散基于决策的扩散模型级联的博弈论模型基于2人协调的博弈...
2020-02-06T15:20:00Z
2020-02-06T15:20:00Z
梳下鱼
https://www.cnblogs.com/combfish/
【摘要】网络的传播网络的传播:级联行为,创新的渗透,网络影响,流行病的传播例如:生物上——传染疾病的传播;技术上——级联故障、信息传播;社会上——谣言新闻新技术的传播、营销产品的应用(基于用户间的相互推荐)术语:传染病受感染扩散模型基于决策的模型(本节课):产品应用,制定决策等——一个节点观察他的邻居的决策后制定自己的决策概率模型(下节课):传染病的扩散基于决策的扩散模型级联的博弈论模型基于2人协调的博弈... <a href="https://www.cnblogs.com/combfish/p/12271500.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/combfish/p/12271497.html
11-pagerank 图机器学习之PageRank - 梳下鱼
pagerank:链接分析 如同图谱的网络每个网页相互链接,是一个有向图,强连通分量设计一个计算十堰,找到给定节点的输入与输出成分(?)节点:网页边:超链接次要问题:动态页面如何解决?暗网——无法直接进入的网页网页的现状:不一定通过导航链接,而通过交易事务(?),例如邮件,评论,评论,点赞,购买等是一个有向图其他类型的信息网络:如引用网络,百科中的引用In(v) OUT(v)的定义:通过...
2020-02-06T15:19:00Z
2020-02-06T15:19:00Z
梳下鱼
https://www.cnblogs.com/combfish/
【摘要】pagerank:链接分析 如同图谱的网络每个网页相互链接,是一个有向图,强连通分量设计一个计算十堰,找到给定节点的输入与输出成分(?)节点:网页边:超链接次要问题:动态页面如何解决?暗网——无法直接进入的网页网页的现状:不一定通过导航链接,而通过交易事务(?),例如邮件,评论,评论,点赞,购买等是一个有向图其他类型的信息网络:如引用网络,百科中的引用In(v) OUT(v)的定义:通过... <a href="https://www.cnblogs.com/combfish/p/12271497.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/combfish/p/12271487.html
10-graph-gen 图机器学习之图生成模型 - 梳下鱼
图深度生成模型 deep generative models for graph回顾上一节课中的图编码,图卷积等今天,来学习图深度解码,也就是反编码,最终输出一个图结构Problem of Graph Generation图生成需要解决的问题给定一个真实图,生成一个合成图那么,什么才是好的生成模型?图生成的意义生成→深入探索图行程的过程异常检测预测——从过去预测未来新网络的仿真图填充如果。。。场景...
2020-02-06T15:16:00Z
2020-02-06T15:16:00Z
梳下鱼
https://www.cnblogs.com/combfish/
【摘要】图深度生成模型 deep generative models for graph回顾上一节课中的图编码,图卷积等今天,来学习图深度解码,也就是反编码,最终输出一个图结构Problem of Graph Generation图生成需要解决的问题给定一个真实图,生成一个合成图那么,什么才是好的生成模型?图生成的意义生成→深入探索图行程的过程异常检测预测——从过去预测未来新网络的仿真图填充如果。。。场景... <a href="https://www.cnblogs.com/combfish/p/12271487.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/combfish/p/12271485.html
08-GNN 图机器学习之图神经网络 - 梳下鱼
图神经网络node embedding回顾了之前node2vec的例子以及深度学习卷积的一些基础浅层encoder的局限性:参数数量O(v):节点间没有共享参数,每个节点有自己的embedding不能表征未见过的节点没有综合考虑节点特征本节学习图神经网络,多层的非线性的那么,在图中,如何做卷积?如果输入是邻接矩阵,那么模型不能适配各种规模的网络;对节点的顺序也没有敏感性图的深度学习基础起初,对于一...
2020-02-06T15:15:00Z
2020-02-06T15:15:00Z
梳下鱼
https://www.cnblogs.com/combfish/
【摘要】图神经网络node embedding回顾了之前node2vec的例子以及深度学习卷积的一些基础浅层encoder的局限性:参数数量O(v):节点间没有共享参数,每个节点有自己的embedding不能表征未见过的节点没有综合考虑节点特征本节学习图神经网络,多层的非线性的那么,在图中,如何做卷积?如果输入是邻接矩阵,那么模型不能适配各种规模的网络;对节点的顺序也没有敏感性图的深度学习基础起初,对于一... <a href="https://www.cnblogs.com/combfish/p/12271485.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/combfish/p/12271482.html
07-noderepr 图机器学习之图表征学习 - 梳下鱼
网络中的机器学习节点分类链接预测机器学习的生命圈需要特征工程网络的特征学习——特征向量 embeddingnetwork embedding的意义节点的表征节点的相似度衡量→网络相似度衡量网络信息编码,生成节点表征用途:异常检测,属性预测,聚类,关系预测例子:deepwalk难度:当前的深度学习视为序列或网格数据而设计的,但网络结构比这些更复杂,没有固定的空间结构,没有固定的顺序,是动态的,并...
2020-02-06T15:14:00Z
2020-02-06T15:14:00Z
梳下鱼
https://www.cnblogs.com/combfish/
【摘要】网络中的机器学习节点分类链接预测机器学习的生命圈需要特征工程网络的特征学习——特征向量 embeddingnetwork embedding的意义节点的表征节点的相似度衡量→网络相似度衡量网络信息编码,生成节点表征用途:异常检测,属性预测,聚类,关系预测例子:deepwalk难度:当前的深度学习视为序列或网格数据而设计的,但网络结构比这些更复杂,没有固定的空间结构,没有固定的顺序,是动态的,并... <a href="https://www.cnblogs.com/combfish/p/12271482.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/combfish/p/12271480.html
06-Message Passing and Node Classification 图机器学习之信息传播与节点分类 - 梳下鱼
信息传播和节点分类给定网络中一些节点的label,如何确定其他节点的label例如,一个网络中一些节点是诈骗犯,一些节点是可信度高的人,那么如何判断其他节点?半年监督节点分类协作分类:collective classification利用网络中的关联关系接下来,今天会学3个技巧:1)relational classification : 关系分类2)iterative classific...
2020-02-06T15:13:00Z
2020-02-06T15:13:00Z
梳下鱼
https://www.cnblogs.com/combfish/
【摘要】信息传播和节点分类给定网络中一些节点的label,如何确定其他节点的label例如,一个网络中一些节点是诈骗犯,一些节点是可信度高的人,那么如何判断其他节点?半年监督节点分类协作分类:collective classification利用网络中的关联关系接下来,今天会学3个技巧:1)relational classification : 关系分类2)iterative classific... <a href="https://www.cnblogs.com/combfish/p/12271480.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/combfish/p/12271470.html
05-spectral 图机器学习之谱分解 - 梳下鱼
目标: 1)创建图的表征矩阵2)分解:计算矩阵的特征值和特征向量;基于一个或多个特征值,将每个点表示成低维的表征3)分组:基于新的表征,进行聚类例如,二分图中如何确定好的分类?类间差异大,类内差异小最小割集考虑:1)团外的连接性2)团内的连接性评价方式:团间的连接性与每个团的密度相关spectral graph partitioning 谱图分割无向图G的邻接矩阵Ax是n维的特征向量,可认为是G...
2020-02-06T15:11:00Z
2020-02-06T15:11:00Z
梳下鱼
https://www.cnblogs.com/combfish/
【摘要】目标: 1)创建图的表征矩阵2)分解:计算矩阵的特征值和特征向量;基于一个或多个特征值,将每个点表示成低维的表征3)分组:基于新的表征,进行聚类例如,二分图中如何确定好的分类?类间差异大,类内差异小最小割集考虑:1)团外的连接性2)团内的连接性评价方式:团间的连接性与每个团的密度相关spectral graph partitioning 谱图分割无向图G的邻接矩阵Ax是n维的特征向量,可认为是G... <a href="https://www.cnblogs.com/combfish/p/12271470.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/combfish/p/12271464.html
03-motifs 图机器学习之motif和结构角色 - 梳下鱼
Motifs and Structure Roles in Networks子图/子网络:subnetworks→network中的组成部分,可用于描述网络特性或区分网络例子:3个节点的有向子图的不同形态对于每一个subgraph: 假设我们有一度量工具可以用于对subgraph的重要性(显著性?)进行评估: 负值表示under-representation (不能很好的表征,欠...
2020-02-06T15:10:00Z
2020-02-06T15:10:00Z
梳下鱼
https://www.cnblogs.com/combfish/
【摘要】Motifs and Structure Roles in Networks子图/子网络:subnetworks→network中的组成部分,可用于描述网络特性或区分网络例子:3个节点的有向子图的不同形态对于每一个subgraph: 假设我们有一度量工具可以用于对subgraph的重要性(显著性?)进行评估: 负值表示under-representation (不能很好的表征,欠... <a href="https://www.cnblogs.com/combfish/p/12271464.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/combfish/p/12271467.html
04-communities 图机器学习之社区 - 梳下鱼
网络中的社区结构信息流通:节点在此扮演了什么角色?连接扮演了什么角色?非网络时代,人们是如何获取工作的?通过人脉,然而,不少关系是泛泛之交,而亲密关系较少。 那为什么泛泛之交反而更有用?结构上:短距离的关系亲密,长距离的关系弱信息上:长距离:获取更多信息三角闭合——高度聚集的系数边重叠?N(i):节点i的邻居集 计算Oij时要除去i,j节点当overlap==0时,该边为局部桥梁以下是基于通话网络...
2020-02-06T15:10:00Z
2020-02-06T15:10:00Z
梳下鱼
https://www.cnblogs.com/combfish/
【摘要】网络中的社区结构信息流通:节点在此扮演了什么角色?连接扮演了什么角色?非网络时代,人们是如何获取工作的?通过人脉,然而,不少关系是泛泛之交,而亲密关系较少。 那为什么泛泛之交反而更有用?结构上:短距离的关系亲密,长距离的关系弱信息上:长距离:获取更多信息三角闭合——高度聚集的系数边重叠?N(i):节点i的邻居集 计算Oij时要除去i,j节点当overlap==0时,该边为局部桥梁以下是基于通话网络... <a href="https://www.cnblogs.com/combfish/p/12271467.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/combfish/p/12271462.html
02-gnp-smallworld 图机器学习之最小世界 - 梳下鱼
本节重点:如何衡量一个网络 (网络量化)网络的关键属性:1. 度的分布:P(k)2. 路径长度:h3. 集聚系数(clustering coefficient):C4. 连通分量(connected components):s 1. 度的分布 degree distribution:P(k)统计每个节点的度,形成归一化后的直方图2. 路径3. 距离:最短路径4. 直径:网络中任意节点最短距离的最大...
2020-02-06T15:09:00Z
2020-02-06T15:09:00Z
梳下鱼
https://www.cnblogs.com/combfish/
【摘要】本节重点:如何衡量一个网络 (网络量化)网络的关键属性:1. 度的分布:P(k)2. 路径长度:h3. 集聚系数(clustering coefficient):C4. 连通分量(connected components):s 1. 度的分布 degree distribution:P(k)统计每个节点的度,形成归一化后的直方图2. 路径3. 距离:最短路径4. 直径:网络中任意节点最短距离的最大... <a href="https://www.cnblogs.com/combfish/p/12271462.html" target="_blank">阅读全文</a>