knowledge】第40页

KGAT: Knowledge Graph Attention Network forRecommendation

理解GATGAT采用了Attention机制，可以为不同节点分配不同权重假设Graph包含N个节点，每个节点的特征向量为hi，维度是F，如下所示对节点特征向量h进行线性变换，可以得到新的特征向量h'i，维度是F'，如下所示，W为线性变换的矩阵节点j是节点i的邻居，则可以使用Attention机制计算节点j对于节点i的重要性，即AttentionScore：GAT具体的Attention做法如下，把

Angeliaaa·2022-12-25 03:45

美团知识图谱问答技术实践与探索

来自：美团技术团队作者：如寐梁迪思睿等知识图谱问答（Knowledge-basedQuestionAnswering,KBQA）是指给定自然语言问题，通过对问题进行语义理解和解析，进而利用知识库进行查询

zenRRan·2022-12-24 18:25

美团知识图谱问答技术及在商家推荐回复场景中的实践与探索

智能推荐系统·2022-12-24 18:54

人工智能导论

关于这门全是英文的考试，一些注意的知识点(根据ppt和网课)目录关于这门全是英文的考试，一些注意的知识点(根据ppt和网课)一，KnowledgeRepresentation1.logic2.FOL3.

Zhuang·2022-12-24 15:19

【论文翻译】KLMo: Knowledge Graph Enhanced Pretrained Language Model with Fine-Grained Relationships

论文地址：https://aclanthology.org/2021.findings-emnlp.384.pdf摘要知识图谱（KG）中实体之间的交互作用为语言表征学习提供了丰富的知识。然而，现有的知识增强型预训练语言模型（PLMS）只关注实体信息，而忽略了实体之间的细粒度关系。在这项工作中，我们建议将KG（包括实体和关系）纳入语言学习过程中，以获得KG增强的预训练语言模型，即KLMo。具体来说，

歆布·2022-12-24 07:02

【论文笔记】K-BERT: Enabling Language Representation with Knowledge Graph

论文地址：https://arxiv.org/abs/1909.07606v1项目地址：https://github.com/autoliuweijie/K-BERT摘要BERT虽然能够从大规模的语料库中捕获通用的语言表示信息，但是缺少特定领域的知识。针对这一点，论文中的作者提出了融入知识图谱（KGs）的K-BERT模型，作者是通过将三元组注入到句子中作为特定的知识。但如果融入太多的知识可能会使原

Nlper_Zhao·2022-12-24 07:31

论文解读：K-BERT：Enabling Language Representation with Knowledge Graph（AAAI-20）

Part1IntroductionBERT这种公共模型，对于通用领域表现优秀，但是垂直领域表现不佳，除非在垂直领域进行训练，但是非常耗时耗力。将知识图谱整合到语言表示中，领域知识将能提升垂直领域的任务，并且模型具有更好的可解释性。论文提出的K-BERT通过引进知识图谱（将知识库中的结构化信息（三元组）融入到预训练模型）中，可以更好地解决领域相关任务。Part2Methods模型主要包括四个子模块：

欢欢吖·2022-12-24 07:59

2019.10.8 note

2019.10.8noteCommonsenseKnowledgeBaseCompletionThisworkproposesataskofcompletecommonsenseknowledgebase

pku_zzy·2022-12-24 07:27

K-BERT: Enabling Language Representation with Knowledge Graph阅读笔记

最近实验室要做预训练语言模型和知识图谱结合的交互式智能的研究，于是读了这篇北大与腾讯联合发表的K-BERT:EnablingLanguageRepresentationwithKnowledgeGraph

Kolunm·2022-12-24 07:56

AI知识点（1）--激活函数

2019年第84篇文章，总第108篇文章本文大约5000字，阅读大约需要15分钟AI知识点（AIKnowledge）系列第一篇文章--激活函数。

spearhead_cai·2022-12-24 01:23

【Call for papers】SIGKDD-2023（CCF-A/数据挖掘/2023年2月2日截稿）

29THACMSIGKDDCONFERENCEONKNOWLEDGEDISCOVERYANDDATAMINING.文章目录1.会议信息2.时间节点3.论文主题1.会议信息会议介绍：29THACMSIGKDDCONFERENCEONKNOWLEDGEDISCOVERYANDDATAMINING

山野庸才熏悟空·2022-12-23 23:51

知识图谱补全（KGC）论文阅读笔记

基于**描述逻辑**的**规则**推理机制3.2基于**机器学习**类型推理机制3.3基于**表示学习**类型推理机制4.实例层次的知识补全5.面临的挑战和主要发展方向6.PAPER1：FewShotKnowledgeGraphCompletion6.1KGE

Zichel77·2022-12-23 15:40

知识图谱技术综述

知识图谱（KnowledgeGraph)以其强大的语义处理能

Britesun·2022-12-23 15:02

2 Classification Overview

2.ClassificationOverviewClickherefornotesandcodeMNISTInitialKnowledgeDatasetMNISTdatasetisasetof70,000smallimagesofdigitshandwrittenbyhighschoolstudentsandemployeesoftheUSCensusBureau.Eachimageislabel

WuKx2002·2022-12-23 14:51

论文笔记：Transferable Interactiveness Knowledge for Human-Object Interaction Detection(CVPR2019)

核心思想：学习InteractivenessKnowledge来判断是否存在人与物体的交互。

江东陆伯言·2022-12-23 13:39

从知识到智慧：知识图谱还要走多远？

7一起用Cayley构建一个知识图谱8学习参考资料9钟扬老师绘制的知识树图片来源：https://medium.com/@sderymail/challenges-of-knowledge-graph-part

苹果二·2022-12-23 07:58

通俗易懂解释知识图谱（Knowledge Graph）

知识图谱（KnowledgeGraph）的概念由谷歌2012年正式提出，旨在实现更智能的搜索

舌尖上的口疮·2022-12-23 07:25

知识图谱（一）

1.知识图谱是什么知识图谱（KnowledgeGraph），简称KG。我没有搜到知识图谱的官方定义，欢迎知道的童鞋踩踩。我

5chenyu·2022-12-23 07:24

【论文阅读】Towards Time-Aware Knowledge Graph Completion

TowardsTime-AwareKnowledgeGraphCompletion重点：知识图谱中考虑时间因素time实现知识图谱的补全。

上串下跳·2022-12-23 07:24

科普 | 知识图谱相关的名词解释

知识图谱（KnowledgeGraph）是谷歌于2012年提出。企业通常出于商业目的去设计新的概念和名词。但每一个概念的提出都有其历史渊源和本质内涵。

开放知识图谱·2022-12-23 06:16

【知识图谱 Knowledge Graph】从它的起源看未来的研究方向。知识图谱——科普篇

声明：仅学习使用。注：来源在文末均已指出目录一、知识图谱的本质1、数字时代降临，知识图谱前身语义网络模型初面世（20世纪50-60年代）2、万维网广泛应用，图形化模型略展锋芒（20世纪80-90年代）3、海量数据和知识喷发，知识图谱诞生（21世纪）“知识图谱，是用图来表示知识的结构化方式的理念”。一、知识图谱的本质知识图谱本质上是对图结构模型的研究，包括AAAI、NeurIPS、IJCAI在内的诸

追光者♂·2022-12-23 06:13

知识图谱初识-什么是知识图谱

目录1概念1.1信息(Information)&知识(Knowledge)1.2知识图谱(KnowledgeGraph)2知识图谱的技术流程2.1知识获取2.2知识表示2.3知识抽取2.4知识融合3知识图谱的价值与应用

小卷不卷0099·2022-12-23 05:20

知识图谱入门【一】- 认识图谱技术

知识抽取知识图谱入门【四】-知识挖掘知识图谱入门【五】-知识存储知识图谱入门【六】-知识融合知识图谱入门【七】-知识推理知识图谱入门【八】-语义搜索知识图谱入门【九】-知识问答知识图谱的概念演化知识图谱(KnowledgeGraph

Rnan-prince·2022-12-23 05:49

PVCNN

PVCNNKeyKnowledgeable：Voxel-BasedFeatureAggregation:尺度归一化、点云体素化、体素卷积、反体素化（三线性插值上采样）得到Voxel-BasedFeaturePoint-BasedFeatureTransformation

zhSunw·2022-12-22 22:46

Efficient Strategies for Hierarchical Text Classification:External Knowledge and Auxiliary Tasks

原文链接：https://aclanthology.org/2020.acl-main.205.pdf概述在层次文本分类（HierarchicalTextClassificationHTC）中，大多数研究都关注于提出新颖的模型结构，但我们偏向于找到一种高效的方法去增强baseline。首先将层次文本分类任务视为seq2seq问题，然后对它进行一个辅助性地自顶向下的分类任务，即从外部字典中找到所有层

pepsi_w·2022-12-22 19:00

【ISWC2021】当知识图谱遇上零样本视觉问答

论文题目：Zero-shotVisualQuestionAnsweringusingKnowledgeGraph本文作者：陈卓(浙江大学)、陈矫彦(牛津大学)、耿玉霞(浙江大学)、JeffZ.Pan(爱丁堡大学

zenRRan·2022-12-22 16:00

＜＜视觉问答＞＞2022：MuKEA: Multimodal Knowledge Extraction and Accumulation for Knowledge-based VQA

金克丝、·2022-12-22 16:59

＜＜视觉问答NeurIPS＞＞2022：REVIVE: Regional Visual Representation Matters in Knowledge-Based VQA

收录情况：NeurIPS-2022论文链接：https://arxiv.org/abs/2206.01201代码链接：未开源文章目录简介问题方案主要贡献相关工作Knowledge-BasedVQAVision-LanguageModels

金克丝、·2022-12-22 16:28

＜＜视觉问答＞＞2021：Zero-shot Visual Question Answering usingKnowledge Graph

Zero-shotVQA三、Preliminaries四、Methodology4.1MainIdea4.2EstablishmentofMultipleFeatureSpaces4.3AnswerMaskviaKnowledge

金克丝、·2022-12-22 16:28

DASOU知识星球学的知识图谱

1.经典课程1.经典课程东南大学研究生课程:东南大学研究生课程：https://github.com/npubird/KnowledgeGraphCourse书籍推荐:知识图谱的书籍的话可以看下作者是王昊奋

东方-教育技术博主·2022-12-22 12:53

Towards Cross-Modality Medical Image Segmentation with Online Mutual Knowledge Distillation论文的研读

TowardsCross-ModalityMedicalImageSegmentationwithOnlineMutualKnowledgeDistillation论文的研读原文出处：英文原文本文主要翻译了摘要引言以及结论部分

我就是我2333·2022-12-22 10:16

kafka 自定义Interceptor（通过拦截器对消息进行定制化处理）

文章目录1.说明1.1configure(configs)1.2onSend(ProducerRecord)1.3onAcknowledgement(RecordMetadata,Exception)1.4close2

但行益事莫问前程·2022-12-22 07:04

联邦知识蒸馏

知识蒸馏1.概述：2.背景知识蒸馏(KnowledgeDistillation）模型压缩模型增强3.知识蒸馏与迁移学习的差异：(1)数据域不同.(2)网络结构不同.(3)学习方式不同.(4)目的不同.4

咫尺云烟·2022-12-21 07:57

知识蒸馏概述

知识蒸馏（knowledgedistillation）是模型压缩的一种常用的方法，不同于模型压缩中的剪枝和量化，知识蒸馏是通过构建一个轻量化的小模型，利用性能更好的大模型的监督信息，来训练这个小模型，以期达到更好的性能和精度

下雨天吃火锅哩·2022-12-21 07:23

基于规则的方法

Acomprehensiveoverviewofknowledgegraphcompletion4.2.1.基于规则的KGCKGs中的逻辑规则是不可忽视的，因为它们可以为我们提供KGC的专家和声明性信息

小蜗子·2022-12-21 04:07

Ontological Concept Structure Aware KnowledgeTransfer for Inductive Knowledge Graph Embedding

传统的知识图嵌入方法主要假设推理阶段的所有实体在原始训练图中都是可用的。但在实际应用场景中，总是不可避免地出现新的实体，这就导致了严重的知识图外实体问题。关于这个问题的现有工作主要是利用额外的资源，例如实体描述，或者简单地聚集知识图内的邻居来归纳地嵌入这些新实体。然而，高质量的额外资源通常很难获得，而且新实体的现有邻居可能过于稀疏，无法为这些实体建模提供足够的信息。同时，它们可能无法整合本体概念的

小蜗子·2022-12-21 04:37

Meta-Learning Based Knowledge Extrapolation for Knowledge Graphs in theFederated Setting

摘要我们研究了知识外推问题，以便在联合设置中嵌入新的组件(即实体和关系)，这些组件伴随着新出现的知识图(kg)。在这个问题中，在现有KG上训练的模型需要嵌入一个具有不可见实体和关系的新兴KG。为了解决这个问题，我们引入了元学习设置，其中在现有KG上采样一组任务，以模拟新兴KG上的链接预测任务。基于采样任务，我们元训练了一个图神经网络框架，该框架可以基于结构信息和输出嵌入为不可见组件构建特征。实验结

小蜗子·2022-12-21 04:36

Lifelong Embedding Learning and Transfer for Growing Knowledge Graphs

摘要现有的知识图谱(KG)嵌入模型主要关注静态KG，但真实世界的KG并不是静态的，而是随着KG应用程序的发展而发展和增长。因此，新的事实和以前看不到的实体和关系不断出现，需要一个嵌入模型，可以通过增长快速学习和转移新知识。基于此，本文研究了KG嵌入的一个扩展领域，即终身KG嵌入。我们考虑了知识的迁移和保留学习的增长快照的KG，而不必从头开始学习嵌入。该模型包括一个用于嵌入学习和更新的蒙面KG自动编

小蜗子·2022-12-21 04:01

缺失数据(missing data)的处理（理论）

expectationmaximization期望最大化maximumlikelihood最大似然casesubstitutionpriorknowledge先验知识图片来源：https://github.com

奥瑞给给~~·2022-12-20 17:09

NeurIPS 2022 | 知识蒸馏中如何让“大教师网络”也教得好？

该工作的研究内容为知识蒸馏（KnowledgeDistillation），是与华为诺亚联合实验室共同研究产出的一篇工作。本文分为以下几个部分对该工作

PaperWeekly·2022-12-20 14:07

＜＜视觉问答AAAI＞＞2022：An Empirical Study of GPT-3 for Few-Shot Knowledge-Based VQA

收录情况：AAAI-2022论文链接：https://arxiv.org/abs/2109.05014代码链接：https://github.com/microsoft/PICa文章目录简介问题方案相关工作Knowledge-basedVQA

金克丝、·2022-12-20 11:59

信息检索、路径规划、电子商务，KDD 的战场有哪些？

关键词：KDD2020上榜论文一年一度的国际数据挖掘与知识发现大会ACMSIGKDD2020（ConferenceonKnowledgeDiscoveryandDataMining，简称KDD），于8月

HyperAI超神经·2022-12-20 03:43

RNG-KBQA: Generation Augmented Iterative Ranking forKnowledge Base Question Answering (ACL2022)

论文链接：https://arxiv.org/pdf/2109.08678.pdf源码：https://github.com/salesforce/rng-kbqa现存问题现存的KBQA方法在i.i.d测试数据上表现优秀，但是当问题中涉及unseenKBschemaitems，泛化起来就会遇到困难。先前基于排序的方法具有较强的泛化能力，但是存在覆盖问题。解决方法本文提出RNG-KBQA(aRank

Toady 元气满满·2022-12-19 18:47

Knowledge Graph Contrastive Learning for Recommendation（论文笔记）

模型流程：1.Relation-awareKnowledgeAggregation这一部分讲解下面两种模型，获取entity和item的第一阶段（first-stage）的表示向量。

二流子学程序·2022-12-19 00:18

论文浅尝 | Knowledge Graph Contrastive Learning for Recommendation

笔记整理：刘尧锟，天津大学硕士链接：https://arxiv.org/pdf/2205.00976.pdf动机知识图谱已被用作有用的辅助信息来提高推荐质量。在这些推荐系统中，知识图谱信息通常包含丰富的事实和项目之间的内在语义相关性。然而，此类方法的成功依赖于高质量的知识图谱，并且可能无法学习质量表示，面临两个挑战：i）实体的长尾分布导致KG增强项目表示的监督信号稀疏；ii)现实世界的知识图谱通常

开放知识图谱·2022-12-19 00:47

论文浅尝 | Open world Knowledge Graph Completion

来源：AAAI2018论文链接：https://arxiv.org/pdf/1711.03438.pdf代码链接：https://github.com/bxshi/ConMask本文解决知识库补全的问题，但和传统的KGC任务的场景有所不同。以往知识库补全的前提是实体和关系都已经在KG中存在，文中把那类情况定义为Closed-WorldKGC。从其定义可以发现它是严重依赖已有KG连接的，不能对弱连接