暂时未有相关云产品技术能力~
暂无个人介绍
Spektral:使用TF2实现经典GNN的开源库
科大讯飞学术论文分类挑战赛 0.79+ baseline
图神经网络22-DGL实战:针对边分类任务的邻居采样训练方法
手把手教你搭建Bert文本分类模型,快点看过来吧!
图神经网络18-Watch Your Step: 通过图注意力学习节点嵌入
【论文解读】文本分类上分利器:Bert微调trick大全
NAACL 2021 上的图神经网络好文
图神经网络17-DGL实战:构建图神经网络(GNN)模块
DGL 框架是由纽约大学和 AWS 工程师共同开发的开源框架,旨在为大家提供一个在图上进行深度学习的工具,帮助大家更高效的实现算法。
图神经网络15-Text-Level-GNN:基于文本级GNN的文本分类模型
图神经网络14-TextGCN:基于图神经网络的文本分类
比赛推送:ML/NLP/推荐/CV,一大波比赛来袭!
图神经网络13-图注意力模型GAT网络详解
Kaggle虾皮商品匹配大赛银牌方案复盘
GNN: graph neural network Contributed by Jie Zhou, Ganqu Cui, Zhengyan Zhang and Yushi Bai. 来源:THUNLP 链接:https://github.com/thunlp/GNNPapers
图神经网络12-分子指纹GCN:Neural FPs
LeetCode-中等 砖墙
图神经网络11-GCN落地的必读论文:GraphSAGE
在本节中,我们将探讨PageRank算法,其实这是一个老生常谈的概念或者算法,在这里我们重新温故下这个经典算法。这是一种使用Web Graph中的链接结构按重要性对网页进行排名的方法,这也是Google普及的网络搜索常用算法。 在讨论PageRank之前,让我们先将Web概念化为图,然后尝试使用图论语言来研究其结构。
论文的标题:《ArcFace: Additive Angular Margin Loss for Deep Face Recognition》 论文下载链接:https://arxiv.org/pdf/1801.07698v1.pdf
【比赛推送】KDD 2021/ Kaggle 顶级赛事等你来排位
在中篇中,我们了解了图机器学习(GML:Graph Machine Learning)。下面,终于到了这个前置教程的重头戏,图神经网络(Graph Neural Networks)。 我们通过结合论文A Comprehensive Survey on Graph Neural Networks来学习现在图神经网络的发展现状。
在上篇中,我们简单学习了图论的基本概念,图的表示和存储方式,同构图和异构图的分类,以及几个基础的图论算法。 在接下来的前置教程下篇中,我们将会学习图机器学习。
【Kaggle/天池/DF/biendata】比赛信息汇总(NLP、CV,ML)
基于Bert的文本聚类工具:BERTopic
【干货推荐】基于 TensorFlow 的实体及关系抽取
Bert可以提取关键词了:KeyBERT的介绍与使用
针对现有时间序列分类方法的特征提取与分类过程分离,且无法提取存在于不同时间尺度序列的不同特征的问题,作者提出MCNN模型。 对于单一时间序列输入,进行降采样和滑动平均等变化,产生多组长度不同的时间序列,并在多组时间序列上进行卷积,提取不同时间尺度序列的特征。
可视化Keras模型
建这个仓库的是因为工作之后发现生产环境中应用的模型需要做到速度和效果的平衡,并不是越复杂越好。所以一味的追求新的模型效果不大(并不是不追,也要多看新东西)。学到模型最终是要用,而且要用好,于是就建了这么个仓库,积累一下深度学习模型在各个公司中的应用以及细节,这样在自己工作中可以做到借鉴。主要是罗列一些各大公司分享的文章,涉及到搜索/推荐/自然语言处理(NLP),持续更新... 仓库地址:https://github.com/DA-southampton/Tech_Aarticle/edit/master/README.md
深度学习常常需要大量的时间和机算资源进行训练,这也是困扰深度学习算法开发的重大原因。虽然我们可以采用分布式并行训练加速模型的学习,但所需的计算资源并没有丝毫减少。而唯有需要资源更少、令模型收敛更快的最优化算法,才能从根本上加速机器的学习速度和效果,Adam 算法正为此而生!
在本文章,我们主要给大家介绍一些顶级的自动化EDA工具,并且通过实例来展示具体效果。 代码链接:https://www.kaggle.com/andreshg/automatic-eda-libraries-comparisson/notebook
图神经网络07-Node Embeddings
全新Gensim4.0代码实战(03)-相似性查询
全新Gensim4.0代码实战(02)-主题模型和文档表示
Markdown中常见的LaTeX公式
图神经网络05-基于Graph的传统机器学习理论
全新Gensim4.0代码实战(01)-安装与快速上手
图神经网络01-基于Graph的机器学习简介(下)
图神经网络01-基于Graph的机器学习简介(上)
【转】CCF2020问答匹配比赛:如何只用“bert”夺冠
图(graph)近来正逐渐变成机器学习的一大核心领域,在开始PGL框架学习之前,我们先简单学习一下图论的基本概念,图论的经典算法,以及近些年来图学习的发展。
A Beginner's Guide to Generative Adversarial Networks (GANs) https://skymind.ai/wiki/generative-adversarial-network-gan
Kaggle系列-IEEE-CIS Fraud Detection第一名复现
Kaggle系列-Mechanisms of Action (MoA) Prediction[表格数据多标签]第一名方案
Kaggle系列-Tweet Sentiment Extraction第一名方案
Kaggle系列- Russia房产价格预测top1%(22/3270)方案总结
NLPer福利-中文语言理解基准测【CLUEbenchmark】(下)
NLPer福利-中文语言理解基准测【CLUEbenchmark】(上)
文本点击率预估挑战赛-冠亚季军方案总结(下)