摘要：
本博客所有内容类别及文章汇总 阅读全文
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
摘要：
你未看此花时，此花与汝同归于寂；你来看此花时，则此花颜色一时明白起来。 ——王阳明 作为匆匆过客，原本不值一提。但不知怎的，总有一刻触动过我们的心灵，让我们的情感交织一起，久久不能忘记，也就不再归于寂寞了吧。 阅读全文
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
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
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
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
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
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