抱歉，您的浏览器无法访问本站

DGL 库升级到最新版本0.9.0+的测试版之后，运行老版本的代码会遇到错误 AttributeError: 'Column' object has no attribute deferred_dtype 在官方GitHub页面可以看到相关的讨论：GitHub issue 4107 个人推测是因为DGL版本升级对底层代码进行了重构，我的代码中，使用老版本的DGL构建了图实例，并且使用dill...

DEVONthink 是苹果系统下一款很好用的知识管理工具，然而，由于DEVONthink本身更侧重于档案管理，所以通常会和其他markdown类笔记软件打组合拳。 今天分享一款直接复制DEVONthink的item link为markdown链接样式的脚本： tell application id "DNtp" set theMarkdownLinks to {} repe...

最近读到一系列KG的文章都使用了四元数（Quaternion）用于Embedding或者扩展GNN。四元数是一种区别于实数和复数的数学工具，在这里整理一些关于这个数学工具的基础知识。 四元数是什么 四元数的基本运算 加法：两个四元数\(q\) and \(p\) 的加法运算可以表示为： \[ q + p = (q_r + p_r) + (q_i + p_i)\textbf{i} + (q_j...

今天跟朋友讨论的一道有趣的面试问题：为什么Transformer中Scale-dot attention计算 \(Attn = \text{Softmax}(\frac{QK^T}{\sqrt{d_k}})V\)，缩放因子一定是\(\sqrt{d_k}\) 而不是d_k或者其他形式？

本篇整理几种常见的知识图谱补全模型的原理以及对应的超参数。

整理最近阅读的时序知识图谱（Temporal Knowledge Graph）补全领域的文献。 基本概念 首先，明确基本概念。现有的知识图谱表示为\(\mathcal{G}=\{(h, r, t)\}\) 的三元组集合，这是一种静态的图谱，目前针对这种形式的知识图谱补全任务，也就是预测三元组\((h, r, ?)\) 已经有大量的相关研究，包括Translation-based方法、Bili...

这是一个官方宣称比Argparser更好用的Python命令行开发工具包。

本篇汇总知识图谱补全任务（知识图谱链接预测任务）中的损失函数。因为链接预测任务是一个排序任务，因此loss的选择会影响最后排序的规则。

来源：ACL 2021
领域：KGQA
核心模型：TComplEx / TNTComplEx，BERT
🔗论文链接：arXiv
🔗代码：GitHub
文献依赖：
- Improving Multi-hop Question Answering over Knowledge Graphs using Knowledge Base Embeddings

来源：ACL 2020 领域：KGQA 模型：EmbedKGQA 核心模型：ComplEx；BERT/RoBERTa 代码：GitHub 关注问题 多跳KGQA中，KG的不完整性带来独特的挑战。现有解决方案中包括使用文本，但文本不一定存在；KGE可以解决补全问题，但还没有研究将两者结合在一起，本文是这方面的一次尝试。 Model 模型分为三个核心模块：KG Embedding Module...

关注问题：现有的少样本知识图谱补全技术主要针对静态知识图谱，事实上KG中的Fact会根据时间而变化，时序图谱数据面临更严重的数据稀疏问题。本文针对这个问题提出One-Shot场景提出模型。
来源：AAAI 2021

来源：AAAI 2020
代码：GitHub
关注问题：零样本关系的知识图谱补全

出处：ICLR 2021
代码链接：https://github.com/guolinke/TUPE

最近要用Transformer相关的模型，刚好李宏毅的机器学习课更新了相关内容，就看了一下，整理一下笔记草稿。 Encoder Decoder 结构 首先是Encoder-Decoder结构。Encoder结构将输入数据编码得到向量表示，具体结构在对应的上一节课已经有说了，大体来说就是Self-Attention + 多头。输出可以是和输入相同shape的向量表示或者是一个向量表示，取决于任...

本文发表于AAAI 2021，关注了知识图谱补全任务的少样本场景问题。

本周恢复读论文。带来两篇关于知识图谱嵌入和多跳推理的论文。 CoKE: Contextualized Knowledge Graph Embedding 这篇是关于知识图谱动态嵌入的研究。作者认为之前的知识图谱嵌入方法都是学习静态的知识，就算是图卷积方法也是在做静态嵌入的事情，没有真正学习到上下文知识。所以作者提出了使用Transformer来编码知识图谱的动态嵌入。 Transformer...

本周读进去的论文有点少，哭。

总结一周阅读的论文。