注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 简化图神经网络应用框架.zip

  2. Graph-Learn(GL) - a framework designed to simplify the application of graph neural networks(GNNs)' by Alibaba Graph-Learn（GL）是一个旨在简化图神经网络（GNN）应用的框架。它从实际生产案例中提取解决方案。这些解决方案已在推荐，反作弊和知识图系统上得到应用和验证。 GL具有可移植性和灵活性，这使其对开发人员更加友好。基于GL的开发人员可以实现一种GNN算法， 自定义一些与

  3. 所属分类：其它

    • 发布日期：2020-03-31
    • 文件大小：855kb
    • 提供者：weixin_38747087

  1. 《基于图学习和推理的推荐系统》【WSDM 2020教程】.zip

  2. 新加坡国立大学的Xiang Wang、Tat-Seng Chua，以及来自中国科学技术大学的Xiangnan He在WSDM 2020会议上通过教程《Learning and Reasoning on Graph for Recommendation》介绍了基于图学习和推理的推荐系统，涵盖了基于随机游走的推荐系统、基于网络嵌入的推荐系统，基于图神经网络的推荐系统等内容。

  3. 所属分类：机器学习

    • 发布日期：2020-02-15
    • 文件大小：9mb
    • 提供者：syp_net

  1. Keras中文文档.pdf

  2. Keras官方文档PDF版，带书签，一共307页，完整版，目前最好的版本！欢迎下载！model train on batch(x batch, y batch) 只需一行代码就能评估模型性能: loss and metrics modelevaluate(x test, y test, batch size=128) 或者对新的数据生成预测: classes =model predictx test, batch size=128) 构建一个问答系统,一个图像分类模型,一个神经图灵机,或者其他的

  3. 所属分类：深度学习

    • 发布日期：2019-09-03
    • 文件大小：12mb
    • 提供者：dzgybd

  1. 推荐系统文献.zip

  2. 本资源是在学习推荐系统过程中所阅读的文献，包含了38篇英文文献和15篇中文文献，并且包含一些图神经网络在RSs应用的一些文献，对推荐系统感兴趣的朋友可以下载阅读。

  3. 所属分类：机器学习

    • 发布日期：2020-07-01
    • 文件大小：51mb
    • 提供者：jiuwu_95

  1. 《图神经网络推荐系统》2020综述论文

  2. 随着网络信息的爆炸式增长，推荐系统在缓解信息过载方面发挥了重要作用。由于推荐系统具有重要的应用价值，这一领域的研究一直在不断涌现。近年来，图神经网络(GNN)技术得到了广泛的关注，它能将节点信息和拓扑结构自然地结合起来。

  3. 所属分类：机器学习

    • 发布日期：2020-11-07
    • 文件大小：2mb
    • 提供者：syp_net

  1. 《图神经网络推荐系统》2020综述论文

  2. 构建和管理一个知识图谱需要一些努力和语义技术方面的大量经验。将这个知识图谱转化为解决问题的有用资源需要更多的努力。

  3. 所属分类：机器学习

    • 发布日期：2020-11-07
    • 文件大小：25mb
    • 提供者：syp_net

  1. Awesome-GNN-Recommendation:图神经网络-源码

  2. [目录] 介绍 作为一种强大的图形表示学习方法，图形神经网络已广泛用于各种场景中，例如NLP，CV和推荐系统。 据我所知，图挖掘与推荐系统高度相关。实际上，将一项推荐给一个用户是用户项图上的链接预测。 该存储库主要包括三个部分： 图神经网络 基于GNN的推荐 GNN相关资源材料，纸张和代码 GNN或推荐数据集 我们还有一个微信公众号，提供一些有关GNN和推荐的材料。 欢迎您加入我们，为GNN和Recommendation提供任何贡献！这是供稿者使用的模板： [ID] Authors. **Pa

  3. 所属分类：其它

  1. Table-of-Contents:代码存储库的用法，新颖性和元数据-源码

  2. 目录 DM2-ND存储库简介（Notre Dame大学的面向决策实验室的数据挖掘 ）。 主任：姜萌博士 第1章图机器学习 1.1。 学习图动力学 1.1.1。 CalendarGNN 论文：用于在时空用户行为中建模时间结构的日历图神经网络（ KDD 2020 ） 主要作者：（ ） 用法：给定用户行为数据（例如，News App上的阅读行为），我们是否可以学习保留各种周期性时空模式（例如，每小时，每周和工作日模式）的用户表示形式？ 这些表示可用于人口统计预测（性别，年龄等）和推荐。

  3. 所属分类：其它

  1. RecSys-PaperList:到2021年AAAI，SIGIR，WWW，RecSys，CIKM的推荐系统的论文清单-源码

  2. 推荐系统论文清单 AAAI-20 （27/1590） 数词 标题 （1） PEIA：在社交媒体上推荐音乐的人格与情感综合注意力模型 （2） 下一步：为兴趣点建议建模长期和短期用户首选项 （3） 推荐的KnowledgeAware注意推理网络 （4） 通过引人入胜的路线增强个性化旅行推荐 （5） 有效的异构协作过滤而无需负采样 （6） 个性化下一位置推荐的注意力循环神经网络 （7） 记忆增强图神经网络的顺序推荐 （8） 利用标题摘要注意语义进行论文推荐 （9） 隐式反馈的多

  3. 所属分类：其它

  1. Data-Science-Cheatsheet:一份有用的4页数据科学备忘单，可帮助您进行考试复习，面试准备以及介于两者之间的任何内容-源码

  2. 数据科学备忘单2.0 一份有用的4页数据科学备忘单，可帮助您进行考试复习，面试准备以及介于两者之间的任何内容。 该资源并不是要全面深入任何特定模型，而是快速复习一些最基本的机器学习算法。 读者应该至少对统计和线性代数有基本的了解，尽管初学者可能会发现此备忘单也很有帮助。 受到Maverick的Data Science Cheatsheet （因此命名为2.0）的启发，该文件位于。 涵盖的主题（比其他主题更深入）包括： 常见分布 线性和逻辑回归 决策树和随机森林 支持向量机 知识网络 聚类

  3. 所属分类：其它

  1. 人工神经网络（ANN）及BP算法

  2. 本文来自于csdn，本文是主要介绍了神经网络应用在分类问题中效果，以及神经网络结构及算法，希望对您的学习有所帮助。1.1基本结构说明：通常一个神经网络由一个inputlayer，多个hiddenlayer和一个outputlayer构成。图中圆圈可以视为一个神经元（又可以称为感知器）设计神经网络的重要工作是设计hiddenlayer，及神经元之间的权重添加少量隐层获得浅层神经网络SNN；隐层很多时就是深层神经网络DNN如果你觉得这篇文章看起来稍微还有些吃力，或者想要系统地学习人工智能，那么推荐你

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：944kb
    • 提供者：weixin_38688145

  1. 确认码-源码

  2. 异构视图中MOOC知识概念推荐的注意图卷积网络 纸质原始实现 抽象的 大规模的开放式在线课程正在成为一种流行的教育方式，它为学生提供了广泛的开放式学习机会，以帮助他们掌握知识。 为了吸引学生的兴趣，MOOC提供商使用推荐系统向学生推荐课程。 但是，由于一门课程通常包含许多视频讲座，每个讲座都涵盖一些特定的知识概念，因此直接推荐课程会忽略学生对某些特定知识概念的兴趣。 为了填补这一空白，本文研究了知识概念推荐的问题。 我们提出了在MOOCs知识概念的建议称为A ttentional异构图C on

  3. 所属分类：其它

  1. 预训练-源码

  2. 图神经预训练，用于带有辅助信息的推荐 匿名提交的代码：带有辅助信息的推荐图神经网络预训练 介绍 利用与实体（即用户和项目）关联的辅助信息来增强推荐系统的性能已被广泛认为是重要的建模维度。 尽管许多现有方法都集中于通过整合建议损失功能和额外的辅助信息感知损失来整合实体辅助信息的集成方案，但在本文中，我们还是提出了一种利用辅助信息的新型预训练方案。 特别是，我们首先使用实体​​的边信息对表示模型进行预训练，然后使用现有的基于通用表示的推荐模型对其进行微调。 具体来说，我们通过考虑从边信息分别构造为两

  3. 所属分类：其它

  1. pytorch-GAT：我对原始GAT论文的实施（Veličković等）。 另外，我还包括了用来查看Cora数据集，GAT嵌入，注意力机制和熵直方图的sparkle.py文件。 我也会尽快添加一个归纳示例（PPI）-源码

  2. GAT-图注意力网络（PyTorch） :laptop: +图形+ :megaphone: = :red_heart: 此回购包含原始GAT论文的PyTorch实现（ :link: ）。 它的目的是简化一般的GAT和GNN的玩法和学习。 目录 什么是GNN？ 图神经网络是一系列神经网络，它们处理图上定义的信号！ 图可以建模许多有趣的自然现象，因此您会发现它们在以下任何地方都得到了使用： 计算生物学-预测强效 计算药理学-预测 流量预测-例如在 推荐系统（用于 ， ， 等）

  3. 所属分类：其它

  1. Enterprise_Credit_Analysis：企业信用分析平台（EEAP）-源码

  2. Enterprise_Credit_Analysis（仅作为交流学习使用！） 一个集企业信息查询，数据分析，推理，评估，预测企业信用可视化分析平台下阶段会基于知识图谱，机器学习算法，深度神经网络进行风险评估及关联关系推理 第一阶段研发工作【170901--180601】 平台架构 系统架构主要分为：企业信息查询模块，智能分析模块，系统后台模块，企业关系分析模块 智能推理系统-总体功能图 企业信息查询模块 用户登录，注册 基本信息查询 智能分析模块 基于DEA科研推广推荐模型实现。【后台通过MAT

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：266mb
    • 提供者：weixin_42097914