• 文字2vec

  • 在140篇文章中引用[sw14978号]
  • 计算向量陈述文字的。这些陈述可以在许多自然语言中使用。。。训练文本数据然后学习矢量代表文字的。生成的词向量文件。。。许多自然语言处理和机器学习应用。。。
  • 节点2VEC

  • 引用48篇文章[sw27202]
  • 更广泛领域的研究代表 学习在自动化方面取得了重大进展。。。node2vec,一个算法框架学习连续特征陈述对于网络中的节点。在node2vec。。。探索社区是学习更丰富陈述. 我们证明了node2vec的有效性。。。高效学习最先进的独立任务陈述在复杂的网络中。。。
  • 深水步行

  • 引用42篇文章[sw39604]
  • DeepWalk:在线学习社会的陈述... 介绍DeepWalk,一种新颖的学习潜伏的陈述网络中顶点的数目。这些。。。潜伏的陈述在一个连续的向量空间中编码社会关系,这很容易被利用。。。从截短随机游动到学习潜伏的陈述把散步当作是等效的。。。
  • 手套

  • 参考文献62篇[sw26211]
  • 单词的全局向量代表. 手套是无人看管的学习求向量的算法陈述...
  • 深面

  • 引用21篇文章[sw21625]
  • 分段仿射变换,并导出一个面代表从九层深层神经网络。。。超过4000个身份。这个有学问的 陈述将基于模型的精确对准与。。。
  • 格雷普

  • 引用15篇文章[sw32342]
  • 格雷普:学习图形陈述全球结构信息。在这篇文章中,我们提出了格雷普。。。小说模特儿学习顶点陈述加权图。这个模型学习低维向量。。。引文网络显示我们的有学问的全球的陈述可以有效地用作功能。。。
  • 图2vec

  • 引用8篇文章[sw32340]
  • 陈述图形的。最近关于代表 学习对于图形结构的数据主要集中在。。。学习分布式陈述图的子结构,如节点和子图。然而,许多图表分析。。。分类、聚类甚至监督播种代表 学习方法。我们在几个基准上的实验。。。子结构上的分类和聚类精度代表 学习与国家竞争。。。
  • struc2vec公司

  • 引用9篇文章[sw36495]
  • struc2vec公司:学习节点陈述从结构同一性。结构同一性是对称性的概念。。。最近有没有处理过代表性 学习技术。这部作品呈现了struc2vec,一部小说。。。灵活的框架学习潜伏的陈述对于节点的结构标识。struc2vec使用。。。最先进的技术学习节点陈述无法捕捉到更强烈的观念。。。
  • 棱镜

  • 在34篇文章中引用[sw23359]
  • EM的帮助学习算法。作为一种知识代表适用于概率推理的语言。。。框架。我们举例说明学习结果,最流行的概率建模形式。。。
  • 斯维姆莱特

  • 引用263篇文章[sw04076]
  • 函数[Joachims,2002c]。目标是学习一个来自偏好示例的函数,因此。。。导致一个非常紧凑和高效的代表...
  • 元路径2VEC

  • 参考6篇文章[sw37749]
  • metapath2vec:可伸缩代表 学习对于异构网络。我们研究代表 学习... 嵌入技术。我们开发了两个可扩展的代表 学习模型,即metapath2vec和metapath2vec++。元路径2vec。。。
  • 几何画板

  • 引用226篇[sw04858]
  • 一种有形的视觉方式学习数学可以增加他们的参与度,理解力。。。通过数字、表格和图形建立函数关系陈述. 高中生可以用画板。。。
  • 私人

  • 引用5篇文章[sw37756]
  • 这些文本嵌入方法学习这个代表在完全没有监督的情况下。。。任务。虽然低维陈述 有学问的适用于许多不同的任务,他们。。。提议半监督代表 学习方法,我们称之为extit。。。
  • HIN2Vec公司

  • 引用4篇文章[sw37750]
  • 异构信息网络中的路径代表 学习. 在本文中,我们提出了一个新的。。。代表 学习异构信息网络(HIN2Vec)框架。提议的核心。。。检查。为了验证我们的想法,我们学习利用四个大规模的节点潜在向量。。。优于最先进的代表 学习网络数据模型,包括DeepWalk,LINE。。。
  • i-RevNet公司

  • 引用4篇文章[sw29632]
  • 从隐藏的图像中恢复图像的难度陈述,在最常用的网络体系结构中。。。必要条件学习 陈述它很好地概括了复杂的问题,比如ImageNet。。。相反。i-revnet分析有学问的 陈述为成功提供了另一种解释。。。模型有学问的利用i-RevNet在自然图像之间重建线性插值陈述...
  • 伊卡尔

  • 引用5篇文章[sw37989]
  • iCaRL:增量分类器和代表 学习. 在通往人工的道路上的一个主要的开放性问题。。。逐步增加。伊卡尔学习强分类器和数据代表同时。这与。。。限于固定数据陈述因此与深不相容学习架构。我们展示。。。
  • 子图2vec

  • 引用4篇文章[sw36496]
  • 子图2vec:学习分布式陈述大图的有根子图。在本文中。。。当前子图2vec,一种用于学习潜伏的陈述从大图的根子图。。。最新进展学习和图形内核。这些潜在的陈述编码语义子结构依赖项。。。从节点的邻域到学习他们的潜质陈述以无监督的方式。我们证明。。。
  • Pykg2vec公司

  • 引用4篇文章[sw30609]
  • 的开源Python库学习这个陈述知识中的实体和关系。。。加速知识图的研究代表 学习. Pykg2vec建立在TensorFlow之上。。。