首页
学习
活动
专区
工具
TVP
发布

AI科技评论

专栏成员
4171
文章
3663477
阅读量
186
订阅数
图机器学习无处不在,用 Transformer 可缓解 GNN 限制
作者 | Clémentine Fourrier 编译 | 黄楠 编辑 | 陈彩娴 在我们今天的生活中,图的示例包括社交网络、例如Twitter、Mastodon、以及任何链接论文和作者的引文网络,分子,知识图、例如 UML 图、百科全书以及有超链接的网站,表示为句法树的句子以及任何的 3D 网格等,可以说图已经无处不在。 近日,Hugging Face 研究科学家 Clémentine Fourrier 在文章《Introduction to Graph Machine Learning》就介绍了今天这种
AI科技评论
2023-02-23
5930
浙大周昆获亚洲图形学学会2022年杰出技术贡献奖
作者丨施方圆 编辑丨陈彩娴 2022年9月28日,亚洲图形学学院于官网宣布中国浙江大学周昆教授获得杰出技术贡献奖。 Asiagraphics 亚洲图形学学会是2016年在香港注册的亚洲计算图形学和交互技术研究社区的专业组织。Asiagraphics 目前由清华大学胡事民教授担任主席,韩国浦项科技大学 Seungyong Lee 教授和香港城市大学傅红波教授担任副主席。 周昆教授所获 Asiagraphics 2022  年杰出技术贡献奖为每年度评审一次,由马里兰大学帕克分校的 Ming Lin 教授和亚琛工
AI科技评论
2022-10-08
3630
赠书丨京东图计算团队:基于京东Galileo 图深度学习平台,电商广告作弊与反作弊
图神经网络是人工智能的一个热点方向,从图的视角解读大数据,可以灵活建模复杂的信息交互关系,吸引大量学者的关注并在多个工业领域得到广泛应用。 《图深度学习从理论到实践》由浅入深,全面介绍图神经网络的基础知识、典型模型方法和应用实践。《图深度学习从理论到实践》不仅包括一般的深度学习基础和图基础知识,还涵盖了图表示学习、图卷积、图注意力、图序列等典型图网络模型,以京东自研的Galileo平台为代表的图学习框架,以及图神经网络在电商推荐和流量风控方面的两个典型工业应用。 《图深度学习从理论到实践》既适合对数据挖掘、
AI科技评论
2022-06-13
7620
数据库横向对比与前沿技术分析探讨
作者丨教授老边 云计算、大数据、高性能存储与计算系统架构专家 1 何需数据库? 互联网和移动互联网络的快速发展带来了数据产生速率的极大增长,每时每刻都有数以十亿量级的设备在生产出巨大体量的数据。 从数据产生的渠道来看,主要分为两类,一类是人类活动生成的数据,诸如我们日常的网页浏览、收集等移动设备的使用;另一类是机器产生的数据,如生产线设备、物联网设备、传感器、无线网络等。 从数据生成的速度来看,据国际数据公司IDC的监测数据显示,2013年,全球大数据库储量为4.3ZB(相当于47.24亿个1TB容量的移
AI科技评论
2022-05-30
6670
北京大学团队获 WWW 2022 唯一最佳学生论文奖
图1 获奖证书以及官方宣传 4月29日晚,国际万维网顶会WWW-2022(The Web Conference,简称WWW)公布了本届会议的最佳论文。以北京大学计算机学院崔斌教授博士生张文涛为第一作者的论文“可扩展的图神经结构搜索系统 (PaSca: a Graph Neural Architecture Search System under the Scalable Paradigm)”斩获大会唯一的最佳学生论文奖(Best Student Paper Award)。 WWW官方Award链接:http
AI科技评论
2022-05-06
3630
如何去伪存真地看懂一份图数据库的评测报告?
作者丨教授老边 图数据库作为新兴的技术,已经引起越来越多的人们关注。近来,笔者收到很多朋友的提问,诸如如何看懂评测报告内的门门道道?如何通过评测报告,知晓各个产品间的优势和劣势?一个完备的评测报告需要哪些性能测试内容?哪些内容是考验性能的硬核标准?哪些可以忽略不计,如何去伪存真…… 为了便于大家理解,本文第一部分先介绍关于图数据库、图计算与分析中的基础知识,第二、三部分进行图数据库评测报告的解读以及兼论图计算结果正确性验证。 1 基础知识 图数据库中的操作分为两类: 面向元数据的操作,即面向顶点、边或它们
AI科技评论
2022-03-28
1K0
搞算法的妹子们,写出一本1200页的深度学习技术手册!(限时公开下载)
‍ ‍ 今天这篇文章不谈技术,给大家分享一些干货!首先来聊聊一个AI圈子里画风清奇的公众号 夕小瑶的卖萌屋。公号的作者中不仅妹子居多,颜值能打,而且喜欢将学术研究和大厂业务上线中的收获与读者分享。 卖萌屋的作者们就读或毕业于北大、中科院、北邮、蒙特利尔大学MILA、墨尔本大学 等国内外的顶尖CS院校&实验室,在微软、百度、腾讯等大厂核心研究/业务团队从事搜索、推荐、NLP/CV相关的研究和业务落地,顶会收割机、上线狂魔、顶级赛事冠军、SSP offer收割机、知乎大V等只是ta们的部分标签。公众号主页点击
AI科技评论
2022-03-21
1.7K0
斯坦福大学将差分隐私AI模型训练提速10倍,将用于新冠医学影像
更快、更早地诊断疾病、开发定制化药物和研制新药:人工智能在医疗领域具有巨大的潜力,可以显著改善患者的治疗效果、挽救生命,并帮助全球人类保持健康和延长寿命。
AI科技评论
2021-11-05
4570
首篇NLP图神经网络综述来了! 127页文档让你全面了解这个领域
近些年来,深度学习已经成为处理NLP各种任务的主要方法。由于用图(graph)来表征文本可以更好的获取文本的结构信息,且随着火热的图神经网络的兴起,各种各样的NLP问题开始用图结构的形式来表示和学习。因此,为大量的NLP任务开发新的图深度学习技术就成为了一个必要的需求。
AI科技评论
2021-07-03
1.4K0
ICDE 2021 | 可微图神经网络架构搜索
近年来GNN (Graph Neural Network)受到了很大的关注,越来越多GNN方法应用在节点分类(node classification)[1],推荐系统(recommendation)[2],欺诈检测(fraud dection)[3]等。不同的GNN方法最大的差别,在于邻居聚合函数 (neighbor aggregation, 又叫message passing)。但是面对多样的数据集和任务,没有任何一个方法能够取得SOTA方法。最近,斯坦福大学Jure教授团队在NeurIPS 2020的工作上也指出了这一点[4]。
AI科技评论
2021-04-29
8890
斯坦福大学Jure Leskovec:图神经网络的设计空间
在 AAAI 2021 图深度学习 Workshop 上,来自斯坦福大学的著名学者 Jure Leskovec 发表了题为「Design Space for Graph Neural Networks」的主题演讲,介绍了其团队近期为推动图学习社区发展所做出的两项奠基性工作:Open Graph Benchmark 以及「图神经网络的设计空间」。该工作由 Jure Leskovec 和其团队的成员 Jiaxuan You 等人共同完成。
AI科技评论
2021-03-25
9120
JIT in MegEngine:旷视工程师为你解密天元背后的技术
旷视天元(MegEngine)是一个深度学习框架,它主要包含训练和推理两方面内容。训练侧一般使用 Python 搭建网络;而推理侧考虑到产品性能的因素,一般使用 C++ 语言集成天元框架。无论在训练侧还是推理侧,天元都担负着将训练和推理的代码运行到各种计算后端上的任务。目前天元支持的计算后端有 CPU、GPU、ARM 和一些领域专用的加速器,覆盖了云、端、芯等各个场景。
AI科技评论
2021-03-24
7640
扩展图神经网络:暴力堆叠模型深度并不可取
目前,阻碍图神经网络在业界大规模应用的挑战之一是:图神经网络很难被扩展到 Twitter 的用户关注关系图这类大型图上。
AI科技评论
2020-10-27
8590
GPT-GNN:图神经网络的生成式预训练方法
GNN通过端到端的有监督学习训练对于某一输入图上的一个任务,但是对于同一输入图数据,当训练的目标任务变化时,往往只能通过不同任务对应不同标注的数据集训练对应于每个任务的专用GNN网络模型。
AI科技评论
2020-08-28
1.8K0
图神经网络越深,表现就一定越好吗?
数十层甚至数百层神经网络的应用,是深度学习的重要标志之一。但现实情况却远非如此:比如今年被视作机器学习领域最火热的研究方向之一——图神经网络,大多数都只运用了寥寥几层网络。
AI科技评论
2020-08-10
6800
2020年,知识图谱都有哪些研究风向?
随着认知智能走进了人们的视野,知识图谱的重要性便日渐凸显。在今年的自然语言处理顶会 ACL 2020 上,自然语言知识图谱领域发生了巨大的革新。ACL 作为 NLP 领域的顶级学术会议,无疑能够很好地呈现该领域的研究风向。
AI科技评论
2020-07-23
1.6K0
会话推荐系统新进展:基于互信息最大化的多知识图谱语义融合 | KDD 2020
本文解读的是 KDD 2020 论文《Improving Conversational Recommender Systems via Knowledge Graph based Semantic Fusion》,作者来自北大、人大、西安电子科技大学。
AI科技评论
2020-07-17
1.3K0
中科院计算所沈华伟:图神经网络表达能力的回顾和前沿
6月23日,中科院计算所的研究员、智源研究院的智源青年科学家沈华伟老师在第二届北京智源大会上做了《图神经网络的表达能力》的报告。
AI科技评论
2020-06-29
9910
IJCAI 2020 | Mucko:面向视觉问答的多层次跨模态知识推理模型
本文介绍的是 IJCAI-2020论文《Mucko: Multi-LayerCross-Modal Knowledge Reasoning for Fact-based Visual Question Answering》,该论文由中科院信工所于静老师指导,由来自中科院信工所、微软亚洲研究院、阿德莱德大学的作者(朱梓豪,于静,汪瑜静,孙雅静,胡玥,吴琦)合作完成。
AI科技评论
2020-05-29
2.6K0
ICLR 2020丨克服“邻点爆炸式增长”,开启新视角下的通用训练框架
南加州大学的曾涵清博士在 ICLR 2020 上发表了论文《 GraphSAINT: Graph Sampling Based Inductive Learning Method》,我们邀请曾博士为我们带来关于“基于子图采样,在大规模图数据上实现高效、准确的图神经网络训练”的分享。分享视频为英文。
AI科技评论
2020-05-14
9570
点击加载更多
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档