首页
学习
活动
专区
工具
TVP
发布

程序生活

专栏作者
436
文章
467805
阅读量
57
订阅数
基于Trie 树实现简单的中文分词
中文分词是中文自然语言处理的基础,中文分词的正确率如何直接影响后续的词性标注(也有些词性标注算法不需要事先分词,但标注效果往往比先分词后标注差),实体识别、句法分析、语义分析。常用的分词方法主要有依赖词典的机械分词和序列标注方法。
致Great
2022-05-13
7561
一种好用的树结构:Trie树
在计算机科学中,trie,又称前缀树或字典树,是一种有序树,用于保存关联数组,其中的键通常是字符串。与二叉查找树不同,键不是直接保存在节点中,而是由节点在树中的位置决定。一个节点的所有子孙都有相同的前缀,也就是这个节点对应的字符串,而根节点对应空字符串。一般情况下,不是所有的节点都有对应的值,只有叶子节点和部分内部节点所对应的键才有相关的值。
致Great
2022-05-13
4600
Spektral:使用TF2实现经典GNN的开源库
Spektral工具还发表了论文: 《Graph Neural Networks in TensorFlow and Keras with Spektral》 https://arxiv.org/abs/2006.12138
致Great
2021-07-21
8680
NAACL 2021 上的图神经网络好文
NAACL 2021 Cross-Task Instance Representation Interactions and Label Dependencies for Joint Informa
致Great
2021-06-29
5190
图神经网络14-TextGCN:基于图神经网络的文本分类
论文题目:Graph Convolutional Networks for Text Classification 论文地址:https://arxiv.org/pdf/1809.05679.pdf 论文代码:https://github.com/yao8839836/text_gcn 发表时间:AAAI 2019
致Great
2021-06-01
3.1K0
图神经网络必读论文-Must-read papers on GNN
GNN: graph neural network Contributed by Jie Zhou, Ganqu Cui, Zhengyan Zhang and Yushi Bai. 来源:THU
致Great
2021-05-11
1.5K0
图神经网络12-分子指纹GCN:Neural FPs
论文:Convolutional Networks on Graphs for Learning Molecular Fingerprints 图卷积网络用于学习分子指纹 链接:http://arxiv.org/pdf/1509.09292.pdf 作者:David Duvenaud†, Dougal Maclaurin†, Jorge Aguilera-Iparraguirre (哈佛大学) 来源:NIPS 2015 代码:https://github.com/HIPS/neural-fingerprint
致Great
2021-05-11
1K0
图神经网络11-GCN落地的必读论文:GraphSAGE
论文:Inductive Representation Learning on Large Graphs 在大图上的归纳表示学习 链接:https://arxiv.org/abs/1706.02216 作者:Hamilton, William L. and Ying, Rex and Leskovec, Jure(斯坦福) 来源:NIPS 2017 代码:https://github.com/williamleif/graphsage-simple/
致Great
2021-04-27
2.3K1
图神经网络07-PageRank算法
在本节中,我们将探讨PageRank算法,其实这是一个老生常谈的概念或者算法,在这里我们重新温故下这个经典算法。这是一种使用Web Graph中的链接结构按重要性对网页进行排名的方法,这也是Google普及的网络搜索常用算法。 在讨论PageRank之前,让我们先将Web概念化为图,然后尝试使用图论语言来研究其结构。
致Great
2021-04-13
6320
图神经网络06-基于Graph的传统机器学习方法
能使得一个特征方程有非零解存在。然而,考虑到特征向量中的所有项均为非负值,根据佩伦-弗罗贝尼乌斯定理,只有特征值最大时才能测量出想要的中心性。然后通过计算网络中的节点
致Great
2021-04-02
6710
图与图学习(下)
在中篇中,我们了解了图机器学习(GML:Graph Machine Learning)。下面,终于到了这个前置教程的重头戏,图神经网络(Graph Neural Networks)。 我们通过结合论文A Comprehensive Survey on Graph Neural Networks来学习现在图神经网络的发展现状。
致Great
2021-03-23
6050
图与图学习(中)
在上篇中,我们简单学习了图论的基本概念,图的表示和存储方式,同构图和异构图的分类,以及几个基础的图论算法。 在接下来的前置教程下篇中,我们将会学习图机器学习。
致Great
2021-03-17
1.2K0
图神经网络(02)-基于Graph的传统机器学习理论
图学习任务 我们简单回顾下,上一节我们介绍了,图的机器学习任务主要是以下三种: Node Level:节点级别 Link Level:边级别 Graph Level:图级别 并且三部分难度依次是由
致Great
2021-01-29
5451
图神经网络01-基于Graph的机器学习简介
从上面一些例子我们可以看出,Graph的概念存在于这个世界的每个地方,我们每个人都或多或少地在Graph扮演某个角色或者正在利用Graph带来的便利,目前随着图神经网络的崛起,Graph的潜在价值将会越来越大
致Great
2021-01-29
7140
图神经网络(01)-图与图学习(上)
图(graph)近来正逐渐变成机器学习的一大核心领域,在开始PGL框架学习之前,我们先简单学习一下图论的基本概念,图论的经典算法,以及近些年来图学习的发展。
致Great
2021-01-27
2.7K0
c++中stack、queue、vector的用法一、栈(stack)二、队列(queue)三、向量(vector)
一、栈(stack) 引入头文件 #include<stack> 常用的方法 empty() 堆栈为空则返回真 pop() 移除栈顶元素 push() 在栈顶增加元素 size() 返回栈中元素数目 top() 返回栈顶元素 3.实例代码 #include<iostream> #include<stack> using namespace std; int main(){ //创建栈 s stack<int> s; //将元素压入栈 for(int i=0;i<10;i++)
致Great
2018-04-11
2.4K0
数据结构-顺序表的定义及python实现
1 顺序表的定义 线性表 是具有相同数据类型的n个数据元素的有限序列。 顺序表 使用组地址连续的存储单元、依次存储线性表中的数据元素,从而使得逻辑上相邻的两个元素在物理位置上也相邻。顺序表是线性表
致Great
2018-04-11
1.5K0
数据结构-栈的定义及python实现
class Node(object): def __init__(self,value): self.value=value self.next=None class stack(object): def __init__(self): self.top=None def peek(self): if self.top!=None: return self.top.value
致Great
2018-04-11
6230
没有更多了
社区活动
RAG七天入门训练营
鹅厂大牛手把手带你上手实战,赢鹅厂证书、公仔好礼!
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