avatar
Articles
871
Tags
281
Categories
185

Yan 的杂物志_个人主页分享
Search
Python强制杀死线程
Created2022-03-27|2_Note0_Technic3_编程Python工具
123456789101112131415161718192021222324252627282930313233343536373839import ctypesimport inspectimport timefrom threading import Threaddef _async_raise(tid, exctype): tid = ctypes.c_long(tid) if not inspect.isclass(exctype): exctype = type(exctype) res = ctypes.pythonapi.PyThreadState_SetAsyncExc(tid, ctypes.py_object(exctype)) if res == 0: raise ValueError("invalid thread id") elif res != 1: ctypes.pythonapi.PyThreadState_SetAsyncExc(tid, None) ...
论文阅读_基于知识图谱的约束性问答
Created2022-03-20|2_Note0_Technic2_算法12_图神经网络
读后感 针对问题:利用当前的知识库 (KB),回答用自然语言提出的问题。 目标:一方面开发用于评价约束性问答的数据集;另一方面开发针对约束性问答的解决方法。 结果:产出评测数据集;提出的多约束查询图算法提升了对复杂问题的解答能力。 核心方法: 复杂问题的分类和处理机制,抽象出六种约束类型,以及对应各类问题的解决方法。 方法 找到问题相关实体节点 找到满足约束的所有路径 将与问题语义相似度最高的作为答案 难点:整个过程中约束到底如何产生作用。 泛读后理解程度:直接精读 (看完题目、摘要、结论、图表及小标题) 介绍 英文题目:Constraint-Based Question Answering with Knowledge Graph 中文题目:基于知识图谱的约束性问答 论文地址:https://readpaper.com/paper/2572289264 领域:图神经网络、问答系统 发表时间:2016 出处:acl 被引量:142 代码和数据:https://github.com/JunweiBao/MulCQA/tree/ComplexQuestions 阅读时间:202 ...
4_Obsidian_图床
Created2022-03-15|2_Note0_Technic0_工具笔记工具Obsidian插件
1 目标 Obsidian 文档可以本地存储,文档主要由 markdown 和图片组成。markdown 是纯文本,格式简单占空间也小,在存储和分享的过程中,插在文档中的图片就比较麻烦。所以希望把文本和图片分开存储,并且能简单快速地分享给别人,比如发布博客时,不用一张一张贴图。 图床是一个比较简单的解决方案,它是一种在线图片存储服务,可以用来上传、存储、管理和分享图片。通常,图床会提供图片的 URL 地址,可以在网页、博客、社交媒体等平台中使用。一般使用腾讯云、阿里云的存储服务实现,也可以使用 Github,Gitee 代码托管服务实现。主要看图多不多,访问量大不大。 本文将介绍在 Ubuntu 系统下,用 Obsidian+PicGo+Gitee 的方式做个免费图床,适用于图片不多,访问量不大的场景,同时讨论了扩展性。 2 原理 2.1 Obsidian 离线的文档管理工具,可以通过 Obsidian QuickShare, Obsidian to Notion 等插件进行网页共享,个人觉得通过图床,把文档和图片分开更加方便。 2.2 PicGo PicGo 是一款用于上传、管理和分 ...
论文阅读_卷积图神经网GCN
Created2022-03-13|2_Note0_Technic2_算法12_图神经网络
介绍 英文题目:Semi-Supervised Classification with Graph Convolutional Networks 中文题目:使用卷积图神经网络实现半监督分类器 论文地址:https://arxiv.org/abs/1609.02907 领域:自然语言处理,知识图谱,图神经网络 上传时间:2016 出处:ICLR 2017 被引量:10671 代码和数据: https://github.com/tkipf/gcn https://github.com/kaize0409/pygcn/ 阅读时间:22-03-11 泛读 针对问题:图节点多分类,半监督学习 结果:在知识图和引文图数据集中,有效提升了精度和效率 核心方法:基于频谱图,卷积神经网络,编码时考虑到图结构和节点的特征 难点:几乎全是公式推导,先验知识太多,单看公式看不懂 泛读后理解程度:30% (看完题目、摘要、结论、图表及小标题) 精读 摘要 论文提出了基于图的,使用类似卷积神经网络的半监督学习方法。选择卷积结构让我们在建模时更注重邻近的节点。模型隐藏层编码同时考虑了局部结构和节点特征。相较 ...
1_Obsidian_安装
Created2022-03-13|2_Note0_Technic0_工具笔记工具Obsidian
#笔记/Obsidian 1 安卓版 下载地址 https://www.05sun.com/downinfo/380645.html 特点 和电脑版用法几乎完全一致 也可以更换皮肤 2 Linux 版 在官网可下载较新版本,看着和 Windows 版完全一样,对习惯用 Linux 的人来说,绝对是福音 2.1 方法一:建议下载 deb 安装包 安装后可执行文件位置在/opt/Obsidian/obsidian,需要向 bin 下做个链接 2.2 方法二:直接安装应用程序 下载 AppImage(Linux 下推荐安装) 将其权限设置为可执行,复制到想要安装的目录 1234$ sudo mkdir /opt/obsidian$ sudo mv ~/Downloads/Obsidian-0.12.19.AppImage /opt/obsidian/Obsidian-0.12.19.AppImage$ chmod 777 /opt/obsidian/Obsidian-0.12.19.AppImage$ sudo ln -s /opt/obsidian/Obsidian-0.12. ...
Python日志工具loguru
Created2022-02-28|2_Note0_Technic3_编程Python工具
Python 日志工具 loguru 错误级别 level name Severity value Logger method TRACE 5 logger.trace() DEBUG 10 logger.debug() INFO 20 logger.info() SUCCESS 25 logger.success() WARNING 30 logger.warning() ERROR 40 logger.error() CRITICAL 50 logger.critical() 代码 12345678910from loguru import logger# 设置输出级别, 只显示 INFO 及以上级别logger.remove()handler_id = logger.add(sys.stderr, level="INFO")# 日志输出logger.debug("xxxxx")logger.info("xxxxx")logger.warning("xxxxx" ...
论文阅读_基于动态搏弈的知识图推理
Created2022-02-27|2_Note0_Technic2_算法12_图神经网络
介绍 英文题目:Reasoning on Knowledge Graphs with Debate Dynamics(R2D2) 中文题目:基于动态辩论的知识图推理 论文地址:https://arxiv.org/pdf/2001.00461.pdf 领域:图神经网络, 知识推理 发表时间:2020 出处:AAAI 2020 被引量:6 代码和数据:https://github.com/m-hildebrandt/R2D2 读后感 针对问题:基于图的自动知识推理 目标:提升对真命题和伪命题的识别,提升可解释性 结果:对于分类和链接预测任务均有良好表现,且实现了一些归因。 核心方法: 利用动态辩论的强化学习算法。 这是一个相对白盒的方法 采用两个 agent 的对抗,一个找真命题相关路径,一个找假命题相关路径,使用知识图中的路径作为参数生成特征,最终由判别器做出判断推理的真伪。 具体模型:深度学习模型,两个 Agent 使用 LSTM,判断使用 MLP 难点:对抗学习应用于图论和知识推理。 泛读后理解程度:60% (看完题目、摘要、结论、图表及小标题) 精读 (只翻译了实现部分) ...
论文阅读_可扩展特征学习Node2Vec
Created2022-02-20|2_Note0_Technic2_算法12_图神经网络
介绍 英文题目:node2vec: Scalable Feature Learning for Networks 中文题目:node2vec:面向网络的可扩展特征学习 论文地址:https://arxiv.org/abs/1607.00653 领域:图神经网络,知识表示 发表时间:2016 出处:KDD 被引量:6181 代码和数据:http://snap.stanford.edu/node2vec/ 参考其它翻译:【论文笔记】node2vec 说明 一切皆可 vector 图神经网络经典必读第一篇 读后感 (看完题目、摘要、结论、图表及小标题看完,约 30 分钟) 针对问题:自动学习图中结点和边的特征表示 目标:更好地表征图中的节点:兼顾同质性和结构等价性。 结果:在多领域与 SOTA 模型对比,展示算法有效性,可在复杂网络中生成任务无关的表征。 方法:note2vec 框架,优化随机游走算法,结合深度优先和广度优先两种游走方式,用参数设置游走方式的选择,从而提升效率。 精读 (核心章节:读 + 整理:3 小时) 摘要 如果想使用机器学习算法对图中节点和边建模,需要自动学习对图中 ...
streamlit构造Web应用
Created2022-02-12|2_Note0_Technic3_编程Python
StreamLit 构造 Web 应用 功能 Streamlit 帮助机器学习工程师快速开发用户交互工具,几乎可取代 Flask 在机器学习项目中的地位。 个人感受 确实非常方便,安装 python 库的 streamlit 后,可快速入门 和学习前端相比,学习成本非常低 界面比较美观,适合用于 demo 和内部展示 通过简单的代码,就可以展示丰富的功能;但对于复杂的 UI 还没试 不需要可见的 b/s 通讯,几乎所有交互都通过操作 streamlit 句柄完成 使用很方便,功能是否强大还没试 运行需要基于 streamlit 框架 安装 1$ pip install streamlit 运行示例 1$ streamlit hello --server.port 8080 我指定了端口,否则其默认运行端口是 8501 在其左侧可以选择几种主要的 demo Pasted image 20220212132427.png 运行程序 将其中 dataframe 的 demo 写入一个文件 test.py,然后运行 1$ streamlit run test.py --server. ...
图数据库Neo4j
Created2022-02-12|2_Note0_Technic3_编程数据库
图数据库 传统数据库难以处理复杂多跳的关系运算。需要一种支持海量、复杂、且结构灵活的关系运算数据库,图数据库应运而生。 1 相关概念 1.1 简介 图数据库由顶点和边组成; 主要用于对图数据的增删改查; 目前常用的图数据库有 Neo4j,JanuxGraph 等 1.2 使用场景 常用于社交、电商、金融、零售、物联网等行业 用于关系查询 用于遍历复杂关系 用于实现复杂的规则:如子图比较、推荐等 对于结构化数据,常可使用关系型数据库;对于关系比较多,数据不太规律的情况,则用图数据库 1.3 分类 属性图数据库 构成:顶点、边、顶点属性、边属性 RDF 图数据库(不支持属性,比较古老,已经不怎么用了) 针对文本语义场景产生 三元组:subject->predicate->object 1.4 原生图数据库 原生图数据库:使用图模型进行数据存储,可以针对图数据做优化,从而带来更好的性能,例如 Neo4j。 非原生图数据库:底层存储使用非图模型,在存储之上封装图的语义,适合与其它数据应用配合使用,例如 Titan、JanusGraph 底层 采用 KV 存储非图模 ...
1…474849…88
avatar
Yan.xie
顺流而下还是逆流而上?
Articles
871
Tags
281
Categories
185
Follow Me
Announcement
This is my Blog
Recent Post
赣锋锂业公司分析2025-09-25
七日阿勒泰喀纳斯旅行指南2025-09-24
采棉产业的科技变革2025-09-24
股票_相关知识2025-09-14
量化交易入门2025-09-14
Categories
  • 0_IMO90
    • 工作1
    • 方法1
      • 工作1
    • 说给一个人听88
      • 01_自我建构36
        • 实修3
        • 思考与觉悟17
Tags
大模型/应用 历史 编程语言 行为模式 Django 医学 网络 区块链 机器学习/算法 社会关系 文化反思 主题笔记 Android/theme 自我反思 阅读/心理学 Arduino 智能家居 现实认知 markdown 插件推荐 日常记录 开源项目 自我剖析 宗教 语音识别 社会学 Transformer 深度学习/扩散模型 视频生成 插件开发 后端测试 知识库 编程语言/前端 阅读/经济学 自然语言处理/统计方法 语音 Python/图形图像 卡片 移动开发 股票预测
Archives
  • September 202512
  • August 202519
  • July 202539
  • June 202537
  • May 202529
  • April 202516
  • March 20258
  • February 20252
Info
Article :
871
Total Count :
1218.8k
UV :
PV :
Last Push :
©2020 - 2025 By Yan.xie
Framework Hexo|Theme Butterfly
京公网安备11010802043346号
京ICP备2023029600号-1
Search
Loading the Database