作者在 github 上给出的实验结果: 小结:整体而言,这个模型比较简单,论文体量也比较小,但还是算比较经典的,算是用卷积做 KGE 的最简单的模型了(ConvE 已经不算是最简单的了)。 R-GCN paper:Modeling Relational Data with Graph Convolutional Networks
《Github: relational-gcn》 《eswc2018_kipf_convolutional_networks》
GitHub 链接:https://github.com/tkipf/gcn 论文链接:https://arxiv.org/abs/1609.02907 概览在当今世界中许多重要的数据集都以图或网络的形式出现:社交网 机器之心 2018/05/09 1.7K0 ICLR 2017 | GCN:基于图卷积网络的半监督分类 数据结构神经网络 题目:Semi-Supervised Classification with Graph Convolutional...
《Modeling Relational Data with Graph Convolutional Networks》 《Github: relational-gcn》 《eswc2018_kipf_convolutional_networks》
我复现在我的github方法库KGMH中复现了该模型,详情请移步github查看,如果你觉得有帮助可以给我的项目点一个star,这将是我继续更新的动力。 参考 ^Schlichtkrull, M. et al. Modeling Relational Data with Graph Convolutional Networks. in The Semantic Web (eds. Gangemi, A. et al.) 593–607 (Springer...
代码详情请见我的github项目。 这篇总结不会包含太多的论文翻译内容,这类的博客很多,大家如果有需要可以随便找一篇,应该都差不多,建议在熟悉论文内容的基础上参考我的复现总结。由于在GNN方面,我还是新手,所以在实践过程中也遇到了很多问题,这些也会与大家一一分享与探讨。
代码详情请见我的github项目。 这篇总结不会包含太多的论文翻译内容,这类的博客很多,大家如果有需要可以随便找一篇,应该都差不多,建议在熟悉论文内容的基础上参考我的复现总结。由于在GNN方面,我还是新手,所以在实践过程中也遇到了很多问题,这些也会与大家一一分享与探讨。
代码详情请见我的github项目。 这篇总结不会包含太多的论文翻译内容,这类的博客很多,大家如果有需要可以随便找一篇,应该都差不多,建议在熟悉论文内容的基础上参考我的复现总结。由于在GNN方面,我还是新手,所以在实践过程中也遇到了很多问题,这些也会与大家一一分享与探讨。
代码可以在github上fork,本文主要是加了一些注释,并且搭配本人所作笔记【GCN代码笔记】layers.pyimport math import torch from torch.nn.parameter import Parameter from torch.nn.modules.module import Module class GraphConvolution(Module) gcn python
ALBERT: A lite BERT for self-supervised learning of language representations--- ALBERT--- byZhenzhong Lan, Mingda Chen, Sebastian Goodman, Kevin Gimpel, Piyush Sharma, Radu Soricut (Github) Increasing model size when pretraining natural language representations often results in improved performance on...