语言:English (United States) 随附Gephi的HTTP Graph插件。 浏览时,将最少的HTTP和HTTPS标头数据以及POST收集到REST API。 HTTP Graph是Gephi的插件,可让您在浏览时构建网络关系图。 此Chrome扩展程序收集了数据,并通过REST调用将其发送到了插件。
2021-12-14 15:51:57 37KB 扩展程序
1
六度凯文培根 六度凯文·培根或“培根定律”是基于“六度分离”概念的客厅游戏,它假定地球上的任何两个人相距六个或更少的熟人链接。 电影爱好者互相挑战,寻找任意演员和多产演员凯文·培根之间的最短路径。 它基于这样一个假设,即好莱坞电影业的任何人都可以通过他们的电影角色在六个步骤内与培根联系起来。 2007 年,培根创办了一个名为 SixDegrees.org 的慈善组织。 2020 年,培根开设了一个名为“凯文培根的最后一个学位”的播客。 培根数 演员的培根数是游戏定义的他或她与培根的分离度数。 这是 Erdős 数字概念在好莱坞电影业的应用。 培根数越高,演员与凯文培根的差距越大。 演员 X 的培根数的计算是一种“最短路径”算法,适用于联合主演网络: 如果演员不在同一个子网中,则他/她的培根数为 0。 那些直接与凯文培根合作的演员的培根数为 1。 如果与 X 一起出现在任何电影中的任
2021-12-13 17:41:01 2.85MB graph-theory data-structures-and-algorithms C
1
KGCN-火炬 这是 ( )的Pytorch实现: 推荐系统的知识图卷积网络王宏伟,赵M,谢星,李文杰,郭敏仪。 在2019年网络会议论文集(WWW 2019)中 数据集 电影 电影的原始分级文件太大,无法包含在此仓库中。 首先对评级数据进行分类 $ wget http://files.grouplens.org/datasets/movielens/ml-20m.zip $ unzip ml-20m.zip $ mv ml-20m/ratings.csv data/movie/ 音乐 没事做 其他数据集 如果要使用自己的数据集,则需要准备2个数据。 评分数据 每行应包含(user-item-rating) 在此回购中,它是pandas数据框结构。 (看看data_loader.py ) 知识图 每个三元组(头-关系尾)由知识图组成 在此仓库中,它是字典类型。 (看看data_
1
Graph Theory J.A. Bondy U.S.R. Murty Graduate Texts in Mathematics 244
2021-12-12 16:01:43 5.3MB Graph Theory
1
这是针对这篇论文做的PPT,PPT下有备注,可以帮助更详细地理解,需要和AutoSF论文翻译互相补充着看
2021-12-09 23:19:15 1.34MB AutoML
1
人工神经网络 纸质数据和代码 这是AAAI 2019论文: 的代码。 我们已经在Tensorflow和Pytorch中实现了我们的方法。 这是我们在论文中使用的两个数据集。 下载数据集后,您可以将它们放在文件夹datasets/ : 友情链接: ://2015.recsyschallenge.com/challenge.html DIGINETICA: ://cikm2016.cs.iupui.edu/cikm-cup或 文件夹datasets/包含一个小的数据集sample ,可用于测试代码的正确性。 我们还写了解释该论文。 用法 您需要先运行文件datasets/preprocess.py来预处理数据。 例如: cd datasets; python preprocess.py --dataset=sample cd datasets; python preproces
1
图神经网络的微分物理模拟 这是用PyTorch编写的“的实现。 目前,基本的2D模拟效果很好。 我没有时间训练模型超过40万个时间段,因此当前结果没有像将网络训练到20M个时间段时那样完美。 在给出初始位置和五个先前速度后,以下是网络预测的一些示例: 如您所见,到目前为止,网络还没有完全学会尊重边界,并且由于某些原因,远离其他粒子的粒子会以奇怪的方向飞走(这可能是由于网络对没有粒子的粒子缺乏经验)边缘连接到他们)。 但是,它具有正确的想法,并且大多数模拟看起来都是合理的。 我预计该网络可能无需修改就可以使用3D数据集,但是训练这样的网络需要比我可以使用的tesla v100或RTX 3090更多的VRAM。 我确实有计划在某个时间在TPU上进行培训。 一旦有时间在2D水数据集上训练更多的10M纪元网络,我将发布更多的GIF(我尚未设置粒子嵌入)。 开始运行python -m gra
2021-12-08 10:42:05 8.02MB Python
1
Discover how graph databases can help you manage and query highly connected data. With this practical book, you’ll learn how to design and implement a graph database that brings the power of graphs to bear on a broad range of problem domains. Whether you want to speed up your response to user
2021-12-07 15:02:57 4.72MB graph database
1
官方离线安装包,亲测可用
2021-12-07 10:01:55 69KB rpm
orientdb-spring-samples:orientdb-spring样本包
2021-12-06 14:08:29 12KB java nosql orientdb graph-database
1