【关于 NLP】 那些你不知道的事 作者：杨夕 项目地址： 个人介绍：大佬们好，我叫杨夕，该项目主要是本人在研读顶会论文和复现经典论文过程中，所见、所思、所想、所闻，可能存在一些理解错误，希望大佬们多多指正。 NLP 面经地址： 目录 【关于 信息抽取】 那些的你不知道的事 【关于 实体关系联合抽取】 那些的你不知道的事 【关于 命名实体识别】那些你不知道的事 【关于 关系抽取】那些你不知道的事 【关于 文档级别关系抽取】那些你不知道的事 【关于 知识图谱 】 那些的你不知道的事 【关于 实体链指篇】 那些的你不知道的事 【关于 实体消歧 】 那些的你不知道的事 【关于KGQA 】 那些的你不知道的事 【关于Neo4j 】 那些的你不知道的事 【关于 细粒度情感分析】 那些的你不知道的事 【关于 主动学习】 那些的你不知道的事 【关于 对抗训练】 那些的你不知道的事 【关于 GCN in

Fall_detection_by_gcn 一些结果： 真实环境中的检测：

GCN与GAT入门的基于pytorch的代码 打好断点

NER的BERT-BILSTM-GCN-CRF 在原本BERT-BILSTM-CRF上融合GCN和词性标签等做NER任务 数据格式 高B-剧种B-名词腔I-剧种I-名词：OO马B-人名B-名词平I-人名I-名词所OO着O B动词扶O B动词贫O I动词小O B -名词I O-名词 运行

DeepGCN：GCN可以像CNN一样深入吗？ 在这项工作中，我们提出了成功训练非常深的GCN的新方法。 我们从CNN借用概念，主要是残差/密集连接和膨胀卷积，然后将其适应GCN架构。 通过广泛的实验，我们证明了这些深层GCN框架的积极作用。 概述 我们进行了广泛的实验，以展示不同的组件（＃Layers，＃Filters，＃Nearest Neighbors，Dilation等）如何影响DeepGCNs 。 我们还提供了针对不同类型的深层GCN（MRGCN，EdgeConv，GraphSage和GIN）的消融研究。 进一步的信息和详细信息，请联系和 。 要求 （仅用于可视化） （仅用于可视化） conda环境 为了设置运行所有必要依赖项的conda环境， conda env create -f environment.yml 入门 您将在文件夹中找到有关如何使用我们的代码对3

MSDNet-具有可分离内核的可重复性和应用GCN块 该存储库包含“ ”的复制代码（在PyTorch中）。 内容 介绍 MSDNet是一种用于图像分类的新颖方法，在测试时会受到计算资源的限制。 该存储库提供了基于本文提供的技术描述的实现。 当前，此代码实现对Cifar-10和Cifar-100的支持。 此外，此代码集成了对基于GCN的层（而不是常规卷积层）的支持，以减少模型参数。 用法 依存关系 火车 例如，使用以下命令在Cifar10上训练MSDNet python3 main.py --model msdnet -b 64 -j 2 cifar10 --msd-blocks 10 --msd-base 4 \ --msd-step 2 --msd-stepmode even --growth 6-12-24 --gpu 0 例如，使用以下命令在带有GCN块的Cifar100上

机器学习课程项目 介绍 通过GCN对SMILES表示的化学分子毒性进行预测。信息更多请参见 。 本项目通过一套Cloud ML Infra管理上百个机器学习模型，实现了“一次实施，随处运行”。仓库里包含了整个infra的相关脚本和代码。 report.pdf是本项目的实验报告。 入门 在使用这套工具前，你需要安装必要的工具。 brew install minio/stable/mc conda install tqdm tensorflow-gpu=1.15 keras=2.2.4 numpy pandas pip install minio 进行实验 在项目根目录下，使用run.sh执行指令。 ./run.sh python ./src/train.py 如果程序出错，数据不会被上传到对象存储。您可以手动上传。 ./save.sh 可以通过list.sh列出所有实验。 ./li

图神经网络整理.pptx

GCN_predict-Pytorch 交通流量预测。 用PyTorch实现图卷积网络（GCN，GAT，Chebnet） 要求： -火炬 -脾气暴躁 -熊猫 -Matplotlib 数据集示例： 数据集由Caltrans绩效评估系统（PEMS-04）收集 数量：307个探测器 日期：2018年1月至2月（2018.1.1——2018.2.28） 特色：流动，占据，速度。 探索数据分析： 1，具有流量，占用和速度三个特点，一是对数据分布进行可视化分析 2.运行代码：python data_view.py 3）每个节点（检测器）都有三个特征，但是两个特征的数据分布基本上是固定的，因此我们只采用一维特征。 读取数据集： 在traffic_dataset.py文件中，get_adjacent_matrix和get_flow_data函数用于读取相邻的矩阵和流数据。 模型训练： 在tra

text_gcn 本文中Text GCN的实现： 梁耀，毛成胜，罗源。 “图卷积网络用于文本分类。” 在第33届AAAI人工智能会议（AAAI-19）中 要求 Python 2.7或3.6 Tensorflow> = 1.4.0 再现结果 运行python remove_words.py 20ng 运行python build_graph.py 20ng 运行python train.py 20ng 在为其他数据集生成结果时，将上述3个命令行中的20ng更改为R8 ， R52 ， ohsumed和mr 。 输入数据示例 /data/20ng.txt表示文档名称，培训/测试组，文档标签。 每行都是一个文档。 /data/corpus/20ng.txt包含每个文档的原始文本，每行对应/data/20ng.txt的相应行 prepare_data.py是准备自己的数据的示例，请注意，文档或句子中的“ \ n”已删除。 归纳版 文本GCN的归纳版本是 ，其中培训过程中未包括测试文档。