今晚20点大讲堂 | 知识图谱的嵌入:更好更快的负采样

2019 年 3 月 7 日 AI研习社

分享主题

知识图谱的嵌入:更好更快的负采样


分享背景

知识图谱图嵌入(Knowledge Graph Embedding)是一种有效的将知识图谱量化的方式;然而,训练图嵌入时往往没有负样本,这对模型的性能造成很大困扰。此次,我讲介绍图嵌入中的负采样方式以及我们提出的更好更快的负采样方法。


分享嘉宾

姚权铭,第四范式研究员(机器学习研究小组负责人),香港科技大学,计算机博士,2018年香港科技大学博士杰出研究奖;2016谷歌博士奖学金获得者,23篇国际顶级会议/期刊论文(ICML, NeurIPS, JMLR, TPAMI, CVPR, KDD, ICDE 等),NeurIPS-2018, IJCAI-2019 & IJCNN-2019 AutoML比赛组织者


分享提纲

  • 什么是知识图谱图&嵌入

  • 图嵌入的负采样

  • NSCaching: 更好更快的的负采样

分享时间

(北京时间) 03 月 07 日 (星期四)晚上 20:00

扫码加入小组,直播回放都不错过,还能向讲师提问,与组员交流。


直播链接

http://www.mooc.ai/open/course/640

↘  扫码直达  ↙

点击阅读原文,直达本期大讲堂直播间

登录查看更多
11

相关内容

自然语言处理领域中,判断两个单词是不是一对上下文词(context)与目标词(target),如果是一对,则是正样本,如果不是一对,则是负样本。采样得到一个上下文词和一个目标词,生成一个正样本(positive example),生成一个负样本(negative example),则是用与正样本相同的上下文词,再在字典中随机选择一个单词,这就是负采样(negative sampling)。
今晚20点大讲堂 | 时序预测中深度学习介绍
AI研习社
5+阅读 · 2019年6月20日
明早10点大讲堂 | 训练深度脉冲神经网络
AI研习社
11+阅读 · 2019年1月24日
大讲堂 | 基于医疗知识的疾病诊断预测
AI科技评论
10+阅读 · 2019年1月22日
直播 | 大讲堂:基于小波变换的图卷积神经网络
AI科技评论
8+阅读 · 2019年1月3日
大讲堂 | 基于小波变换的图卷积神经网络
AI研习社
12+阅读 · 2019年1月3日
大讲堂 | 神经关系抽取模型
AI研习社
24+阅读 · 2018年9月11日
Heterogeneous Graph Transformer
Arxiv
27+阅读 · 2020年3月3日
Efficiently Embedding Dynamic Knowledge Graphs
Arxiv
14+阅读 · 2019年10月15日
Arxiv
20+阅读 · 2019年9月7日
Arxiv
29+阅读 · 2018年4月6日
VIP会员
相关VIP内容
相关资讯
今晚20点大讲堂 | 时序预测中深度学习介绍
AI研习社
5+阅读 · 2019年6月20日
明早10点大讲堂 | 训练深度脉冲神经网络
AI研习社
11+阅读 · 2019年1月24日
大讲堂 | 基于医疗知识的疾病诊断预测
AI科技评论
10+阅读 · 2019年1月22日
直播 | 大讲堂:基于小波变换的图卷积神经网络
AI科技评论
8+阅读 · 2019年1月3日
大讲堂 | 基于小波变换的图卷积神经网络
AI研习社
12+阅读 · 2019年1月3日
大讲堂 | 神经关系抽取模型
AI研习社
24+阅读 · 2018年9月11日
Top
微信扫码咨询专知VIP会员