- 综合排序
- 最热优先
- 最新优先
- 来自专栏图与推荐
【知识图谱系列】动态时序知识图谱EvolveGCN
本篇分享知识图谱落地时另一重要场景：动态时序知识图谱，下面先给出动态时序知识图谱的基本概念，方便还不熟悉的同学有一个更好的理解。 由于这种关系网络会随着时间推移，实体以及实体间的关系会不断变化，为了全面获取知识，搭建动态知识图谱，在知识图谱数据中加入时间维度，利用时序分析技术和图相似性技术，分析图谱结构随时间的变化和趋势，从而掌握到关键信息 比如金融动态知识图谱，学习到图谱间的时序信息便显得十分重要，本篇便介绍AAAI 2020的一篇解决动态图谱的模型EvolveGCN，EvolveGCN思路较为创新但不是目前SOTA的方案，之后会陆续分享 TGAT此类解决动态时序图谱的方案。 Motivation 在介绍EvolveGCN之前，对于动态时序图谱，试想一下：我们是不是可以对每个时刻t的图谱用GCN进行建模学习得到Node Embedding，再使用RNN将不同时刻的Node
5.7K32发布于 2020-12-29 - 来自专栏专知
【论文推荐】最新六篇知识图谱相关论文—全局关系嵌入、时序关系提取、对抗学习、远距离关系、时序知识图谱
【导读】专知内容组整理了最近六篇知识图谱（Knowledge Graph）相关文章，为大家进行介绍，欢迎查看! 1. 期刊：arXiv, 2018年4月20日 网址： http://www.zhuanzhi.ai/document/d414a76c4b97a6c3c04e89e5c79cf28e 2. Temporal Relation Extraction with a Globally Acquired Statistical Resource（利用全局获得的统计资源改善时序关系提取） 作者：Qiang 期刊：arXiv, 2018年4月17日 网址： http://www.zhuanzhi.ai/document/0f06d52ab1185faaf2f85cfdc70f1c76 4.KBGAN: : A Multilingual Event-Centric Temporal Knowledge Graph（EventKG:一个多语言以事件为中心的时序知识图谱） 作者：Simon Gottschalk
1.3K30发布于 2018-06-05 - 来自专栏明丰随笔
运行时序列化 4
对于很多第三方类库的代码，如果里面的类型没有定义成可序列化的，但是我们也想对其进行序列化操作，我们通过学习本文就可以做到。
56920发布于 2019-07-22 - 来自专栏好好学习
【UML建模】（4） UML建模之时序图
时序图的介绍 时序图是按照时间顺序显示对象交互的图。它显示了参与交互的对象和所交互信息的先后顺序，用来表示用例图中的行为，用例图是一种交互图。 在UML中，时序图将交互关系表示为一张二维图。 基本元素 时序图中包含如下几个元素：对象，生命线，激活，消息，结构化控制 对象 时序图中的对象其实就是功能需求的各个参与者，在时序图中可以被激活的参与者都可以作为对象。 结构化控制 结构化控制主要用于表示代码中判断，循环，终止等情况，在时序图中的结构化控制有如下几种： Alternative fragment（denoted “alt”） 标示 if…then…else 画时序图
3.1K20编辑于 2022-03-31 - 来自专栏数据分析与挖掘
【知识图谱】知识图谱的构建-python-neo4j
环境依赖 jdk、neo4j图数据库 neo4j具体的安装过程可以参考这里：https://cloud.tencent.com/developer/article/1387732 json数据 { os.path.join(cur_dir, 'data\\medical2.json') self.g = Graph("http://localhost:7474", username="neo4j self.g.create(node) count += 1 print(count, len(nodes)) return '''创建知识图谱中心疾病的节点 self.g.create(node) count += 1 print(count) return '''创建知识图谱实体节点类型
2.4K31发布于 2021-04-09 - 来自专栏AI科技大本营的专栏
抗击新冠肺炎，如何进行实时动态时序图谱建模与分析？
使用技术 本文使用图特摩斯科技自研的国内首个时序图谱平台AbutionGraph作为技术支撑，主要技术突破点为：静态图+动态图+时序图+多维的存储形式。 与普通图存储的技术区别 在建模前，我们有必要先来理解一下多维、动态、时序这些在图谱存储中的新概念。 1）“一维”图谱和“多维”图谱的区别 一维图谱： ? （常见的图形存储结构，如：JanusGraph、Neo4J等技术中使用） 多维图谱： ? 2）“静态”、“动态”及“时序”图谱的区别 假定场景：实时统计每个人之间的交易总金额。 1.静态图谱： ? 静态图谱+动态图谱是AbutionGraph特有形式，即可以保持历史数据不变，又可无需人为干预实时根据历史数据统计出指标。 4.时序图谱： ?
1.1K10发布于 2020-02-24 - 来自专栏科学最Top
近期值得关注的4个时序大模型研究
4、Lag-Llama 论文标题：Lag-Llama: Towards Foundation Models for Probabilistic Time Series Forecasting 在过去的几年中
1.6K10编辑于 2024-09-18 - 来自专栏祥子的故事
知识图谱 | Neo4j初相识
初衷 为什么要了解知识图谱、neo4j呢？ 前几天在会议上，领导说接下来我们部分将重点发力知识图谱的工作，解决业务域的问题，让每位同事都去了解下，等过段时间要做汇报工作，每位讲讲自己的学习心得，算是输出。 第一步：下载neo4j 在国内访问neo4j官网的速度会很慢，注意访问外国网站。 /bin/neo4j restart 这样就保证了neo4j的可以正常使用。 案例 这里以股票知识图谱数据为例，具体例子说明请见网上，已经有很多人做分享。这里仅仅展示如何运行和使用。 /bin/neo4j restart 然后运行命令行，将数据导入neo4j数据库中 .
1.9K10发布于 2020-02-19 - 来自专栏FPGA技术江湖
FPGA时序分析专题课，4月23日开课！
导读 在进行数字电路系统的设计时,时序是否能够满足要求直接影响着电路的功能和性能。 通过对设计的全面时序分析，使您能够对电路性能进行验证，识别时序违规，并推动fitter的逻辑布局，从而满足您的时序设计目标。 本课程从基础的数字电路出发，逐步引入时序的概念，了解时序的重要性，理解时序的基本分析方法，掌握时序约束和时序分析的方法。通过对电路的改善，使电路能够满足时序要求。 专题课程介绍 ? 06 课程大纲 第一部分：电路基本概念 1.1、数字电路 1.2、组合逻辑 1.3、时序逻辑器件和时序逻辑 第二部分：FPGA基本构成 2.1、查找表 2.2、触发器 2.3、内部连线 5.1、建立时间 5.2、保持时间 5.3、亚稳态 5.4、单拍系统 5.5、建立时间分析模型 5.6、保持时间分析模型 5.7、时序悲观 5.8、多种工况分析（多角分析） 第六部分：时序分析模型
55610发布于 2021-04-26 - 来自专栏全栈程序员必看
uart 时序_8080接口时序
数据传送速率用波特率来表示， 指单位时间内载波参数变化的次数， 或每秒钟传送的二进制位数 如每秒钟传送240个字符， 而每个字符包含10位（1个起始位， 1个停止位， 8个数据位）， 这时的波特率为2400Bd 传输时序如下图 可以是1位、1.5位、2位的高电平 空闲位： 处于逻辑1状态， 表示当前线路上没有资料传送 uart接口的时序分析 1、串行数据的格式 异步串行数据的一般格式是：起始位+数据位+停止位， RS-485发送数据时的正确时序如图4所示。 图4 RS-485的正确发送数据时序 在图4中，发送控制信号的宽度基本与数据信号的宽度一致，所以能保证发送数据的正确和发送后及时转为接收。 图5 RS-485控制信号太短时的时序 图6 RS-485控制信号太长时的时序 在图5中，由于控制信号关闭过早，则第二个字节的后两位将发送错误；在图6中，由于控制信号关闭过迟，使485芯片在发送数据后
2.1K20编辑于 2022-10-05 - 来自专栏科学计算
FPGA时序约束理论篇之时序路径与时序模型
时序路径 典型的时序路径有4类，如下图所示，这4类路径可分为片间路径（标记①和标记③)和片内路径（标记②和标记④）。 ? 对于所有的时序路径，我们都要明确其起点和终点，这4类时序路径的起点和终点分别如下表。 ③FPGA内部末级触发器到输出端口的路径 regb/clk ChipB/D set_output_delay ④FPGA输入端口到输出端口的路径 输入端口 输出端口 set_max_delay 这4类路径中 ，我们最为关心是②的同步时序路径，也就是FPGA内部的时序逻辑。 时序模型 典型的时序模型如下图所示，一个完整的时序路径包括源时钟路径、数据路径和目的时钟路径，也可以表示为触发器+组合逻辑+触发器的模型。 ?
1.6K40发布于 2020-06-30 - 来自专栏光城(guangcity)
知识图谱系列之Neo4J
知识图谱系列之Neo4J 0.作者的话 1.安装Neo4J 2.运行Neo4J 3.Python操作Neo4J 3.1 py2neo安装 3.2 py2neo连接neo4j 3.3 清空数据库结点与边 3.4 py2neo创建结点 3.5 py2neo创建关系 3.6 调用 4.作者的话 0.作者的话 上次写了一篇文章提到了一个有关知识图谱的概念，在本公众号中，并未写有关这方面的文章，那么这一节从 python与neo4j方向来共同学习知识图谱的一些实战操作，后续会补充理论方面的知识！ 1.安装Neo4J 官网下载Neo4J的zip包，然后解压，将neo4j_path/bin配入path中，进入bin目录运行 neo4j.bat console pip install py2neo= 4.作者的话 最后，您如果觉得本公众号对您有帮助，欢迎您多多支持，转发，谢谢！ 更多内容，请关注本公众号知识图谱系列！
1.9K20发布于 2019-09-20 - 来自专栏机器学习原理
知识图谱（2）——neo4j的用法
直接从csv中加载文件 LOAD CSV WITH HEADERS FROM "http://data.neo4j.com/northwind/products.csv" AS row CREATE ( 可以直接把文件放到import文件夹中直接输入 file:///xxx.csv 创建商品node把后面五行设置为属性 LOAD CSV WITH HEADERS FROM "http://data.neo4j.com
75710发布于 2018-08-27 - 来自专栏Python数据科学
安利 4 个时序预测算法：Prophet、Deep AR..
短处在于需要从业人员对时序相关的统计学有深入的理解，并且当存在非线性特征等复杂情况时，需要进行手工特殊处理，不利于规模化预测。 机器学习、深度学习算法 将时序预测问题作为回归问题处理，通过选择合适的特征和模型结构，基于训练集数据构建模型。 长处是不需要结合时序领域特有的统计学分析，算法可以从训练集中总结规律，并且使用模型不是时序领域独有的，对于数据科学的从业人员更友好。 接下来推荐几篇经典论文供大家学习复现，以快速梳理时序预测算法的种类的原理。 上述 4 篇论文在深度之眼《时间序列预测项目班》中都有系统地讲解
4K10编辑于 2022-04-12 - 来自专栏k8s技术圈
Linux 性能问题难点解析（内附 4 套图谱）
虽说咱有布伦丹·格雷格（Brendan Gregg）大师整理的性能工具图谱，相信你也多少参考过，但其实它还不够具体，使用时还要去查找每个工具的手册，对比分析做出选择。 ? 他根据「性能指标」的不同，将工具划分为 CPU、内存、磁盘 I / O及网络，4 大类型，会让你一次性把性能工具搞明白了。 ? ?
90920发布于 2020-08-24 探索ImmGen: 4-小鼠器官免疫细胞基因空间图谱
介绍 ImmGenMaps是免疫基因组计划联盟（ImmGen）启动的全新开源项目，旨在利用空间转录组学技术绘制小鼠器官中免疫细胞的综合空间图谱。 该项目第一阶段将生成25个健康小鼠器官的高质量数据集，建立雄性和雌性标本的基线图谱，以揭示免疫细胞在自然组织环境中的多样性、动态及其与非免疫细胞的整合。 2.在Bioturing开发的单细胞数据分析平台Talk2Data分析了小鼠胸腺空间转录组图谱。
8210编辑于 2026-01-27- 来自专栏tea9的博客
时序图
时序图 时序图用于描述对象之间的传递消息的时间顺序, 即用例中的行为顺序. 当执行一个用例时, 时序图中的每条消息对应了一个类操作或者引起转换的触发事件. 对象: 时序图中对象使用矩形表示, 并且对象名称下有下划线. 将对象置于时序图的顶部说明在交互开始时对象就已经存在了. 如果对象的位置不在顶部, 表示对象是在交互的过程中被创建的. 表示时序图中的对象在一段生命周期内存在. 每个对象底部中心的位置都带有生命线. 消息: 两个对象之间的单路通信. 从发送方指向接收方. 在时序图中很少使用返回消息. Process On创建时序图 新建-UML LINKS processon ML建模之——时序图(待整理) UML系列——时序图（顺序图）sequence diagram 时序图、流程图、状态图、协作图之间的区别 画UML的用例图和时序图
1.3K10编辑于 2022-09-08 - 来自专栏数据分析与挖掘
python操作neo4j创建知识图谱模板
级别交易 from py2neo import Node, Graph, Relationship, NodeMatcher import pandas as pd class DataToNeo4j : def __init__(self): # 连接数据库 link = Graph("http:localhost:7474", username="neo4j df_data = pd.DataFrame(links_dict) return df_data if __name__ == '__main__': # dataToNeo4j = DataToNeo4j() path = '. = DataToNeo4j() dataToNeo4j.create_node(node_buy_key, node_sell_key) dataToNeo4j.create_relation
83730发布于 2021-11-24 - 来自专栏时空探索之旅
AI论文速读 |【Mambda×时序预测】时光机TimeMachine：4 Mambas for LSTF
论文标题：TimeMachine: A Time Series is Worth 4 Mambas for Long-term Forecasting （这篇的标题应该是在模仿PatchTST的标题：A papers.cool/arxiv/2403.09898 代码：https://github.com/Atik-Ahamed/TimeMachine TL；DR：本文提出了一个名为TimeMachine的模型，通过4个
79510编辑于 2024-11-19 - 来自专栏全栈程序员必看
时序攻击
什么是时序攻击？ 在密码学中,时序攻击是一种侧信道攻击,攻击者试图通过分析加密算法的时间执行来推导出密码。 而使用 hash_equals 比较两个字符串，无论字符串是否相等，函数的时间消耗是恒定的，这样可以有效的防止时序攻击。
64420编辑于 2022-08-09
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号