点击上方,选择星标或置顶,每天给你送干货!
阅读大概需要8分钟
跟随小博主,每天进步一丢丢
来源 | 我爱计算机视觉
该PPT作者为图神经网络领域权威、斯坦福大学副教授Jure Leskovec,其也是图表示学习方法 node2vec 和 GraphSAGE 作者之一。为作者前段时间在清华的演讲PPT。
较为完备地介绍了图神经网络研究的最新进展,使用目前大热的深度学习技术,学习将图结构编码为低维嵌入,特别讨论了图卷积网络,介绍了其在推荐系统、医疗健康、知识表示与推理方面的应用。
本文并不完整,下载完整81页PDF,请见下面的下载地址:
链接:https://pan.baidu.com/s/1aYJOjgd1fUkIP9TVRF1SQQ
提取码:ky3w
方便交流学习,备注:昵称-学校(公司)-方向,进入DL&NLP交流群。
方向有很多:机器学习、深度学习,python,情感分析、意见挖掘、句法分析、机器翻译、人机对话、知识图谱、语音识别等。记得备注呦推荐阅读:【ACL 2019】腾讯AI Lab解读三大前沿方向及20篇入选论文【一分钟论文】IJCAI2019 | Self-attentive Biaffine Dependency Parsing
【一分钟论文】 NAACL2019-使用感知句法词表示的句法增强神经机器翻译
【一分钟论文】Semi-supervised Sequence Learning半监督序列学习
【一分钟论文】Deep Biaffine Attention for Neural Dependency Parsing
详解Transition-based Dependency parser基于转移的依存句法解析器经验 | 初入NLP领域的一些小建议
学术 | 如何写一篇合格的NLP论文
干货 | 那些高产的学者都是怎样工作的?
一个简单有效的联合模型
近年来NLP在法律领域的相关研究工作让更多的人知道你“在看”