作者：CHEONG公众号：AI机器学习与知识图谱研究方向：自然语言处理与知识图谱阅读本文之前，先注意一下两点：1、机器学习系列文章常含有大量公式推导证明，为了更好理解，文章在最开始会给出本文的重要结论，方便最快速度理解本文核心。需要进一步了解推导细节可继续往后看；2、文中含有大量公式，若读者需要获取含公式原稿Word文档，可关注公众号【AI机器学习与知识图谱】后回复：概率图模型第四讲，可添加微信号

一、几何体的向量表示在介绍凸集等概念之前，首先介绍一下空间几何体的向量表示，下面在定义凸集概念时便用到了线段的线段表示。先通过一个例子来认识一下如何使用向量表示线段已知二维平面上两定点A(5, 1)、B(2, 3)，给出线段AB的方程表示如下：{x1=θ∗5+(1−θ)∗2x2=θ∗1+(1−θ)∗3 &nb

作者：CHEONG公众号：AI机器学习与知识图谱研究方向：自然语言处理与知识图谱阅读本文之前，首先注意以下两点：1、机器学习系列文章常含有大量公式推导证明，为了更好理解，文章在最开始会给出本文的重要结论，方便最快速度理解本文核心。需要进一步了解推导细节可继续往后看。2、文中含有大量公式，若读者需要获取含公式原稿Word文档，可关注公众号后回复：HMM第三讲，本文详细推导使用EM算法求解隐马尔科夫模

作者：CHEONG公众号：AI机器学习与知识图谱研究方向：自然语言处理与知识图谱阅读本文之前，首先注意以下两点：1、机器学习系列文章常含有大量公式推导证明，为了更好理解，文章在最开始会给出本文的重要结论，方便最快速度理解本文核心。需要进一步了解推导细节可继续往后看。2、文中含有大量公式，若读者需要获取含公式原稿Word文档，可关注公众号后回复：EM算法第一讲，本文主要从以下四个方面介绍EM算法:E

作者：CHEONG公众号：AI机器学习与知识图谱研究方向：自然语言处理与知识图谱本文介绍一篇解耦合Transformation和Propagation操作的自适应深度图神经网络模型DAGNN（KDD 2020），介绍DAGNN模型核心点和模型思路，完整汇报ppt获取请关注公众号回复关键字：DAGNN一、Motivation1. Over-fitting： 在CNN卷积神经网络中，若CNN网络结构过

BFS和DFS是图的两种遍历方式，是最简单的图搜索算法。本文将给出给出BFS和DFS的以下几种实现方式：1、使用队列Queue实现图的BFS遍历2、递归实现图的DFS遍历3、使用栈Stack迭代实现图的DFS遍历一、BFS（广度优先搜索算法）BFS算法之所以叫做广度优先搜索，是因为它始终将已发现的顶点和未发现的之间的边界，沿其广度方向向外扩展。亦即，算法首先会发现和s距离为k的所有顶点，

作者：CHEONG公众号：AI机器学习与知识图谱研究方向：自然语言处理与知识图谱CompGCN （ICLR 2020）Composition-based Multi-Relational Graph Convolutional NetworksCompGCN论文汇报ppt可通过关注公众号【AI机器学习与知识图谱】，回复关键词：CompGCN 来获得，供学习者使用！可添加微信号【1786519091

作者：CHEONG公众号：AI机器学习与知识图谱研究方向：自然语言处理与知识图谱本文分享一篇将强化学习应用在知识图谱多跳推理任务的汇报ppt，简要概述基本概念并推荐几篇近期的优秀论文，介绍其核心思想，完整汇报ppt获取请关注公众号回复关键字：知识图谱强化学习一、背景知识1、知识图谱：知识图谱是异质图Heterogeneous Graph，图中含有多种关系类型，一组事实（head entity, r

作者：CHEONG公众号：AI机器学习与知识图谱研究方向：自然语言处理与知识图谱本文分享一篇将强化学习应用在知识图谱多跳推理任务的汇报ppt，简要概述基本概念并推荐几篇近期的优秀论文，介绍其核心思想，完整汇报ppt获取请关注公众号回复关键字：知识图谱强化学习一、背景知识1、知识图谱：知识图谱是异质图Heterogeneous Graph，图中含有多种关系类型，一组事实（head entity, r

作者：CHEONG公众号：AI机器学习与知识图谱研究方向：自然语言处理与知识图谱阅读本文之前，首先注意以下两点：1、机器学习系列文章常含有大量公式推导证明，为了更好理解，文章在最开始会给出本文的重要结论，方便最快速度理解本文核心。需要进一步了解推导细节可继续往后看。2、文中含有大量公式，若读者需要获取含公式原稿Word文档，可关注公众号【AI机器学习与知识图谱】后回复：GMM第二讲，可添加微信号【