- 度量空间中图嵌入的紧凑快速泛化误差界
本文提出一种新的图嵌入一般化误差的上限,它作为距离表示的函数集的局部 Rademacher 复杂度的评估。我们的上限是几何半径 $R$ 的多项式,可以最快达到 $O (rac {1}{S})$,其中 $S$ 是训练数据大小。
- 自然语言定义的多关系双曲词嵌入
本文提出了一种神经符号、多关系框架来仅通过自然语言定义学习单词嵌入,特别地,通过在超几何空间中学习,将维护向量空间中的显式概念关系和约束。实验结果表明,这种方法可以帮助强制执行期望的结构约束,同时保留可控和可解释的语义导航,而且超几何词嵌入 - 计算机视觉中的双曲深度学习:一项调查
本文介绍超几何学习在计算机视觉中的应用,并提出了三个主要的研究主题,包括超几何学习的实现、已有研究中的关键问题以及相关领域的未来方向。
- GPr-Net:几何原型网络用于点云少样本学习
提出了一种轻量级的计算几何原型网络 GPr-Net,结合基于向量的手工内在几何量子化器和拉普拉斯向量等相关方法,旨在解决点云匮乏和无序性等问题,并使用超几何空间来处理分布漂移问题,结果表明在计算机效率和精确度上优于所有已有的点云小样本学习方 - ICLR潜在图推断的模型空间投影
本文采用超球面和双曲线模型空间的立体投影以及黎曼流形积的方法进行潜在图推理,实现与非投影对应物相当的性能,同时提供理论保证,避免当曲率趋近于零时空间发散的问题,并在同构和异构图上进行了实验。
- IJCAICoSyn: 基于上下文协同的双曲网络用于在线对话中隐含仇恨言论的检测
本文提出了一种基于超伸缩空间的用户与对话上下文配合的机制 CoSyn,用于在线讨论中检测隐含仇恨言论,该方法在开放源 Twitter 数据集上的实验表明:CoSyn 在检测隐含仇恨言论方面表现出比其它方法更好的性能。
- 双曲曲率图神经网络
本研究探索图形拓扑的离散曲率和嵌入空间的连续全局曲率的属性,提出了一种基于超边曲率感知的图神经网络(HCGNN),该网络利用离散曲率引导周围消息传递,并同时自适应调整连续曲率。在节点分类和链接预测任务上进行了广泛的实验,结果表明所提出的方法 - KDD超几何图表征学习:教程
介绍了基于超伽马空间表示的图形学习的前沿技术,并重点介绍了超伽马浅层模型和超伽马神经网络技术以及其组件变体的技术细节,同时讨论了超伽马几何图形表示学习的进阶主题。
- 文本分类的双曲质心计算
介绍了超几何词嵌入在 NLP 中的新发展,与欧几里得嵌入不同,它们是在超几何空间中表示为点而非向量,因此需使用超几何质心方案来构建文档表征并进行文本分类。
- Sinhala 句子嵌入:低资源语言的两层结构
本文研究多种单层和双层嵌入结构在 Sinhala 情感分析中的有效性,结果表明,基于单层词嵌入的模型的得分为 83.76%,而基于上下层的嵌入结构的最大 F1 得分为 88.04%,并比较欧几里得空间和双曲空间中嵌入的性能。
- 利用潜在高斯分布的双曲线 VAE
通过使用高斯流形变分自编码器 (GM-VAE) 来提高图像数据集的密度估计和基于模型的强化学习下的环境建模。GM-VAE 在估计密度任务上优于其他变量的双曲线和欧几里得 VAEs,并在基于模型的强化学习中展现出竞争性的性能。
- 超伪空间中的点云组合性规范化再思考
这篇论文提出了一种将点云分类器特征嵌入双曲空间并显式规范化以应对零件 - 整体层次结构的方法,在点云分类中取得了显著的改进。
- 通过曲率可变双曲空间中的自回归建模来弯曲未来:时间知识图谱
文章提出 HyperVC,使用超几何空间来表示基于时间序列的时间变化知识图中的层次关系,通过调整实体和关系的曲率来表示其不同的层次,实验结果显示,超几何嵌入可以在具有较高层次关系的数据集上大幅提高性能。
- KDDHICF: 双曲信息协作过滤
本研究探讨了在超几何空间内,哪些用户产品可以有效推荐,设计了一种新的学习方法 HICF,针对尾部和头部物品推荐效果不佳的问题,通过改进超几何边际排序学习的过程,提供信息指导来明确推荐目标,并在大量实验中验证了该方法的有效性。
- 几何交互知识图谱嵌入
本文阐述了通过将知识图谱嵌入欧几里得空间、双曲空间和高维球面空间,提出了一种基于几何交互方法的知识图谱嵌入(GIE)。实验结果表明,与其他嵌入方法相比,GIE 在三个知识图谱数据集上的表现更加优异。
- IJCAI对比多视角双曲分层聚类
本论文提出了一种基于神经网络的模型(Contrastive Multi-view Hyperbolic Hierarchical Clustering, CMHHC),应用于多视角数据的超几何层次聚类,通过对多个视角的样本级表示进行对比来捕 - 超几何空间中的跨语言词嵌入
本文介绍了一种将超球面上的 Poincaré 模型与 Word2Vec 模型相结合的方法,用于从德 - 英平行语料库中学习跨语言单词表示,并且实验证明通过保留潜在的层级信息,在超球面上的表示法可以提供更好的跨语言嵌入。
- 超几何分层知识图谱嵌入的低维链接预测
本文提出了一种新颖的基于注意力的可学习曲率超几何分层知识图嵌入模型(HypHKGE),以在超几何空间中有效地建模知识图中的语义层次结构,并在低维度下表现出色,特别是在链接预测方面。
- WWWHRCF:通过双曲几何正则化增强协同过滤
采用超空间正则化协同过滤提出一种基于超 bolic 几何的模型优化算法,能够增强模型区分能力并避免过分平滑问题,实验结果表明在公共基准测试中具有高度竞争性的表现并超越其他欧几里得和超球面模型。
- SIGIRHAKG: 面向推荐的层次感知知识门控网络
本文提出了一种新模型,叫做 Hierarchy-Aware Knowledge Gated Network(HAKG),主要应对 KG 领域中现存的一些问题,在实验中,与现有的方法相比表现了很大的优势。