avatar
文章
26
标签
56
分类
4
主页
标签
分类
关于
友情链接
思想是一个锐化的过程论文阅读笔记---CyGNet阅读笔记-TKG推理任务 返回首页
搜索
主页
标签
分类
关于
友情链接

论文阅读笔记---CyGNet阅读笔记-TKG推理任务

发表于2025-06-03|更新于2025-06-03|论文阅读笔记
|总字数:19|阅读时长:1分钟|浏览量:|评论数:
文章作者: TCcjx
文章链接: https://tccjx.github.io/2025-06-03-post9_CyGNet/
版权声明: 本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 思想是一个锐化的过程！
论文阅读笔记TKGs补全推理privateCyGNet
上一篇
编码注意力机制的梳理(自用-分享)
编码注意力机制的梳理(自用-分享)   目前主流的大语言模型都是基于Transformer架构的，而Transformer架构的核心是Attention机制，所以了解Attention机制对于理解Transformer架构至关重要。 1.长序列建模中问题过去在处理序列文本等数据时，大多采用RNN等模型，虽然部分应用场景下RNN模型的效果不错，但是面对长序列数据时，存在遗忘问题，从而导致对长序列模型建模时效果不是很好。因此，在2017年，Transformer模型应运而生，Transformer模型在长序列建模中，通过引入Attention机制，解决RNN模型中的遗忘问题，并大大提高模型的效果。 2.过去编码器-解码器模型存在问题由于之前编码器-解码器模型，主要还是基于RNN模型，编码器生成整个文本的编码向量，再将这个编码向量输入给解码器，解码器基于编码向量生成输出预测，但是由于存在长距离遗忘信息丢失问题，编码向量会丢失长文本前段的信息，从而导致预测效果不好。然后注意力机制可以很好的解决这个问题，注意力机制可以捕获较长的依赖关系，获得更准确的编码向量表示。 1...
下一篇
第一次实习及读研一年来心路历程总结
相关推荐
2025-06-15
论文阅读笔记---LLM + 图结构信息编码未知实体和关系进行TKGs补全任务
2025-08-16
论文阅读笔记---LCGE-基于逻辑和常识来实现时态知识图谱补全的方法
2025-08-11
论文阅读笔记---LLM结合规则学习方法提出一种新的时态知识图谱推理框架
2025-10-09
ssh连接远程服务器及Linux小常识
2025-06-21
时态知识图谱外推任务指标计算中过滤策略选择问题
2025-06-03
第一次实习及读研一年来心路历程总结
评论
avatar
TCcjx
生活给我出难题，我说ok小问题
文章
26
标签
56
分类
4
Follow Me
公告
欢迎志同道合的朋友，一起交流
目录
  1. 1. 1.简介
  2. 2. 2.概述
  3. 3. 3.文章写作结构
    1. 3.1. —-1.Introduction
    2. 3.2. —-2.Related Work
    3. 3.3. —-3.Method
      1. 3.3.1. ——–3.1 Notion
      2. 3.3.2. ——–3.2 Model Components
      3. 3.3.3. ——–3.3 learning object
      4. 3.3.4. ——–3.4 Inference
    4. 3.4. —-4.Experiment
      1. 3.4.1. ——–4.1 Experimental Setup （实验设置以及一些超参数的设置）
      2. 3.4.2. ——–4.2 Results
    5. 3.5. ——–4.3 Ablation Study
    6. 3.6. —-5.Conclusion
  4. 4. 4.数据集
  5. 5. 5.个人总结
最新文章
Qwen2技术报告2025-12-03
Q-learning及DQN算法2025-11-25
博士屯TalkShow阅读文献总结2025-11-23
与远端服务器进行文件传输同步的方式总结2025-10-14
pyenv + poetry 进行多版本python项目管理方案2025-10-12
© 2025 - 2026 By TCcjx框架 Hexo 7.3.0|主题 Butterfly 5.5.3
搜索
数据加载中