高斯过程:从随机过程中来,到机器学习中去
高斯过程是一种经典、拥有良好性质的非参模型,其本身可以看作一个随机过程建模,由于其非参概率模型的特性,在一些低维度少样本的连续参数优化问题上,高斯过程模型有着非参广泛的应用。
使用知识图谱,增强基于 Embedding 的推荐系统的效果。
知识图谱补全任务是指基于现有知识图谱,找出其中可能存在的潜在关系;TransE是一种基于Embedding的知识图谱补全模型。
SFE(subgraph feature extraction)是一种改进自 PRA(Path Ranking Algorithm)算法的知识图谱补全方法。其对子图进行特征提取并基于此进行知识图谱的关系推理和补全