设计模式初体验（一）— 创建型 工厂模式工厂模式的本质就是对获取对象过程的抽象。 简单工厂模式简单工厂模式又称为静态工厂方法模型，它属于类创建型模式。在简单工厂模式中，可以根据参数的不同返回不同类的实例。简单工厂专门定义一个类来负责创建其他类的实例，被创建的实例通常都具有共同的父类。 对于产品种类相对较少的情况，考虑使用简单工厂模式可以很方便地创建所需产品： 12345678910111213141516171819202122 2022-05-01 设计模式 创建型设计模式 JAVA 设计模式，创建型
Java笔试 - ACM模式处理输入输出 大部分公司都会使ACM模式来进行笔试，当然其中和我们常刷题的leetcode模式有个重要的不同点就是程序的输入和输出。leetcode模式不需要我们自己去输入测试用例，而是封装一个Solution类由系统调用。而ACM模式则需要我们编写代码手动输入程序的参数和输出程序的结果。 2022-04-29 JAVA 笔试技巧 JAVA ACM
SpringBoot自动装配原理与实践 自动装配原理首先看一段@SpringBootApplication的源码： 1234567891011@Target(ElementType.TYPE) @Retention(RetentionPolicy.RUNTIME) @Documented @Inherited@SpringBootConfiguration @EnableAutoConfiguration @ComponentScan( 2022-04-29 Spring SpringBoot SpringBoot 自动装配
Java基础 - 泛型与反射 泛型概念Java 泛型（generics） 是 JDK 5 中引入的一个新特性, 泛型提供了编译时类型安全检测机制，该机制允许程序员在编译时检测到非法的类型。泛型的本质是参数化类型，也就是说所操作的数据类型被指定为一个参数，这种参数类型可以用在类、接口和方法中，分别被称为泛型类、泛型接口、泛型方法。 泛型擦除是指 Java 在运行期间，所有的泛型信息都会被擦掉。 常用的通配符为： T，E，K，V， 2022-04-29 JAVA 基础 JAVA 反射 泛型
RAN:用于低资源条件下知识图谱补全的关系对抗网络 Relation Adversarial Network for Low Resource Knowledge Graph Completion WWW 2020 贡献 本文首次将对抗性迁移学习应用于解决知识图完成的低资源问题（Low Resource Problem），主要针对的是链路预测和关系提取任务。 提出了关系对抗网络，利用关系鉴别器来区分来自不同关系的样本，然后学习从源关系到目标关 2021-07-29 论文解读 知识图谱 KGC Knowledge Graph Relation Extraction
FSRL:小样本知识图谱补全框架 Few-Shot Knowledge Graph Completion 模型FSRL主要由三部分组成： （1）为每个实体通过邻居信息进行编码 （2）聚合每个关系的少量参考实体对信息 （3）将查询实体对(query entity pair)与参考集(reference set)进行匹配来进行关系预测 Encoding Heterogeneous Neighbors 通过引入注意力机制的模型，考虑 2021-07-16 论文解读 小样本知识图谱 Few-Shot Knowledge Graph KGC LSTM
RGHAT:基于多层注意力机制的知识图谱补全框架 Relational Graph Neural Network with Hierarchical Attention for Knowledge Graph Completion 问题/创新点知识图谱实体在嵌入时，并没有在局部上具体考虑某实体的neighborhood entity的分层级的、不同价值的信息对该实体的影响。 本文提出的Relational Graph Neural Netw 2021-07-14 论文解读 知识图谱 KGC Knowledge Graph
GMatching:一种小样本知识图谱补全框架 One-Shot Relational Learning for Knowledge Graphs 先导问题知识图谱数据集往往呈长尾形态，很多关系只有几个三元组样本支撑。目前的知识图谱构建模型主要有两个问题：1.模型对于样本充足的关系和稀疏的长尾关系都同等对待，对样本量少的关系分类效果不好2.在关系表示层面，目前的模型对于新增关系无法进行预测。 为了预测目标关系，以前的方法通常依赖于对这些关系的 2021-07-05 论文解读 小样本知识图谱 Few-Shot Knowledge Graph KGC One-Shot
RAGAT:基于自适应的注意力机制的KGC框架 RAGAT: Relation Aware Graph Attention Network for Knowledge Graph Completion 贡献 本文提出了一种基于GAT的方法，即引入关系特定的网络参数，自适应地从不同关系下的相邻实体中学习信息。 作者在现有消息函数message function(Message Function: 解释为模型获取实体和关系之间交互的信息的方法, 2021-07-05 论文解读 知识图谱 KGC Knowledge Graph
NeurlIPS2020:基于GEN来进行图外链路预测任务 Learning to Extrapolate Knowledge:Transductive Few-shot Out-of-Graph Link Prediction NeurlIPS2020 方法本文主要介绍了图外(out-of-graph OOG)链接预测任务的图外推网络(GENs)。主要针对的问题是基于两点：1.动态变换的知识图谱 2.知识图谱中的长尾关系 在本文中，作者引入了一个 2021-07-05 论文解读 小样本知识图谱 Few-Shot Knowledge Graph KGC Out-Of-Graph
