时序 图谱 增量embedding-based
12.7周四uml之类图，用例图，活动图，时序图
今天课上的测试中检查了我们uml的理解，成功让我意识到了对类图等概念理解中的不足，为此，我重新翻阅软件设计这本书，并结合网络上的类图，用例图，活动图，时序图等，总结了以下内容。 类图（Class Diagram）是面向对象系统建模中最常用和最重要的图，是定义其它图的基础。主要是用来显示系统中的类、接 ......
UML之用例图，类图，时序图，活动图
用例图 用例图是用于描述系统在某个系统边界下需要提供的功能的图例描述，是对用户与系统进行交互的动作的表述。用例图描述了用户、需求以及系统功能单元之间的关系，主要由参与者，用例和它们之间的关系组成。 用例图需要的因素： 参与者(Actor)：使用系统功能的人或者团体，用小人表示，参与者可以继承，用空三 ......
7 种查询策略教你用好 Graph RAG 探索知识图谱
我们在这篇文章中探讨了知识图谱，特别是图数据库 NebulaGraph，是如何结合 LlamaIndex 和 GPT-3.5 为 Philadelphia Phillies 队构建了一个 RAG。
此外，我们还探讨了 7 种查询引擎，研究了它们的内部工作，并观察了它们对三个问题的回答。我们比较了每... ......
7 种查询策略教你用好 Graph RAG 探索知识图谱
我们在这篇文章中探讨了知识图谱，特别是图数据库 NebulaGraph，是如何结合 LlamaIndex 和 GPT-3.5 为 Philadelphia Phillies 队构建了一个 RAG。
此外，我们还探讨了 7 种查询引擎，研究了它们的内部工作，并观察了它们对三个问题的回答。我们比较了每... ......
DISC：基于密度的跨越流数据的增量聚类
ICDE 2021 | DISC：基于密度的跨越流数据的增量聚类 鸣谢：Ruiyuan Li (李瑞远)老师 | 康瑞部落 (kangry.net) 鉴于移动设备和物联网设备的普及，对流媒体数据的持续聚类已成为数据分析中日益重要的工具。在众多的聚类方法之中，基于密度的聚类方法由于其独特的优势而受到广 ......
CA-TCC: 半监督时间序列分类的自监督对比表征学习《Self-supervised Contrastive Representation Learning for Semi-supervised Time-Series Classification》(时间序列、时序表征、时间和上下文对比、对比学习、自监督学习、半监督学习、TS-TCC的扩展版)
现在是2023年11月27日，10:48，今天把这篇论文看了。 论文：Self-supervised Contrastive Representation Learning for Semi-supervised Time-Series Classification GitHub：https://g ......
微信支付-业务流程图+时序图梳理微信支付链路+封装对接微信API工具类
因业务需要，开发微信支付功能，涉及三种支付方式： JSAPI 支付：微信内网页支付，需要开通微信服务号 小程序支付：在小程序中支付，需要开通小程序 H5 支付：在手机浏览器（出微信内网爷）中网页支付 使用微信支付的前提必开通微信商户号，要使用到那种的支付方式要前需在商户平台开通（要审核）。 支付的钱 ......
Rsync增量备份，数据同步工具
Rsync是可实现全量及增量的本地或远程数据同步备份的优秀工具。SCP是全量备份，Rsync可以全量备份也可以是增量备份。 centos 5 rsync2.0 是先把所有文件对比，在进行差异备份 centos 6 rsync3.0是边对所有文件进行对比，将对比的差异边进行备份 rsync的三种工作模 ......
3招解决时序数据高基数难题，性能多维度提升！
本文分享自华为云社区《DTSE Tech Talk | 3招解决时序数据高基数难题，性能多维度提升！》，作者：华为云开源。 本期《openGemini全新列存引擎，为您解决时序数据高基数难题》的主题直播中，华为云开源DTSE技术布道师&数据库创新Lab技术专家黄飞腾，与开发者朋友们分享了时序数据库的 ......
【略读论文|时序知识图谱补全】Tucker Decomposition with Frequency Attention for Temporal Knowledge Graph Completion
会议：ACL，时间：2023，学校：北京航空航天大学，多伦多大学 关键词：基于张量分解；频率注意力；正则化 摘要： 之前基于张量分解的TKGC模型存在仅独立考虑一种关系与一个时间戳的组合，忽略了嵌入的全局性质的问题。 本文的方法：一种频率注意力（FA）模型来捕获一个关系与整个时间戳之间的全局时间依赖 ......
【略读论文|时序知识图谱补全】Learn from Relational Correlations and Periodic Events for Temporal Knowledge Graph Reasoning
会议：SIGIR，时间：2023，学校：国防科技大学 摘要： 之前模型存在的问题：未能利用快照内结构信息的关系之间的语义相关性与快照间时间交互沿时间轴的周期性时间模式。 本文的工作：提出了一种新的推理模型（RPC）；它通过两个新的通信单元，即关系通信单元(RCU)和周期通信单元(PCU)，充分挖掘关 ......
【略读论文|时序知识图谱补全】Hierarchical Self-Atention Embedding for Temporal Knowledge Graph Completion
会议：WWW，时间：2023，学校：东北大学计算机与通信工程学院 摘要： 目前TKGC模型存在的问题：只考虑实体或关系的结构信息，而忽略了整个TKG的结构信息。此外，它们中的大多数通常将时间戳视为一般特征，不能利用时间戳的潜在时间序列信息。 本文的方法：一种基于自注意机制和历时嵌入技术的分层自注意嵌 ......
使用docker 搭建xtrabackup服务，实现mysql全量和增量备份
根据前面的mysql备份调研得知，mysql的备份重头戏就是xtrabackup，mysqldump只能算开胃菜 本篇就着重讨论下xtrabackup的使用，由于考虑到维持虚拟机环境的整洁，和搭建使用的通用和便利性，这里选择基于docker环境使用 照惯例，学习任何一个工具最佳途径就是研读官方文档， ......
使用docker 搭建xtrabackup服务，实现mysql全量和增量备份
mysql数据库的备份是运维的重中之重，是保障服务灾难恢复的最后一道屏障 在我的构想里，一个完备的mysql高可用体系应该包括高可用架构和一套基础的数据库备份方案 高可用架构：MM+ Keepalived，PXC（Percona XtraDB Cluster）或者GR（Group Replicati ......
【略读论文|时序知识图谱补全】DREAM: Adaptive Reinforcement Learning based on Attention Mechanism for Temporal Knowledge Graph Reasoning
会议：SIGIR，时间：2023，学校：苏州大学计算机科学与技术学院，澳大利亚昆士兰布里斯班大学信息技术与电气工程学院，Griffith大学金海岸信息通信技术学院 摘要： 原因：现在的时序知识图谱推理方法无法生成显式推理路径，缺乏可解释性。 方法迁移：由于强化学习 (RL) 用于传统知识图谱上的多跳 ......
SD协议-时序02
SD Bus PAD internal card clock - 对于SD card来讲,时钟信号是一个输入 Data0-3 - inout类型,既可能是输入,又可能是输出 对于Data0-3输出的时候,会有output enable信号(Drive Data0-3),当output enable信 ......
【略读论文|时序知识图谱补全】Adaptive Path-Memory Network for Temporal Knowledge Graph Reasoning
会议：IJCAI，时间：2023，学校：1 中国科学院计算机网络信息中心，北京 2中国科学院大学，北京 3 澳门大学智慧城市物联网国家重点实验室，澳门 4 香港科技大学(广州)，广州 5 佛罗里达大学计算机科学系，奥兰多 摘要： 提出一种新的具有TKG关联特征的体系结构建模方法，即自适应路径-记忆网 ......
【略读论文|时序知识图谱补全】Temporal Knowledge Graph Reasoning with Historical Contrastive Learning
会议：AAAI，时间：2023，学校：上海交通大学 摘要： 大多数时序知识图谱的推理方法高度依赖于事件的递归或周期性，这给推断与缺乏历史交互的实体相关的未来事件带来了挑战。本文提出一种新的基于历史对比学习训练框架的对比事件网络（CENET）的新事件预测模型。 1.CENET 学习历史和非历史依赖来区 ......
【略读论文|时序知识图谱补全】Logic and Commonsense-Guided Temporal Knowledge Graph Completion
会议：AAAI，时间：2023，学校：北京航空航天大学 文中谓词可以视为关系。 以往的TKG补全(TKGC)方法不能同时表示事件的时效性和因果关系。为了应对这些问题，作者提出了一个逻辑和尝试引导嵌入模型（LCGE ），从常识的角度共同学习涉及事件的及时性和因果关系的时间敏感表示，以及事件的时间无关表 ......
使用亿图画时序图（序列图）
1、打开亿图，新建页面，软件和数据库 → 软件 → UML图，双击打开 2、在打开的绘图页面，点击“UML序列”，即可画时序图（序列图） 3、常用的几个图标 ......
influxdb时序数据库
概念 InfluxDB是一个由InfluxData开发的开源时序型数据库，由Go写成，着力于高性能地查询与存储时序型数据。InfluxDB被广泛应用于存储系统的监控数据，IoT行业的实时数据等场景。 时序数据库一般来说最常见的操作就只有2种，要么写，要么查 下载安装 暂略。 启动 windows 6 ......
通过时序和上下文对比学习时间序列表征《Time-Series Representation Learning via Temporal and Contextual Contrasting》(时间序列、时序表征、时态和上下文对比、对比学习、自监督学习、半监督学习)
现在是2023年11月14日的22:15，肝不动了，要不先回寝室吧，明天把这篇看了，然后把文档写了。OK，明天的To Do List. 现在是2023年11月15日的10:35，继续。 论文：Time-Series Representation Learning via Temporal and C ......
RedisTimeSeries+ClickHouse来实现时序数据的分析和实时查询
ClickHouse很好，在它擅长的OLAP领域。千万级别的数据的分页查询秒级呈现。由于其对资源的使用追求极致，所以相应的TPS不是很高。所有的OLAP的数据库本身TPS都不会很高，单台机器100+就可称之为优秀了。然而，高并发的读写正好是Redis所擅长的，如何将两者的优点结合起来呢？在IOT行业 ......
基于时间频率一致性对时间序列进行自监督对比预训练《Self-Supervised Contrastive Pre-Training for Time Series via Time-Frequency Consistency》(时序、时频一致性、对比学习)
2023年11月10日，今天看一篇论文，现在17:34，说实话，想摆烂休息，不想看，可还是要看，拴Q。 论文：Self-Supervised Contrastive Pre-Training for Time Series via Time-Frequency Consistency 或者是：Sel ......
Neo4j+Langchain实现非结构化知识图谱增强QA
微信公众号的一篇文章，着重介绍如何使用知识图谱来增强大语言模型QA的问答效果 1. 核心架构 核心架构如下： 可以通过Neo4j的向量索引和Neoconj图数据的强大能力来实现检索增强的生成系统，提供精确且上下文丰富的答案。 两条路： 向量相似性搜索来检索非结构化信息， 访问图数据库来提取结构化信息 ......
解码知识图谱：从核心概念到技术实战
知识图谱是近年来人工智能和数据科学领域的焦点。本文深入探索了知识图谱的核心概念、发展历程、研究内容以及其在表示、存储、获取、构建和推理方面的技术细节。结合Python和PyTorch示例代码，文章旨在为读者提供一个全面、深入且实用的知识图谱概览，帮助广大技术爱好者和研究者深化对此领域的认识。 关注T ......
知识图谱博士研究计划书
知识图谱博士研究计划书 一、研究背景与意义 随着大数据时代的到来，信息呈现爆炸式增长，传统信息检索技术已经无法满足人们对于深层次、多维度信息的需求。知识图谱作为一种以图形化的方式呈现知识的技术，能够将复杂的知识结构化、可视化，提高信息获取和处理的效率。在医疗、金融、智能家居等领域，知识图谱的应用已经 ......
初步理解知识图谱
知识图谱说白了就是一个作为数据库用的东西，那它跟数据库的区别就在于它的拓扑结构，它的表与表之间的建立的关系； 构建： 通过海量的数据提取，应该是nlp去理解一个文章或是页面中的内容中的语意去输出各种带有属性的内容，比如我理解了n份报纸，输出了多个表格，表头可能包括： 日期、标题、颜色等..然后通过很 ......