【文件属性】：
文件名称：gqa-node-properties:从知识图中调用节点属性
文件大小：38KB
文件格式：ZIP
更新时间：2021-05-03 15:33:22
ai graph tensorflow attention graphml
图问答：节点属性
此代码库执行基本的图形问题答案（GQA）任务：调用节点属性。
数据集是由GQA元组综合生成的，其中每个图都是一个，每个问题都询问该网络中特定站点的属性。 为简单起见，已使用随机整数来命名工作站。 例如，
3点播放什么类型的音乐？
回答：
流行音乐
虽然在数据库查询语言中执行这种类型的属性调用很简单，但是我们引入了两个挑战：
问题以英语而不是查询语言提出
召回系统是神经网络（即微分函数）
系统如何运作
该系统是在TensorFlow中实现的纯（深度）神经网络。 它以标记化的自然语言字符串作为输入，并返回单个单词标记作为输出。
有关此网络如何工作的深入说明，请参见。
系统首先将输入问题转换为整数令牌，然后将其作为矢量嵌入。
接下来，控制单元3对标记向量进行关注。 这将产生控制信号，随后的单元将使用该控制信号来指导其动作。
然后，读取的单元使用控制信号从图形节
【文件预览】：
gqa-node-properties-master
----macgraph()
--------estimator.py(453B)
--------input()
--------const.py(57B)
--------attention_test.py(1KB)
--------train.py(1KB)
--------predict.py(4KB)
--------util.py(4KB)
--------attention.py(6KB)
--------cell()
--------evaluate.py(235B)
--------__init__.py(0B)
--------args.py(5KB)
--------model.py(5KB)
--------hooks.py(2KB)
----train.sh(425B)
----Pipfile(300B)
----predict.sh(159B)
----LICENSE(1KB)
----Pipfile.lock(16KB)
----.gitignore(1KB)
----README.md(3KB)
----build.sh(91B)