项目实训记录系列博客

一马当先，争做国家栋梁。

博客说明

本博客初衷是用于学校项目实训知识梳理、工作内容、收获感悟的记录。
若能在您的学习之路上有所帮助，不胜荣幸。但若需转载，也请注明出处。

博客包含以下内容（也是开篇提到的），但不意味着每一篇都会囊括所有；同时，也并非意味着博客的目录结构就是如此。每篇博客内容请看后文中具体的目录。
知识梳理：为了完成目标算法，将会广泛地查阅有关文献资料。将所学知识、资料进行整理。会加入个人理解，一起进行分享。
工作内容：作为项目参与者，在整个项目中所担任的角色、完成的任务。包括个人任务，团队沟通与合作。
收获感悟：您可以简单理解为鸡汤。不过，不同于空洞的话语，在这里所记录的感悟和总结都是结合自身实际、结合项目实际的，相信您能看到博主是怎样的人，也愿您能从中获得启发和前进的动力。

项目实训系列博客目录

1-关键词提取-任务理解&工作分配
2-关键词提取-代码运行云平台colab的使用
3-关键词提取-论文研读-RaKUn算法（1）
4-关键词提取-论文研读-RaKUn算法（2）
5-关键词提取-论文研读-betweenness centrality相关算法（1）
6-关键词提取-论文研读-betweenness centrality相关算法（2）
7-关键词提取-论文研读-load centrality的合理性探讨
8-在IDEA或Pycharm中解决编码问题
9-python:sort()和sorted()使用及对比
10-python:set的使用
11-python:most_common()函数
12-python:enumerate()函数
13-networkx的基础使用
14-收尾工作-答辩内容整理
15-收尾工作-组织协调

本博客目录

项目实训记录系列博客
- 博客说明
- 项目实训系列博客目录
- 补充研究
- - edge lengths
  - edge weights/multiplicities

补充研究

多重边和边的权重问题，是本文一开始提到的”伏笔“。本质上是对于不同种类的图的研究，包括有边长的图、有权重的图和多边图三种。个人感觉泛用性会很好，所以在这里多研究了一下论文的这一部分变种算法。

这里“有边长(edge length)的图”就是我们常说的加权图，边的长度不再是1，边加权；“有权重(weight)的图”并非是通常意义的边长权重，而是运算的时候需要考虑到权重问题，也就是在网络中的重要性，在这里用路径的值(path’s edge values)相乘的方式表达。多边图(multigraph)就是允许自环和两点之间有多条边，这跟传统的定义说法一致。

edge lengths

值(value), 也就是边长(path length), 这个变种算法很像是单源最短路的算法，在基础算法上多考虑的是边的长度不再是1，而是有很多赋值的情况，还是很好理解的。

edge weights/multiplicities

首先看权重的问题，算法中作为因子跟σ[v]直接相乘，这一点也很好理解。关键是为何多边图也可以跟权重问题放在一起呢？在反复阅读论文中的定义描述之后我终于弄清楚了。

假设现在有一个简单图(simple graph)，也就是之前一直在用的图模型。对于任意e=(a,b)∈E，选择从a到b的这条边，将其三倍化，得到三条跟原来一样的边。现在问题情况并不是简单的三边加和，因为三条等长的边都是从a到b的可行路径，并且如果ab的前后还有路径连接其他的顶点，最终所有包含a到b的路径都会三倍化。对于a，若原本是σ[a]，三倍化之后，用数学运算来表达就是3σ[a].类比于权重的公式就令人恍然大悟了：这里边的倍数，正是此处边的权重。数学公式上可以合并，但是实际意义可以这样理解吗？也可以。若将多边图上每条边的倍数看做是这条边的权重，就可以将多边图转化为一个简单有权重图。

关键词提取-论文研读-betweenness centrality相关算法（2）相关推荐

项目实训-关键词提取-论文研读-load centrality的合理性探讨
项目实训记录系列博客一马当先,争做国家栋梁. 博客说明本博客初衷是用于学校项目实训知识梳理.工作内容.收获感悟的记录. 若能在您的学习之路上有所帮助,不胜荣幸.但若需转载,也请注明出处. 博客包含 ...
论文研读-多因子进化算法中的自适应知识迁移MFEA-AKT
论文研读-多因子进化算法中的自适应知识迁移MFEA-AKT Toward Adaptive Knowledge Transfer in Multifactorial Evolutionary Comp ...
人工智能综述性论文_人工智能论文研读：深度学习算法与架构综述（包含详细统计表）...
综述一共26页总体内容概括本文综述了几种提高训练精度和缩短训练时间的优化方法.深入研究了最近深度网络中使用的训练算法背后的数学原理.将描述当前的缺点.增强和实现.本文还介绍了深度卷积网络.深度残差 ...
人工智能论文研读：深度学习算法与架构综述（包含详细统计表）
https://www.toutiao.com/a6687884910335623691/ 总体内容概括本文综述了几种提高训练精度和缩短训练时间的优化方法.深入研究了最近深度网络中使用的训练算法背后 ...
项目实训-关键词提取-任务理解工作分配
项目实训记录系列博客一马当先,争做国家栋梁. 博客说明本博客初衷是用于学校项目实训知识梳理.工作内容.收获感悟的记录. 若能在您的学习之路上有所帮助,不胜荣幸.但若需转载,也请注明出处. 博客包含 ...
NLP算法-关键词提取之Gensim算法库
Gensim工具包引入 Gensim简介一些基础概念 Gensim的使用方式 1. 训练语料的预处理 2.主题向量的变换 LDA模型 demo LSA/LSI 算法 LSA/LSI算法原理 LSA ...
自然语言处理NLP中文分词，词性标注，关键词提取和文本摘要
NLP相关工具包的介绍 1.1 jieba "结巴"中文分词,理念是做最好的 Python 中文分词组件. 支持三种分词模式: (1)精确模式,试图将句子最精确地切开,适合文本分析 ...
区块链相关论文研读7：通过分片（Sharding）扩展区块链
本文首发在https://zhuanlan.zhihu.com/p/89933683 这篇论文发表在顶会SIGMOD 2019上,题目为<Towards Scaling Blockchain S ...
文本处理算法_关键词提取和文本摘要算法TextRank详解及实战
关键词提取和文本摘要算法TextRank详解及实战写在前面最近一直没有更新文章,实在惭愧.伴随着小老弟的职业方向由风控转向了NLP,后面的文章也会集中在NLP领域,希望大家能够继续支持~ 导读本 ...

关键词提取-论文研读-betweenness centrality相关算法（2）