Rooki3Ray | Cyber Security

论文地址：https://aclanthology.org/2021.acl-long.62.pdf
代码地址：https://github.com/ytc272098215/FakeNewsDetection

From Princeton Chen Danqi，提出对比学习的sentence embedding学习框架 ，发表在EMNLP2021。

论文地址: https://arxiv.org/pdf/2104.08821.pdf
开源代码: https://github.com/princeton-nlp/SimCSE

决策树（design tree）是一种基本的分类与回归方法。 是if-then规则的集合或者定义在特征空间与类空间上的条件概率分布。

朴素贝叶斯（naive Bayes）是基于Bayes定理与特征条件独立假设的分类方法。基于特征条件独立假设学习输入输出的联合概率分布，然后基于此模型对给定输入x利用Bayes定理求出后验概率最大的输出y。

k近邻法是一种基本分类与回归方法，输入特征向量，输出类别（可以取多类）。分类时，对新实例根据其k个最近邻的训练实例的类别，通过多数表决进行预测，不具有显式的学习过程。

感知机是二分类的线性分类模型，输入特征向量，输出±1。感知机旨在求出将训练数据线性划分的超平面，属于判别模型。

重新系统学习《统计学习方法》。

论文链接：Query2Box:Reasoning Over KG in Vector Space Using Box Embeddings

主要思路是（1）将query转换为实体、关系间的逻辑运算；（2）在嵌入空间上定义逻辑运算；（3）用实体和关系的嵌入向量，通过逻辑运算得到query的嵌入向量；（4）定义距离函数，查找离query近（本文为在box中）的实体，即为推理的答案。

论文链接：Reasoning Like Human: Hierarchical Reinforcement Learning for Knowledge Graph Reasoning

拜读《Algorithms》，主要阅读了排序和查找算法。