- 博客(10)
- 收藏
- 关注
RSS订阅原创 数据封装和私有属性（二）
`user.__birthday` 尝试直接访问私有属性，但这会导致AttributeError，因为私有属性被改名为 `_User__birthday`。- `__birthday` 是一个私有属性，通过双下划线进行了名称修饰，实际上在内部被改名为 `_User__birthday`。- 该类表示一个用户，具有一个私有属性 `__birthday`，它是一个 `Date` 类的实例。- `user.get_age()` 利用公共方法 `get_age` 访问私有属性并计算用户年龄。
2023-11-15 20:13:47
24
原创 数据封装和私有属性
在Python中，当你在类中使用双下划线作为前缀时，Python会自动将属性名变形，以避免与子类中的同名属性发生冲突。这个过程是自动的，它在解释器级别进行，而不是在代码中显式声明。当你在子类中创建一个与父类相同名字的私有属性时，Python会自动修改这个属性的实际名称，以防止冲突。名称修饰（Name Mangling）的目的是在父类和子类中避免命名冲突，特别是当它们都使用双下划线作为前缀时。这样做的目的是确保在子类中定义的私有属性不会意外地覆盖父类中的同名私有属性，从而保护了父类的实现不受子类的影响。
2023-11-15 09:06:21
26
原创 类方法、静态方法、实例方法
如果传递的参数是2018-12-31呢？最好的方式是什么样的？上述代码采用的是硬编码的方式，这点不是很友好，那有没有更好的解决方法？这里就引入了静态方法，下面展示了静态方法的全部过程。当上述代码用在时间字符串判断的就可以使用静态方法了。那么静态方法和类方法的区别在哪里？讲上面的方法，修改为静态方法。
2023-11-13 21:01:56
23
原创 4-2深入类和对象 isinstance和type的区别
用于检查对象是否是某个类或其子类的实例，而。更适合处理多态性和继承关系，而。用于获取对象的确切类型。更适合确定对象的精确类型。
2023-10-11 14:06:03
66
原创 4-2 深入类和对象-- 抽象基类（abc模块）
"如果您在代码中有其他方法来确保所有相关类都实现了相同的接口" 时，我是指在某些情况下，您可以使用其他编码实践或文档来确保各个类都按照预期实现了相同的接口。另外，当我说 "或者您不需要强制这种一致性" 时，我是指如果您的代码结构和需求不要求所有相关类都必须实现相同的接口，那么您也可以省略抽象基类。在某些情况下，不同的类可能具有不同的行为，而不需要强制它们具有相同的方法。通过定义抽象基类，我们可以确保子类实现了特定的方法，同时也提供了一种良好的结构来管理我们的代码。现在，让我们创建一些具体的形状类，比如。
2023-10-07 11:10:15
23
原创 4-1深入类和对象--鸭子类型和多态
鸭子类型是一种动态类型的编程风格，它强调了对象的行为（方法和属性）而不是其类型。就像是，如果它看起来像一只鸭子，叫起来像一只鸭子，那么它就是一只鸭子。在Python中，这意味着我们关注对象是否有我们需要的方法或属性，而不是关注对象的具体类型。总之，鸭子类型和多态是Python中的重要概念，它们允许我们编写灵活且可扩展的代码，而不需要过多地关注对象的具体类型。函数的对象具体是哪种类，只要它们有合适的方法，就可以正常工作。在这个示例中，我们有三个不同的类：Dog、Cat和Duck，然后，我们定义了一个名为。
2023-10-07 10:39:30
27
原创 A2N: Attending to Neighbors for Knowledge Graph Inference(关注邻域进行知识图推理)
提出了一种新的基于注意的方法来学习实体的查询相关表示，该方法自适应地组合实体的相关图邻域，从而实现更精确的KG完成KG完成的任务要求从观察到的图形和表示为预测一个给定源实体和关系的查询的目标实体的推断缺失的实体关系，即完成元组（e，r，？）,KG补全的大多数最先进方法学习实体和关系的向量嵌入,将其与（可能参数化的）评分函数结合使用，该评分函数对图中的每个元组进行评分。对这些嵌入进行了优化，使得观察到的图元组的得分高于随机元组。虽然这些模型取得了良好的性能，但它们学习了每个实体的固定维嵌入，这要求该嵌入必
2021-08-09 08:20:42
413
原创 A Semantics-aware Transformer Model of Relation Linkingfor Knowledge Base Question Answering
关系链接的语义感知转换器模型知识库问答关系链接是一个重要的组成部分知识库问答系统。 现有系统使用多种启发式，或多个系统的集合，严重依赖表面问题文本。然而，显式语义解析问题是未被利用的关系信息的丰富来源。 我们提出了一个简单的基于transformer的神经模型用于利用句子的 AMR 语义解析的关系链接。 我们的系统在 4流行的基准数据集。 这些是基于在 DBpedia 或 Wikidata 上，展示我们的方法在 KG 中是有效的。我们提出了 SemReL； 一个关系链接的语义感知神经模型。Se.
2021-08-07 13:07:23
287
翻译 Dynamic Anticipation and Completion for Multi-Hop Reasoning over Sparse Knowledge Graph
在稀疏知识图谱上进行动态预测/完备的多跳推理多跳推理已被广泛研究,近年来寻求一种有效且可解释的知识图谱（KG）补全方法。以前的大多数推理方法是为实体之间具有足够路径的密集 KG 设计的，但在那些仅包含用于推理的稀疏路径的稀疏 KG 上效果不佳。一方面，稀疏的 KGs 包含的信息较少，这使得模型难以选择正确的路径。另一方面，缺乏指向目标实体的证据路径也使推理过程变得困难。为了解决这些问题，我们通过应用新颖的动态预测和完成策略，提出了一种名为 DacKGR 的稀疏 KG 多跳推理模型：（1）预测策略利用
2021-08-07 12:37:48
639
翻译 Question Answering Over Temporal Knowledge Graphs-(时间知识图谱上的问答)
摘要时间知识图（Temporal KGs）通过在 KG 的每个边上提供时间范围（例如，开始和结束时间）来扩展常规知识图。虽然 KG 上的问答 (KGQA) 受到了研究界的一些关注，但 Temporal KG 上的 QA (Temporal KGQA) 是一个相对未开发的领域。缺乏广泛覆盖的数据集是限制该领域进展的另一个因素。缺乏广泛覆盖的数据集是限制该领域进展的另一个因素。 我们通过提供已知最大的时间 KGQA 数据集 CRONQUESTIONS 来应对这一挑战，层次分明,结构复杂.CRONQUESTI
2021-08-06 17:30:21
1523
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人