联邦学习（联邦场景下的多源知识图谱嵌入）
在实际应用中我们常常面临一系列来自不同数据持有方的知识图谱，我们将其称为多源知识图谱（Multi-Source KG）。按照数据异构程度可分为两种形式，第一种类型中各知识图谱的领域(domain)相同，比如都是来自不同银行的用户知识图谱。这些知识图谱中也可能有实体重叠(overlapped)，因为在日常生活中，一个用户很可能在不同银行都产生有相关的数据（元组）；第二种情况数据更具有异构性，各个知识图谱之间是跨领域(cross domain)的 。
推荐阅读
- tidb|一文讲清 Raft 核心（Raft 学习系列）
- 「RIA学习力」《成功，动机与目标》No.5-Nancy
- 深度学习|基于生成对抗网络结构的图像修复（GAN）
- 机器学习|从零完成深度学习手写图片分类任务
- 机器学习|从零使用GAN（生成对抗网络）进行图像生成
- 心理学习|心理学习 17/365 性器期、潜伏期和生殖期
- spring|SpringCloud学习笔记
- 【学习笔记】
- 机器学习|吴恩达机器学习（五）神经网络 2/2 —— 反向传播算法（BP-神经网络）
- 数据分析师|【机器学习】决策树案例三（利用决策树进行泰坦尼克号事故人员存活分类预测）