当前位置: 首页 > news >正文

第十二周.直播.DGL-KG, LifeSci讲解

文章目录

  • 知识图谱背景
  • DGL-KE
  • LifeSci
  • 双线性系列
    • RESCAL
      • 摘要
      • 2. Modelling and Notation
      • 模型
    • DistMult
      • 摘要
      • 模型
  • ConvE
    • 为什么是2D不是1D卷积
    • 模型

本文内容整理自深度之眼《GNN核心能力培养计划》
公式输入请参考: 在线Latex公式
DGL有三个比较知名的开源库,DGL-KG, DGL-LifeSci, DGL-Recsys,最后一个还在开发状态,没有发布,今天先来讲前面两个,重点是第一个。

知识图谱背景

之前Trans系列有讲过,这里再啰嗦一下:
知识图谱常用三元组(triples)来表示,例如:(Beijing,Capital City,China)
上例中前后两个元素论文中都称为实体,中间元素称为关系,Beijing是Header,Capital City是Relation,China是Tail。从图的角度来看实体就是结点,关系就是边。
知识图谱常见应用有:
Question answering
Search
Recommender Systems
Natural language understanding
具体看这里
不展开了

DGL-KE

官网:https://dglke.dgl.ai/doc/
在这里插入图片描述
KE的意思knowledge graph embeddings.
构架图上可以看到,它支持不同硬件,后端,模型支持: TransE, TransR, RESCAL, DistMult, ComplEx, and RotatE。

LifeSci

https://lifesci.dgl.ai/
这个不是我专业稍微copy一下相关应用:
Molecular property prediction:分子结构预测
Attention visualization:可视化
Generative models:生成模型
Protein-ligand binding affinity prediction:蛋白质序列预测
Reaction prediction:(药效?)反应预测

双线性系列

RESCAL

A Three-Way Model for Collective Learning on Multi-Relational Data
ICML早期的一篇文献,因此部分专有名词的叫法以及思路和现在有所区别。

摘要

想研究啥,啥就很重要
Relational learning is becoming increasingly important in many areas of application.
直接本文做了啥(总)
Here, we present a novel approach to relational learning based on the factorization of a three-way tensor.
本文做了啥(分)
We show that unlike other tensor approaches, our method is able to perform collective learning via the latent components of the model and provide an efficient algorithm to compute the factorization.
实验怎么弄
We substantiate our theoretical considerations regarding the collective learning capabilities of our model by the means of experiments on both a new dataset and a dataset commonly used in entity resolution.
效果怎么样
Furthermore, we show on common benchmark datasets that our approach achieves better or on-par results, if compared to current state-of-the-art relational learning solutions, while it is significantly faster to compute.

2. Modelling and Notation

这里主要是用了一个three-way tensor来表示实体及实体关系:
在这里插入图片描述
上图就表示有n个实体,m种关系的three-way tensor(维度为n×n×mn\times n\times mn×n×m,和普通的三元组表示顺序不一样,要注意)。从关系的维度拆开来看就是m个关系的图的邻接矩阵。
数学表示为:
Xijk=1\mathcal{X}_{ijk}=1Xijk=1
表示第iii个实体和第jjj个实体存在第kkk种关系。不存在关系则为0。
作者还定义了几种three-way tensor的运算,例如:Xk\mathcal{X}_{k}Xk代表第
kkk种关系的切片。具体看原文。

模型

模型的核心就是:
Xk≈ARkAT,fork=1,⋯,m(1)\mathcal{X}_{k}\approx AR_kA^T,for\space k =1,\cdots,m\tag1XkARkAT,for k=1,,m(1)
从线性代数来看就是把每个关系对应的邻接矩阵进行了矩阵的分解,因为每个矩阵估计比较稀疏,可以把n维矩阵分解为k维的;
从我们神经网络的角度来看,那么这里就做线性变换,而且是两次线性变换,第一次:ARkAR_kARk,第二次:RkATR_kA^TRkAT
基于上面的公式,可转化为正则最小化问题,得最后的loss函数。

DistMult

EMBEDDING ENTITIES AND RELATIONS FOR LEARNING
AND INFERENCE IN KNOWLEDGE BASES

摘要

先开门见山说要搞啥
We consider learning representations of entities and relations in KBs using the neural-embedding approach.
现有的方法有哪些,目的是什么
We show that most existing models, including NTN (Socher et al., 2013) and TransE (Bordes et al., 2013b), can be generalized under a unified learning framework, where entities are low-dimensional vectors learned from a neural network and relations are bilinear and/or linear mapping functions.
我们咋做,主要核心是:双线性变换
Under this framework, we compare a variety of embedding models on the link prediction task. We show that a simple bilinear formulation achieves new state-of-the-art results for the task (achieving a top-10 accuracy of 73.2% vs. 54.7% by TransE on Freebase).

还做了类似逻辑规则挖掘的工作
Furthermore, we introduce a novel approach that utilizes the learned relation embeddings to mine logical rules such as BornInCityp(a,b)∧CityInCountry(b,c)⇒Nationalityp(a,c)BornInCityp(a, b)\wedge CityInCountry(b, c)\Rightarrow Nationalityp(a, c)BornInCityp(a,b)CityInCountry(b,c)Nationalityp(a,c).
原理稍微解释一下
We find that embeddings learned from the bilinear objective are particularly good at capturing relational semantics, and that the composition of relations is characterized by matrix multiplication.
效果如果
More interestingly, we demonstrate that our embedding-based rule extraction approach successfully outperforms a state-ofthe-art confidence-based rule mining approach in mining Horn rules that involve compositional reasoning.

模型

这个模型是改进了前面的RESCAL,也是双线性变换:
grb(Ye1,Ye2)=Ye1TMrYe2g_r^b(Y_{e1},Y_{e2})=Y_{e1}^TM_rY_{e2}grb(Ye1,Ye2)=Ye1TMrYe2
这里的形式和RESCAL一样,但是中间的MrM_rMr不一样,它在RESCA中没有限制,而这里则有限制:必须是对角阵。这样做最直接的变化就是参数量变少。

ConvE

这篇和前面的方法思路不一样,之前的随机游走、Trans系列,双线性变换系列的研究都是属于浅层模型的研究,表达能力有限,这篇文章就用了深层模型来解决知识图谱中的链接预测任务。
Convolutional 2D Knowledge Graph Embeddings
代码:https://github.com/TimDettmers/ConvE
摘要就不贴了。

为什么是2D不是1D卷积

2D能引入更多的交互信息,例如:
([aaa];[bbb])=[a​a​abbb]([ a\quad a\quad a ];[ b\quad b\quad b ])=[ a\quad ​a​\quad a\quad b\quad b\quad b ]([aaa];[bbb])=[aaabbb]
这里a和b可以看做head和tail实体对应的向量,这里用1D卷积核(k=3k=3k=3)得到的head和tail的交互信息和卷积核大小成正比
如果按原文的方式将head和tail向量进行拷贝堆叠(堆叠方式也有影响),再用2D进行卷积得到的交互信息更多。
这里的交互次数可以这样理解,在推荐系统里面通常是要考虑用户与商品的共现次数的,例如张三买火锅,如果能使得这个关系在数据中多次重复出现,那么就会使得张三与火锅的关系凸显非常紧密。

模型

在这里插入图片描述

ψr(es,eo)=f(vec(f([es‾;rr‾]∗ω))W)eo\psi _r(e_s,e_o)=f(vec(f([\overline{e_s};\overline{r_r}]*\omega))W)e_oψr(es,eo)=f(vec(f([es;rr]ω))W)eo
上式中,[es‾;rr‾][\overline{e_s};\overline{r_r}][es;rr]表示源实体对象和关系两个向量的二维拼接,就是上图中的concat,得到单通道的图像
∗ω*\omegaω表示卷积操作,得到上图中的Feature map
vecvecvec表示把Feature map整形为一个向量
然后使用矩阵WWW做线性变换,得到和预测目标实体对象相同维度的结果,
然后和预测目标实体对象矩阵做内积得到预测结果。
具体的维度原文有,这里就不写了。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.exyb.cn/news/show-35189.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈,一经查实,立即删除!

No qualifying bean of type ‘com.kkb.dao.*Mapper‘ available

没有查找到 *mapper对象程序报错没有查找到 mapper对象 可能造成的原因:缺少相应的注解 在SpringBoot的启动类中缺少 MapperScan SpringBootApplication MapperScan("com.yhp.dao") public class Application {public static void main(String[] args) …...

WPF 简单使用keybd_event模拟触发键盘

主要是添加Win32函数 其次是定义键盘按下&#xff0c;抬起的两个固定值。 [DllImport("User32.dll")]public static extern void keybd_event(byte bVk, byte bScan, int dwFlags, int dwExtraInfo);/// <summary>/// 按下/// </summary>const int KEY…...

java程序员日常工作内容,Java面试题及解析

目录 Kafka的基本介绍Kafka的设计原理分析Kafka数据传输的事务特点Kafka消息存储格式副本&#xff08;replication&#xff09;策略Kafka消息分组&#xff0c;消息消费原理Kafak顺序写入与数据读取消费者&#xff08;读取数据&#xff09; Kafka的基本介绍 Kafka是最初由Lin…...

常用网络数据包丢失的分析与处理

网络管理维护过程中&#xff0c;经常会遇到数据包丢失的情况。用Ping命令进行连接测试&#xff0c;会发现Ping包的延迟远远超过正常值&#xff0c;甚至无法到达&#xff0c;同时伴随着网络服务应用的障碍&#xff0c;比如打开网站的速度太慢&#xff0c;严重时甚至无法打开网页…...

2021-06-23 SpringCloud Zuul网关filter添加或修改传递的参数

场景&#xff1a;通过网关转发服务到具体的ip地址 比如网关验证accessToken&#xff0c;需要拦截访问&#xff0c;然后在url中添加参数&#xff0c;如下 //1、这个是原来的参数数据 String accessToken request.getParameter("accessToken"); //2、转换后的数据 S…...

面试笔试题

1.src和href的区别 &#xff1f; 答:src用于替代当前的元素&#xff0c;而href用于建立这个标签与外部资源之间的关系。 href 是Hypertext Reference的简写&#xff0c;表示超文本引用&#xff0c;指向网络资源所在位置。 常用场景: <a href"http://www.baidu.com&…...

MySQL下载及配置过程

MySQL下载及配置过程 下载&#xff08;Windows&#xff09; 下载地址 https://dev.mysql.com/downloads/mysql/ 进入后的界面&#xff0c;点击Download下载。 点击Download进入此界面&#xff0c;点击标注的地方直接下载。 配置 这里只介绍 .zip 格式。 .zip格式不需要…...

DQL查询数据(最重点)

4、DQL查询数据&#xff08;最重点&#xff09; 4.1、DQL &#xff08;Data query Language&#xff1a;数据查询语言&#xff09; 所有的查询操作都用它 Select简单的查询&#xff0c;复杂的查询它都能做数据库中最核心的语言&#xff0c;最重要的语句使用频率最高的语句 …...

Redis之三种特殊数据类型

该笔记大部分搬运B站遇见狂神说的Redis&#xff0c;顺便把图文合并记录&#xff0c;便于回顾&#xff0c;仅用于学习&#xff01; 视频地址&#xff1a;https://www.bilibili.com/video/BV1S54y1R7SB?t250 作者真的非常好&#xff0c;记得三连 如有侵权&#xff0c;请联系删除…...

面向对象 实验4

实验四 对象作为数据成员 1 实验目的 学习对象作为类的数据成员的使用方法&#xff0c;学习对象数据成员的初始化以及“成员初始化器”的使用方法。 2 实验内容 2.1 使用Date类&#xff0c;定义Employee类 问题描述 在《实验三 面向对象初步》中&#xff0c;设计了日期类…...

闭关5个月,终于把这篇阿里P8大牛的数据结构与算法领悟明白!!以入阿里!!

数据结构是计算机科学与技术专业非常重要的-一门核心基础课&#xff0c;计算机科学各个领域及各种应用软件都要使用相关的数据结构和算法。 经历过校招的人都知道&#xff0c;算法和数据结构都是不可避免的。像拼多多、头条这种大公司&#xff0c;上来就来几道算法题&#xff…...

安卓按键响应的方式

一、在xml中设置按键的onClick绑定的函数 在页面显示两个按钮,用onClick 绑定buttonBeClicked函数&#xff0c;该函数在MainActivity.java中实现。 activity.main.xml: <RelativeLayout xmlns:android"http://schemas.android.com/apk/res/android"xmlns:tools…...

实战篇:sdram+fifo调试

本片主要总结SDRAM的FIFO优化仿真中出现的问题及解析。 针对下图的疑问点&#xff1a; 1.图中第一处&#xff0c;SDRAM的数据线在写FIFO往SDRAM写的过程中位高阻态&#xff0c;但实际应该是wr_data才对。为何&#xff1f; 在代码中&#xff0c;关于DQ以及ADDR的PIN定义没有位…...

组队学习:学习者参考手册

学习者参考手册 作为希望参与组队学习活动的学习者&#xff0c;一定想了解有关本次活动的各种环节。我就通过这份手册来给大家介绍一下。 本手册一共分为四个部分&#xff0c;分别是活动角色划分&#xff0c;活动流程介绍、打卡环节介绍、角色职责介绍。 1. 大航海模型 航路…...

2021-07-9 unity学习笔记(25)之插件Dialogue System for Unity的使用注意事项

2021-07-9 unity学习笔记(25)之插件Dialogue System for Unity的使用注意事项 要在玩家身上挂selector组件&#xff0c;在需要对话的对象上挂usable组件&#xff0c;usable组件中的max use distance要设置到能让鼠标射线检测到得范围&#xff0c;同时要在对话的对象上挂碰撞器…...

ubuntu20 ros darknet 安装记录

1. 代码下载 代码Github主页&#xff1a;https://github.com/leggedrobotics/darknet_ros 下载命令&#xff1a; mkdir -p catkin_workspace/srccd catkin_workspace/srcgit clone --recursive gitgithub.com:leggedrobotics/darknet_ros.gitcd ../不知道怎么git clone的朋友可…...

Jmeter接口测试提取token值为全局变量

jmeter接口测试提取token值为全局变量有两种常用方法&#xff1a;正则表达式提取器、JSON提取器。 PS:例如返回数据如下&#xff0c;下面的操作都根据此次返回数据进行&#xff1a; {data{"file1": "value1","file2": "value2","…...

vue 集成腾讯地图基础api Demo集合

vue 集成腾讯地图基础api Demo集合(基础地图引入与展示模块,地址逆解析&#xff0c;3D/2D切换 &#xff0c;位置服务&#xff0c;mark标记) 写作背景 官方网站的demo大部分都是原生js&#xff0c;较基础&#xff0c;很多高级Api分布比较分散&#xff0c;为了有利于开发者查找…...

error C249: ‘DATA‘: SEGMENT TOO LARGE

今天碰到这个问题&#xff0c;浪费挺长时间的&#xff0c;做个笔记提供一种解决方法&#xff1a;error C249: ‘DATA’: SEGMENT TOO LARGE 编译的时候出现这个错误 需要将【魔术棒】中【Target】项中【Memory Model】&#xff0c;由small&#xff1a;xxxx改成Large&#xff1…...

用VPN访问公司内网

用VPN访问公司内网 VPN的作用是&#xff1a;能够让移动员工、远程员工、商务合作伙伴和其他人利用本地可用的高速宽带网连接到企业网络&#xff0c;不再受地域的限制。VPN可以建立可信的安全连接&#xff0c;并保证数据的安全传输。 VPN的理解&#xff1f; 比如一个公司员工…...

为什么建立连接是三次握手,而关闭连接却是四次挥手呢?

这是因为服务端在LISTEN状态下&#xff0c;收到建立连接请求的SYN报文后&#xff0c;把ACK和SYN放在一个报文里发送给客户端。 而关闭连接时&#xff0c;当收到对方的FIN报文时&#xff0c;仅仅表示对方不再发送数据了但是还能接收数据&#xff0c;己方是否现在关闭发送数据通…...

get_calib_data_observ_points算子说明

算子作用&#xff1a;从标定板中读取圆心数据 函数声明&#xff1a; get_calib_data_observ_points( : : CalibDataID, CameraIdx, CalibObjIdx, CalibObjPoseIdx : Row, Column, Index, Pose)参数说明&#xff1a; CalibDataID&#xff0c;标定参数模型句柄CameraIdx&#…...

NC66 两个链表的第一个公共结点

描述 输入两个无环的单链表&#xff0c;找出它们的第一个公共结点。&#xff08;注意因为传入数据是链表&#xff0c;所以错误测试数据的提示是用其他方式显示的&#xff0c;保证传入数据是正确的&#xff09; 示例1 输入&#xff1a; {1,2,3},{4,5},{6,7} 复制返回值&…...

PyScreeze 基本使用(1)

PyScreeze 基本使用&#xff08;1&#xff09; PyScreeze屏幕截图 PyScreeze是Python 2和3的一个简单的跨平台屏幕截图模块。 关于 PyScreeze可以拍摄截图&#xff0c;将它们保存到文件中&#xff0c;并在屏幕中定位图像。这是有用的&#xff0c;如果你有一个小的图像&#x…...

ABB喷涂机器人吹扫系统的主要作用

ABB喷涂机器人吹扫系统主要作用是什么 两个字&#xff1a;防爆&#xff01; ABB喷涂 何处简单爆&#xff1f; 如下喷涂机械臂部位 ABB机器人 那么防爆是什么原理 通过吹扫系统不断向机械臂内部输入气体&#xff08;压力可控&#xff09;使机械手内部形成稳定的安全过压环…...

SQL 之共同使用ip用户检测问题【自关联问题】-HQL面试题48【拼多多面试题】

目录 0 问题描述 1 数据分析 2 小结 0 问题描述 1 数据分析 (1)数据准备 create table log (uid string,ip string,time string )row format delimited fields terminated by \t;insert into log values (a, 124, 2019-08-07 12:0:0), (a, 124, 2019-08-07 13:0:0), (b, 1…...

JSP的Cookie与Session

一、Cookie与Session区别 CookieSession内置对象否是保存位置客户端服务器安全性较不安全较安全保存内容格式StringObject 有效范围 单个浏览器所属 写在JSP中&#xff0c;将会所有浏览器共享 同一浏览器不同页面共享 二、基本使用 1.Cookie 存储在本地&#xff0c;由浏览器…...

spring-cloud-kubernetes-feign实战

关于spring-cloud-kubernetes spring-cloud-kubernetes是springcloud官方推出的开源项目&#xff0c;用于将Spring Cloud和Spring Boot应用运行在kubernetes环境&#xff0c;并且提供了通用的接口来调用kubernetes服务&#xff0c;主要提供了应用程序使用k8s本身功能&#xff…...

Nacos心跳时间配置及服务快速上下线

Nacos心跳时间配置及服务快速上下线 Nacos默认心跳时间是30秒&#xff0c;不太满足正式环境需要&#xff0c;需要调整心跳时间更短&#xff0c;让线上服务上下线能快速感知. 1.修改微服务的nacos的心跳配置时间 preserved.heart.beat.interval: 1000 #该实例在客户端上报心跳…...

Python编程进阶 关于变量引用这点事

文章目录一、变量的引用1、 引用的概念2、变量引用的示例3、函数的参数和返回值的传递二、可变和不可变类型1、分类2、不可变类型3、可变类型4、哈希 hash三、局部变量和全局变量1、 局部变量&#xff08;1&#xff09;局部变量的作用&#xff08;2&#xff09;局部变量的生命周…...

html在线转换swf,iPixSoft SWF to HTML5 Converter(swf转html5工具)官方版

iPixSoftSWFtoHTML5Converter是一款能够帮助我们对视频进行快速转换和管理的工具&#xff0c;通过此软件能够帮助我们将swf转换为H5&#xff0c;现在很多视频都可以制作为H5模式&#xff0c;方便将视频添加到网页上使用&#xff0c;如果你需要将本地拍摄的视频保存为H5&#xf…...

小样本关系分类(原型学习):Better Few-Shot Relation Extraction with Label Prompt Dropout

Better Few-Shot Relation Extraction with Label Prompt Dropout core idea 在小样本关系分类中&#xff0c;prompt信息是relation name是信息&#xff0c;这篇文章为了保持train和test的一致性&#xff0c;将train中的一些relation name信息删除掉了。&#xff08;相反&…...

[附源码]SSM计算机毕业设计学生宿舍管理系统JAVA

项目运行 环境配置&#xff1a; Jdk1.8 Tomcat7.0 Mysql HBuilderX&#xff08;Webstorm也行&#xff09; Eclispe&#xff08;IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持&#xff09;。 项目技术&#xff1a; SSM mybatis Maven Vue 等等组成&#xff0c;B/S模式 M…...

自学前端Day6(圆角边框、浮动、布局思路、几个练习)

只要没指定宽度padding就不会撑大盒子&#xff01;&#xff01;&#xff01; 先来个小练习复习一下&#xff1a; <style>* {margin: 0;padding: 0;}.box {width: 248px;height: 163px;border: 1px solid #ccc;margin: 100px auto;}.box h3 {height: 32px;font-weight:…...

CSS相关

CSS相关1、前言2、前端三大板块的关系3、CSS3.1、CSS概念3.2、CSS的优点3.3、CSS基础语法3.4、CSS样式引用3.4.1、行内样式3.4.2、内部样式表&#xff08;嵌入样式&#xff09;3.4.3、外部样式表&#xff08;外联样式&#xff09;3.4.4、导入式3.4.5、小结3.4.6、样式的优先级3…...

白帽SQL注入实战过程记录(2)——根据information_schema组装SQL注入语句

目录 接上一篇内容 写在前面 信息汇总 漏洞汇总: 数据库信息: 利用inf...

米斯特白帽培训讲义 实战篇 WordPress

米斯特白帽培训讲义 实战篇 WordPress 讲师&#xff1a;gh0stkey 整理&#xff1a;飞龙 协议&#xff1a;CC BY-NC-SA 4.0 目标是http://hzwer.com。 首先有学员社到了他的个人信息和老密码&#xff1a; 然后我们利用www.caimima.net这个网站来生成字典。 我们在“姓名简拼”…...

一个新公众号怎么吸粉?教你几招

都说万事开头难&#xff0c;但我不觉得啊&#xff0c;关键是要找对方法&#xff01; 企业和品牌创建初期都会经历公众号启动期&#xff0c;一个新公众号必将会经历艰难的涨粉阶段。 想必下面这两种情况你也深有体会&#xff1a; 即使每天坚持更新&#xff0c;但是后台文章阅读…...

米斯特白帽培训讲义 漏洞篇 弱口令、爆破、遍历

米斯特白帽培训讲义 漏洞篇 弱口令、爆破、遍历 讲师&#xff1a;gh0stkey 整理&#xff1a;飞龙 协议&#xff1a;CC BY-NC-SA 4.0 成因 弱口令没有严格和准确的定义&#xff0c;通常认为容易被别人&#xff08;它们有可能对你很了解&#xff09;猜测或被破解工具破解的口令均…...

米斯特白帽培训讲义(v2)信息收集

米斯特白帽培训讲义 信息收集 讲师&#xff1a;gh0stkey 整理&#xff1a;飞龙 协议&#xff1a;CC BY-NC-SA 4.0 收集什么&#xff1f; Whois信息 注册人名字、邮箱等IP信息&#xff08;服务器的IP&#xff09; 判断是否为CDN节点&#xff0c;查询同IP网站&#xff0c;端口…...

米斯特白帽培训讲义 漏洞篇 文件包含

米斯特白帽培训讲义 漏洞篇 文件包含 讲师&#xff1a;gh0stkey 整理&#xff1a;飞龙 协议&#xff1a;CC BY-NC-SA 4.0 原理 文件包含就是将一个文件包含到自己的文件中执行。它可分为本地包含和远程包含&#xff0c;本地包含即包含本地磁盘上的文件&#xff0c;文件名称是相…...

【树莓派】刷机、基础配置及多种方式登录

目录一、树莓派刷机二、树莓派登录1、HDMI线连接显示器登录2、串口方式登录&#xff08;1&#xff09;USB-TTL模块连接树莓派串口&#xff08;2&#xff09;修改系统配置&#xff0c;启用串口&#xff08;3&#xff09;用secureCRT登录树莓派3、网络方式登录&#xff08;1&…...

HTML(超详细)(图+文)

HTML基础网页&#xff0c;浏览器&#xff0c;web标准HTML语法规范和基本结构标签!DOCTYPE&#xff0c;lang标签和字符集作用HTML常用标签HTML注释和特殊字符表格标签列表标签表单标签网页&#xff0c;浏览器&#xff0c;web标准 一&#xff1a;网页 网页是图片&#xff0c;链…...

html写流星雨(完整代码)

码仙励志 人生不可能总是顺心如意&#xff0c;但持续朝着阳光走&#xff0c;影子就会躲在后面&#xff0c;刺眼&#xff0c;却是对的方向 <!doctype html> <html><head><meta charset"utf-8" /><title>流星雨</title><meta…...

利用echarts实现心形图片排列效果

内容简介 前几天看到一篇文章&#xff0c;利用echarts来实现气泡龙的效果&#xff0c;觉得可以从这个例子衍生出使用不同背景图来实现不同排版的效果&#xff1b;本文介绍利用该思路实现心形图片的排列效果。 实现过程 实现思路分析&#xff1a; 1、绘制本地图片到画布&#xf…...

matlab 画心形图片

二维心形和三维心形...

前端“心形”打分-五星评分-利用图片定位显示心形

第一步&#xff1a;body内基本样式 <ul id"ul1" > <li class"default"> </li> <li class"default"> </li> <li class"default"> </li> <li class"default"&…...

世界杯winner只属于你——MESSI

其实现在大脑中还在回忆着那一脚精彩的进球。 看官方怎么说的&#xff1a; 北京时间11月27日凌晨3点&#xff0c;世界杯C组第2轮&#xff0c;阿根廷2-0战胜墨西哥。 梅西在11月27日用1进球1助攻&#xff0c;上帝降临&#xff0c;拯救阿根廷。特别是那个进球&#xff0c;直接让…...

html5编写心形边框放图片,CSS3心型形状边框

csshtml {height: 100%;}body {background-color: mistyrose;font-family: Montez, cursive;}#container {width: 1000px;height: 500px;margin: 0 auto;}span {color: transparent;}#left {float: left;height: 500px;width: 500px;shape-outside: polygon(51.33% 12px, 100....

Android自定义View之三角,五角星,圆形,心形图片实现

转载请标明出处&#xff1a;http://blog.csdn.NET/joker_ya/article/details/38589677 好吧&#xff0c;写之前扯扯。如果是大神的话&#xff0c;可以忽略此文档。有兴趣的话也可以看看。这是本人的第一篇技术博客吧&#xff08;话说也谈不上是什么特别的技术&#xff09;&…...