简单好用的个人图书管理系统；开源啦！北大NLP新手教程;『Rust命令行编程指南』随书代码；源代码结构可视化工具 | ShowMeAI资讯日报

语言: CN / TW / HK
时间 2022-09-29 17:15:18

👀日报合辑 | 📆电子月刊 | 🔔公众号下载资料 | 🍩@韩信子

工具&框架

🚧 『Emerge』源码分析和依赖可视化工具

https://github.com/glato/emerge

Emerge（或emerge-viz）是一个代码分析工具，它可以分析源代码结构、度量、依赖关系和软件项目复杂性。你可以用它来扫描一个项目的源代码，计算度量结果和统计数据，将源代码映射到图形结构（如依赖关系图或文件系统图），以其他文件格式导出结果，甚至创建一个交互式网络应用程序来进一步探索。

Emerge主要用 Python 3 编写，并在 MacOS、Linux和各种浏览器（Safari、Chrome、Firefox、Edge）上测试通过。目前支持以下语言：C、C++、Groovy、Java、JavaScript、TypeScript、Kotlin、ObjC、Ruby、Swift、Python。

🚧 『Tale Book: My Calibre WebServer』简单好用的个人图书管理系统

https://github.com/talebook/talebook

https://www.talebook.org/

Tale Book 是一个基于Calibre的简单的个人图书管理系统，具备书籍管理、在线阅读与推送、用户管理、SSO登录、从百度/豆瓣拉取书籍信息等功能。

Tale Book 开源项目具备诸多优势：界面美观、支持多用户、支持在线阅读、支持批量扫描导入书籍、支持邮件推送、支持OPDS、支持一键安装、支持快捷更新书籍信息、支持私人模式等。

🚧 『PyTorch Metric Learning』PyTorch 深度度量学习库

https://github.com/KevinMusgrave/pytorch-metric-learning

https://kevinmusgrave.github.io/pytorch-metric-learning/

PyTorch Metric Learning 是一个帮助大家方便使用深度计量学习的工具库。具备模块化、灵活、可扩展的特点，由 PyTorch 编写完成。它包含9个模块，每个模块都可以在你现有的代码库中独立使用，或者结合在一起，形成一个完整的训练/测试工作流程。

🚧 『VITS + BigVGAN + SpanPSP 中文TTS』基于 PyTorch 的 VITS-BigVGAN 的 TTS 中文模型

https://github.com/Zz-ww/VITS-BigVGAN-SpanPSP-Chinese

该项目实现 VITS + BigVGAN 端到端的中文 TTS 模型，推理阶段加入中文韵律预测模型，实现的带韵律预测的中文 TTS 模型。

🚧 『JSON structural diff』JSON文件结构化diff工具

https://github.com/andreyvit/json-diff

JSON structural diff 是一个对 json 数据进行比对差异化的工具，简单易用。

博文&分享

👍 『Command-Line Rust』Rust 命令行编程指南·随书代码

https://github.com/kyclark/command-line-rust

这是 Ken Youens-Clark 撰写的 O'Reilly 的『Command-Line Rust』书对应的代码集。

连续几年来，Rust在Stack Overflow的年度开发者调查中被评为『最受喜爱的编程语言』。这种开源的系统编程语言现在被用于从游戏引擎和操作系统到浏览器组件和虚拟现实模拟引擎的所有方面。但是，Rust也是一种极其复杂的语言，其学习难度是众所周知的。

本指南没有把重点放在整个语言上，而是在每一章用一个小的、完整的、有重点的程序示例来教Rust。作者Ken Youens-Clark向你展示了如何开始、编写和测试每一个程序以创建一个成品。你将学习如何处理Rust中的错误，读写文件，以及使用正则表达式、Rust类型、结构等等。

👍 『PKU TANGENT NLP Tutorial』北大 NLP 新手入门教程

https://github.com/PKU-TANGENT/nlp-tutorial

这是北京大学 TANGENT 实验室（Text ANalysis and GENeration Technology Group at Peking University）的一份 NLP 教程，提供了一条学习&实践路径，并有对应的资料链接。教程包含三大部分：

  • 1）基础知识
    • 机器学习
    • 深度学习
    • 自然语言处理
  • 2）文献阅读
    • Google Scholar
    • 会议论文
    • 前沿进展
    • 工具
  • 3）动手实践
    • 任务一：基于深度学习的文本分类
    • 任务二：基于 LSTM-CRF 的命名实体识别
    • 任务三：Neural Machine Translation (NMT)
    • 任务四：Transformer & PLM

数据&资源

🔥 『Awesome Fluid Dynamics』流体动力学相关资源列表

https://github.com/lento234/awesome-fluid-dynamics

https://manickathan.ch/awesome-fluid-dynamics/

列表包含以下主题：

  • Meshing / 网格划分
  • Computational Fluid Dynamics / 计算流体力学
  • Experimental Fluid Dynamics / 实验性流体动力学
  • Post-processing and Data Analysis / 后处理和数据分析
  • Visualization / 视觉化
  • Benchmarks and Datasets / 基准和数据集
  • Reproducibility / 可重复性

🔥 『Awesome Inpainting Tech』图像补全相关文献资源列表

https://github.com/zengyh1900/Awesome-Image-Inpainting

列表包含以下主题：

  • Image Inpainting / 图像补全
    • Classical methods (Non-learning based) / 经典方法
    • Deep Architectures (Learning Based) / 深度架构
  • Video Inpainting / 视频补全
    • Classical methods (Non-learning based) / 经典方法
    • Deep Architectures (Learning Based) / 深度架构
  • Challenge / 挑战

研究&论文

公众号后台回复关键字 日报，免费获取整理好的论文合辑。

科研进展

  • 2022.09.01 『模板匹配』 AccoMontage2: A Complete Harmonization and Accompaniment Arrangement System
  • 2022.09.02 『基因组学』 genomepy: genes and genomes at your fingertips
  • 2022.08.16 『自然语言处理』 Mask and Reason: Pre-Training Knowledge Graph Transformers for Complex Logical Queries

⚡ 论文：AccoMontage2: A Complete Harmonization and Accompaniment Arrangement System

论文时间：1 Sep 2022

领域任务：Template Matching，模板匹配

论文地址：https://arxiv.org/abs/2209.00353

代码实现：https://github.com/billyblu2000/accomontage2

论文作者：Li Yi, Haochen Hu, Jingwei Zhao, Gus Xia

论文简介：We propose AccoMontage2, a system capable of doing full-length song harmonization and accompaniment arrangement based on a lead melody./我们提出了AccoMontage2，一个能够在主旋律的基础上进行全曲和声和伴奏编排的系统。

论文摘要：我们提出了AccoMontage2，一个能够根据主旋律进行全曲和声和伴奏编曲的系统。继AccoMontage之后，本研究的重点是生成流行/民谣歌曲的钢琴编曲，并采用了基于模板的通用检索方法。本研究的创新之处在于两个方面。首先，我们发明了一个和声模块（AccoMontage没有这个模块）。这个模块通过优化和平衡三个损失项来生成结构化和连贯的全长和弦进展：微观层面的音符不和谐损失，中观层面的乐句模板匹配损失，以及宏观层面的全曲连贯性损失。第二，我们开发了一个图形用户界面，允许用户选择不同风格的和弦进展和钢琴纹理。目前，和弦进展风格包括流行、R&B和黑暗，而钢琴纹理风格包括几个级别的声音密度和节奏的复杂性。实验结果表明，我们的和声和编曲结果都大大超过了基线的表现。最后，我们将AccoMontage2作为一个在线应用程序发布，并将有组织的和弦行进模板作为一个公共数据集。

⚡ 论文：genomepy: genes and genomes at your fingertips

论文时间：2 Sep 2022

领域任务：Genomics, 基因组学

论文地址：https://arxiv.org/abs/2209.00842

代码实现：https://github.com/vanheeringen-lab/genomepy

论文作者：Siebren Frölich, Maarten van der Sande, Tilman Schäfers, Simon J. van Heeringen

论文简介：Analyzing a functional genomics experiment, such as ATAC-, ChIP- or RNA-sequencing, requires reference data including a genome assembly and gene annotation./分析功能基因组学实验，如ATAC-、ChIP-或RNA测序，需要包括基因组组装和基因注释的参考数据。

论文摘要：分析功能基因组学实验，如ATAC-、ChIP-或RNA测序，需要包括基因组组装和基因注释的参考数据。这些资源通常可以从不同的组织和不同的版本中检索到。大多数生物信息学工作流程要求用户手动提供这些基因组数据，这可能是一个繁琐和容易出错的过程。这里我们介绍genomepy，它可以为你的分析搜索、下载和预处理正确的基因组数据。Genomepy可以搜索NCBI、Ensembl、UCSC和GENCODE上的基因组数据，并比较可用的基因注释，以便做出明智的决定。选定的基因组和基因注释可以被下载，并以合理但可控的默认值进行预处理。额外的支持数据可以自动生成或下载，如对齐器索引、基因组元数据和黑名单。Genomepy开源在 https://github.com/vanheeringen-lab/genomepy 可通过pip或bioconda安装。

⚡ 论文：Mask and Reason: Pre-Training Knowledge Graph Transformers for Complex Logical Queries

论文时间：16 Aug 2022

领域任务：自然语言处理

论文地址：https://arxiv.org/abs/2208.07638

代码实现：https://github.com/thudm/kgtransformer

论文作者：Xiao Liu, Shiyu Zhao, Kai Su, Yukuo Cen, Jiezhong Qiu, Mengdi Zhang, Wei Wu, Yuxiao Dong, Jie Tang

论文简介：In this work, we present the Knowledge Graph Transformer (kgTransformer) with masked pre-training and fine-tuning strategies./在这项工作中，我们提出了知识图谱转化器（kgTransformer），该转化器具有屏蔽式预训练和微调策略。

论文摘要：知识图（KG）嵌入一直是对不完整KG进行推理的主流方法。然而，受限于其固有的浅层和静态架构，它们很难处理日益受到关注的复杂逻辑查询，其中包括逻辑运算符、归属边、多个源实体和未知中间实体。在这项工作中，我们提出了知识图谱转化器（kgTransformer），该转化器具有屏蔽式预训练和微调策略。我们设计了一个KG三重转换方法，使Transformer能够处理KG，并通过Mixture-of-Experts（MoE）稀疏激活进一步加强。然后，我们将复杂的逻辑查询制定为掩码预测，并引入两阶段的掩码预训练策略，以提高可转移性和可推广性。在两个基准上的广泛实验表明，kgTransformer在九个领域内和领域外的推理任务上可以持续地超过基于KG嵌入的基线和高级编码器。此外，kgTransformer可以通过提供完整的推理路径来解释给定的答案，从而实现可解释性推理。

我们是 ShowMeAI，致力于传播AI优质内容，分享行业解决方案，用知识加速每一次技术成长！

◉ 点击 日报合辑，在公众号内订阅话题 #ShowMeAI资讯日报，可接收每日最新推送。

◉ 点击 电子月刊，快速浏览月度合辑。

「其他文章」
「」
「」