日报合辑 | 电子月刊 | 大众号下载材料 | @韩信子

东西&结构

『Emerge』源码剖析和依赖可视化东西

github.com/glato/emerg…

Emerge（或emerge-viz）是一个代码剖析东西，它能够剖析源代码结构、衡量、依赖联系和软件项目杂乱性。你能够用它来扫描一个项目的源代码，计算衡量结果和统计数据，将源代码映射到图形结构（如依赖联系图或文件体系图），以其他文件格局导出结果，乃至创建一个交互式网络应用程序来进一步探究。

Emerge主要用 Python 3 编写，并在 MacOS、Linux和各种阅读器（Safari、Chrome、Firefox、Edge）上测验经过。目前支撑以下言语：C、C++、Groovy、Java、JavaScript、TypeScript、Kotlin、ObjC、Ruby、Swift、Python。

『Tale Book: My Calibre WebServer』简略好用的个人图书办理体系

github.com/talebook/ta…

www.talebook.org/

Tale Book 是一个依据Calibre的简略的个人图书办理体系，具有书本办理、在线阅览与推送、用户办理、SSO登录、从百度/豆瓣拉取书本信息等功能。

Tale Book 开源项目具有诸多优势：界面漂亮、支撑多用户、支撑在线阅览、支撑批量扫描导入书本、支撑邮件推送、支撑OPDS、支撑一键装置、支撑快捷更新书本信息、支撑私家形式等。

『PyTorch Metric Learning』PyTorch 深度衡量学习库

github.com/KevinMusgra…

kevinmusgrave.github.io/pytorch-met…

PyTorch Metric Learning 是一个协助大家方便运用深度计量学习的东西库。具有模块化、灵活、可扩展的特点，由 PyTorch 编写完结。它包含9个模块，每个模块都能够在你现有的代码库中独立运用，或者结合在一起，形成一个完好的练习/测验作业流程。

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

github.com/Zz-ww/VITS-…

该项目完成 VITS + BigVGAN 端到端的中文 TTS 模型，推理阶段加入中文韵律猜测模型，完成的带韵律猜测的中文 TTS 模型。

『JSON structural diff』JSON文件结构化diff东西

github.com/andreyvit/j…

JSON structural diff 是一个对 json 数据进行比对差异化的东西，简略易用。

博文&共享

『Command-Line Rust』Rust 命令行编程指南随书代码

github.com/kyclark/com…

这是 Ken Youens-Clark 编撰的 O’Reilly 的『Command-Line Rust』书对应的代码集。

接连几年来，Rust在Stack Overflow的年度开发者查询中被评为『最受喜欢的编程言语』。这种开源的体系编程言语现在被用于从游戏引擎和操作体系到阅读器组件和虚拟现实模拟引擎的所有方面。但是，Rust也是一种极端杂乱的言语，其学习难度是众所周知的。

本指南没有把要点放在整个言语上，而是在每一章用一个小的、完好的、有要点的程序示例来教Rust。作者Ken Youens-Clark向你展现了怎么开始、编写和测验每一个程序以创建一个成品。你将学习怎么处理Rust中的错误，读写文件，以及运用正则表达式、Rust类型、结构等等。

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

github.com/PKU-TANGENT…

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

• 1）基础常识
  • 机器学习
  • 深度学习
  • 自然言语处理
• 2）文献阅览
  • Google Scholar
  • 会议论文
  • 前沿发展
  • 东西
• 3）动手实践
  • 使命一：依据深度学习的文本分类
  • 使命二：依据 LSTM-CRF 的命名实体识别
  • 使命三：Neural Machine Translation (NMT)
  • 使命四：Transformer & PLM

数据&资源

『Awesome Fluid Dynamics』流体动力学相关资源列表

github.com/lento234/aw…

manickathan.ch/awesome-flu…

列表包含以下主题：

• Meshing / 网格区分
• Computational Fluid Dynamics / 计算流体力学
• Experimental Fluid Dynamics / 试验性流体动力学
• Post-processing and Data Analysis / 后处理和数据剖析
• 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

github.com/zengyh1900/…

列表包含以下主题：

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

研讨&论文

大众号后台回复关键字 日报，免费获取整理好的论文合辑。

科研发展

• 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 『自然言语处理』 Mask and Reason: Pre-Training Knowledge Graph Transformers for Complex Logical Queries

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

论文时刻：1 Sep 2022

范畴使命：Template Matching，模板匹配

论文地址：arxiv.org/abs/2209.00…

代码完成：github.com/billyblu200…

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./咱们提出了AccoMontage2，一个能够在主旋律的基础上进行全曲和声和伴奏编列的体系。

论文摘要：咱们提出了AccoMontage2，一个能够依据主旋律进行全曲和声和伴奏编曲的体系。继AccoMontage之后，本研讨的要点是生成流行/歌谣歌曲的钢琴编曲，并采用了依据模板的通用检索办法。本研讨的创新之处在于两个方面。首先，咱们发明晰一个和声模块（AccoMontage没有这个模块）。这个模块经过优化和平衡三个丢失项来生成结构化和连接的全长和弦发展：微观层面的音符不和谐丢失，中观层面的乐句模板匹配丢失，以及宏观层面的全曲连接性丢失。第二，咱们开发了一个图形用户界面，答应用户挑选不同风格的和弦发展和钢琴纹路。目前，和弦发展风格包含流行、R&B和黑暗，而钢琴纹路风格包含几个等级的声音密度和节奏的杂乱性。试验结果标明，咱们的和声和编曲结果都大大超过了基线的体现。最终，咱们将AccoMontage2作为一个在线应用程序发布，并将有安排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

论文时刻：2 Sep 2022

范畴使命：Genomics, 基因组学

论文地址：arxiv.org/abs/2209.00…

代码完成：github.com/vanheeringe…

论文作者：Siebren Frlich, Maarten van der Sande, Tilman Schfers, 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./剖析功能基因组学试验，如ATAC-、ChIP-或RNA测序，需求包含基因组组装和基因注释的参考数据。

论文摘要：剖析功能基因组学试验，如ATAC-、ChIP-或RNA测序，需求包含基因组组装和基因注释的参考数据。这些资源一般能够从不同的安排和不同的版本中检索到。大多数生物信息学作业流程要求用户手动供给这些基因组数据，这可能是一个繁琐和简单出错的过程。这里咱们介绍genomepy，它能够为你的剖析查找、下载和预处理正确的基因组数据。Genomepy能够查找NCBI、Ensembl、UCSC和GENCODE上的基因组数据，并比较可用的基因注释，以便做出正确的决议。选定的基因组和基因注释能够被下载，并以合理但可控的默认值进行预处理。额定的支撑数据能够主动生成或下载，如对齐器索引、基因组元数据和黑名单。Genomepy开源在 github.com/vanheeringe… 可经过pip或bioconda装置。

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

论文时刻：16 Aug 2022

范畴使命：自然言语处理

论文地址：arxiv.org/abs/2208.07…

代码完成：github.com/thudm/kgtra…

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./在这项作业中，咱们提出了常识图谱转化器（kgTransformer），该转化用具有屏蔽式预练习和微调战略。

论文摘要：常识图（KG）嵌入一直是对不完好KG进行推理的主流办法。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重视的杂乱逻辑查询，其中包含逻辑运算符、归属边、多个源实体和未知中心实体。在这项作业中，咱们提出了常识图谱转化器（kgTransformer），该转化用具有屏蔽式预练习和微调战略。咱们规划了一个KG三重转换办法，使Transformer能够处理KG，并经过Mixture-of-Experts（MoE）稀疏激活进一步加强。然后，咱们将杂乱的逻辑查询制定为掩码猜测，并引进两阶段的掩码预练习战略，以提高可转移性和可推广性。在两个基准上的广泛试验标明，kgTransformer在九个范畴内和范畴外的推理使命上能够继续地超过依据KG嵌入的基线和高档编码器。此外，kgTransformer能够经过供给完好的推理路径来解释给定的答案，从而完成可解释性推理。

咱们是 ShowMeAI，致力于传播AI优质内容，共享行业解决方案，用常识加快每一次技术生长！

◉ 点击 日报合辑，在大众号内订阅论题 #ShowMeAI资讯日报，可接纳每日最新推送。

◉ 点击 电子月刊，快速阅读月度合辑。