|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Articles d’actualité sur les crypto-monnaies
Co-citation based data augmentation for contrastive learning of scientific domains
Apr 29, 2025 at 02:08 pm

Data compilation
We used co-citations as a similarity heuristic to generate sufficiently large training datasets for contrastive learning over scientific domains. Our strategy enabled the production of large training datasets from small amounts of data due to the nonlinear scaling of citation graphs, as a single paper citing N other papers produces (N2) co-citation pairs. For context, a dataset of 10,000 individual papers can produce well over 125,000 co-citation pairs. While this measurement of similarity is not perfect, co-citations have generally been shown to imply a high degree of similarity between papers21. We assume for our modeling purposes that two co-cited papers are more similar than two random papers, even if they are from the same field.
To build our dataset, we randomly chose five biomedical subfields with little overlap. The domains of choice include papers related to cardiovascular disease (CVD), chronic obstructive pulmonary disease (COPD), parasitic diseases, autoimmune diseases, and skin cancers. PubMed Central was queried with Medical Subject Heading (MeSH) terms for each domain, requiring at least one citation and an abstract present between 2010 and 2022. This means that within the time period, we kept the co-citation pairs of the possible (N2) co-citations per paper that were returned from the same common MeSH terms. We sampled preferentially from samples co-cited more times when constructing our final dataset.
For evaluation, we constructed “negative” examples of abstract pairs that were not co-cited. The training dataset was split randomly in a 99:1 ratio followed by deduplication. We built negative pairs by pairing abstracts that had not been co-cited and had both been cited at least 15 times. This criteria allowed us to construct a representative evaluation set for binary classification with balanced classes, with 1’s for co-cited pairs and 0 if not. The exact dataset counts are outlined in Table 1.
Transformer neural networks
The transformer architecture is adept at sequential processing and is state-of-the-art for various natural language processing (NLP) and vision tasks24,25,26,27,28,29,30. A transformer block comprised a self-attention layer and multi-layer perception (MLP) interleaved with skip connections. Full transformers were made of T transformer blocks stacked together1.
Prior to the transformer blocks is the token embedding process, where tokenization maps an input string into a list of L integers from a dictionary. These integers served as the indices for a matrix We, where each row is a learnable representative vector for that token, making We∈ Rv×d where v is the total number of unique tokens in the vocabulary and d an arbitrarily chosen hidden dimension. The initial embedding is Rl×d.
Each block in the transformer then transforms this embedding, i.e., the i^{th} transformer block maps the embedding X(i-1) = [x1(i-1), ..., xL(i-1)]⊤∈Rl×d to X(i) = [x1(i), ..., xL(i)]⊤∈Rl × d1,31,32. X(T) is the last hidden state of the network. The first part of this map is self-attention, which mixes information across the vectors, followed by the MLP which mixes information across d31,33.
Including the MLP, the entire transformer block can be written as:
where b1 and b2 are biases associated with learned linear transformations W1 ∈ Rd×I and W2 ∈ RI×d, where I > d. The activation function σ, e.g., ReLU or GeLU, introduces non-linearity1. More recently, biases are not included, which improves training stability, throughput, and final performance. Additionally, improvements like SwiGLU activation functions and rotary positional embeddings are also commonly utilized3,4,34,35.
GPT (Generative Pretrained Transformer) models, such as OpenAI’s GPT series (GPT-3, GPT-4, etc.), are designed for generative tasks and use transformer decoders36,37,38. They employ causal (unidirectional) attention, meaning each token attends only to previous tokens in the sequence, enabling autoregressive generation during inference. This allows them to predict the next word in a sequence without direct access to future words.
In contrast, BERT models utilize transformer encoders with bidirectional attention, meaning they can attend to all tokens within an input simultaneously. This structure enables them to capture additional contextual dependencies, making them well-suited for tasks like text classification and sentence similarity39. Unlike GPT models, BERT is trained using a masked language modeling (MLM) objective, where some tokens are randomly hidden, requiring the model to predict them based on the surrounding context.
Mixture of Experts
Mixture of
Clause de non-responsabilité:info@kdj.com
Les informations fournies ne constituent pas des conseils commerciaux. kdj.com n’assume aucune responsabilité pour les investissements effectués sur la base des informations fournies dans cet article. Les crypto-monnaies sont très volatiles et il est fortement recommandé d’investir avec prudence après une recherche approfondie!
Si vous pensez que le contenu utilisé sur ce site Web porte atteinte à vos droits d’auteur, veuillez nous contacter immédiatement (info@kdj.com) et nous le supprimerons dans les plus brefs délais.
-
- Perte de crypto-monnaie dans une banque française : ZachXBT découvre un vol présumé de 133 millions de dollars au Crédit Mutuel Arkéa
- Nov 04, 2026 at 04:05 pm
- Le détective en chaîne ZachXBT a mis en lumière le géant bancaire français Crédit Mutuel Arkéa comme la victime présumée d'un vol de crypto dépassant 133 millions de dollars, soulevant des signaux d'alarme quant à la sécurité des actifs numériques de la finance traditionnelle.
-
- Les démocrates assurent le contrôle de la Chambre des représentants aux États-Unis, inaugurant une nouvelle ère pour le Congrès au milieu des élections de mi-mandat
- Nov 04, 2026 at 04:05 pm
- Les démocrates s’emparent du contrôle de la Chambre des représentants et du Congrès, ce qui marque un changement dans le pouvoir législatif et un contrôle accru de l’administration Trump.
-
- Midterms américains, marchés de prédiction et courses aux cryptomonnaies : un pari à enjeux élevés sur l'avenir de Washington
- Nov 04, 2026 at 04:05 am
- Les marchés de prédiction favorisent fortement les démocrates à mi-mandat aux États-Unis, avec une activité commerciale record et des implications importantes pour l'industrie de la cryptographie. Ces paris numériques prévoiront-ils avec précision le paysage politique et son impact sur la réglementation de la cryptographie ?
-
- Actifs numériques, finance mondiale et IA : franchir la prochaine frontière à DavosWeb3 et au-delà
- Nov 04, 2026 at 04:05 am
- DavosWeb3 réunit les dirigeants pour discuter de l'intégration des actifs numériques, de la finance mondiale et de l'IA. Ripple met en évidence l'essor de la tokenisation, tandis que XTEND AI Robotics présente une technologie avancée. Le futur est là !
-
- Le prix de l’Avalanche AVAX baisse au milieu de problèmes plus larges du marché ; L’intérêt institutionnel reste fort
- Nov 03, 2026 at 12:05 pm
- Le prix de l’Avalanche AVAX connaît un ralentissement, mais les données sur les produits dérivés et les développements institutionnels suggèrent une résilience sous-jacente. Explorez les facteurs clés qui influencent le prix d’AVAX.
-
- Pourquoi le prix quantitatif est-il en baisse ? Une plongée en profondeur dans la récente glissade de QNT au milieu de la nervosité du marché
- Nov 03, 2026 at 12:05 pm
- Le prix du Quant (QNT) chute dans un contexte de ralentissement plus large du marché de la cryptographie, entraîné par les chocs de change, les sorties de Bitcoin ETF et la peur croissante des investisseurs.
-
- Analyse du graphique des prix XRP d'Egrag Crypto : êtes-vous prêt pour la « plus grande vague 3 » ?
- Nov 03, 2026 at 12:05 am
- La dernière analyse d'Egrag Crypto suggère que le XRP est sur le point d'une hausse significative des prix, avec des objectifs pouvant atteindre 27 $ d'ici 2032, selon son Elliott Wave et les cadres techniques de support.
-
- La société mère de Bed Bath & Beyond soutient l'accord SPAC d'une valorisation de 350 millions de dollars de tZERO : ce que les New-Yorkais doivent savoir
- Nov 03, 2026 at 12:05 am
- La société mère de Bed Bath & Beyond, Neighborhood Intelligence (NXH), pousse son entreprise blockchain tZERO vers une cotation au NYSE américain via une fusion SPAC, valorisant tZERO à 350 millions de dollars. Cette décision constitue un tournant important pour l’entreprise, qui se concentre sur les actifs technologiques et numériques plutôt que sur la vente au détail traditionnelle.
-
- Arbitrum constate une augmentation du volume de transfert de Stablecoin, soutenu par un nouveau programme de croissance
- Nov 03, 2026 at 12:05 am
- Le jeton ARB d'Arbitrum connaît une augmentation significative du volume de transfert de pièces stables, grâce à de nouvelles initiatives visant à stimuler l'activité DeFi.

































