]> VizKG, a visualization library for SPARQL query results over KGs. VizKG links SPARQL query results and external visualization libraries by mapping query variables to the visualization components needed, currently allowing for 24 types of visualizations. VizKG · PyPI 2021-11-02 2021-11-02T18:50:26Z > The Two-Tower model pairs similar types of objects, such as user profiles, search queries, web documents, answer passages, or images, in the same vector space, so that related items are close to each other. **The Two-Tower model consists of two encoder towers: the query tower and the candidate tower**. These towers embed independent items into a shared embedding space, which lets Matching Engine retrieve similarly matched items. > > To train a Two-Tower model, Google uses **pairs of relevant items**. Each pair consists of a query document and a candidate document. Documents contain arbitrary customer-defined features including text, numeric, and categorical features. After training, the Two-Tower built-in algorithm exports two TensorFlow SavedModels—a query encoder and a candidate encoder... Given a query item, Matching Engine uses the query encoder to generate a query embedding, and uses the index to find similar candidate embeddings. Matching Engine uses the candidate encoder to index all the items and serve them by using an approximate nearest neighbor solution. 2021-11-04 Train embeddings by using the Two-Tower built-in algorithm  |  Vertex AI 2021-11-04T17:23:31Z How to make a text encoder multilingual using sentence transformers and multilingual knowledge distillation. 2021-11-04T23:09:34Z 2021-11-04 Multilingual Sentence Transformers | Pinecone **Consommation finale (au niveau des consommateurs)** de 2018 **par source primaire d'énergie** : > - combustibles fossiles : 67,4 % (charbon 1,9 %, pétrole 44,0 %, gaz naturel 21,5 %) ; > - nucléaire : 17,7 % ; > - énergies renouvelables : 14,9 % (biomasse-déchets 9,8 %, hydraulique 3,0 %, éolien 1,2 %, solaire 0,5 % (essentiellement photovoltaïque), autres 0,3 %). **Consommation finale** > - 43,1 % de produits pétroliers, > - 24,3 % d'électricité, > - 19,3 % de gaz naturel, > - 10,0 % d'énergies renouvelables thermiques et déchets, > - 2,4 % de chaleur > - 0,8 % de charbon **Offre d'énergie primaire** 241,4 M tep, **par agent énergétique** -- ??? : LE TOTAL NE FAIT PAS 100 !!! > - électricité : 45 % > - pétrole : 29 % > - gaz naturel : 15,5 % > - bois, biomasse, déchets : 7,5 % > - charbon : 3,1 % > - Énergies renouvelables 11,5 % **forme d'énergie primaire consommée**, tous secteurs confondus, > - électricité nucléaire 40 % > - pétrole : 29 %, > - gaz : 16 %, > - énergies renouvelables et déchets : 12 % > - charbon : 3 % **Electricité par filière** : > - nucléaire : 69,9 % > - hydro : 11 % > - thermique : 9 % > - éoliennes : 6,1 % > - autres : 2,1 % > - biomasse/déchets : 2 % **Consommation finale par secteur** > Les 142,9 Mtep de consommation finale énergétique réelle (non corrigée) se répartit entre > - le secteur des transports : 45,2 Mtep, soit 31,6 %, > - le secteur résidentiel (consommation des ménages dans leurs logements) : 39,8 Mtep, soit 27,9 %, > - l'industrie : 31 Mtep, soit 21,7 %, > - le secteur tertiaire : 22,4 Mtep, soit 15,7 % > - le secteur agricole : 4,4 Mtep, soit 3,1 %. . 2021-11-03 Énergie en France — Wikipédia 2021-11-03T00:02:14Z 2021-11-12 2021-11-12T12:09:03Z Glyphosate-based herbicides influence DNA methylation patterns in Coturnix japonica 2021-11-07 2021-11-07T10:57:37Z Pre-training + Massive Multi-tasking, Benchmarking in NLP, EMNLP primer, 🤗 NLP Course, ACL 2021 recap, | Revue raphaelsty/nlapi 2021-11-02 2021-11-02T20:48:27Z 2021-11-03 2021-11-03T12:29:01Z Babel Minute Zéro - Guy-Philippe Goldstein : le chaos en temps réel 2021-11-12T12:03:08Z 2021-11-12 Écrire l'histoire des Hausas du Niger > Ce travail (mémoire Master 1 Histoire de l'Afrique) s'interroge sur les moyens dont on dispose pour écrire l'histoire des Hausas du Niger. Cette région étant restée en marge des grands états d'Afrique de l'ouest, le problème des sources, classique en Afrique subsaharienne, y est particulièrement aigu, d'autant que le centre de gravité du pays hausa est situé au Nigeria. Le travail commence par un état des lieux de cette question des sources. Il résume l'histoire des différentes entités hausas de l'espace nigérien. Enfin, il revient sur quelques grandes questions : l'origine des Hausas, le développement des cités-états, le commerce, l'islamisation, l’esclavage. > a novel negative sampling approach called **Mixed Negative Sampling (MNS**). In particular, different from commonly used batch or unigram sampling methods, MNS uses a mixture of batch and uniformly sampled negatives to tackle the selection bias of implicit user feedback (voir si ça a un rapport avec [Multiple Negatives Ranking Loss](doc:2021/10/next_gen_sentence_embeddings_wi)) Mixed Negative Sampling for Learning Two-tower Neural Networks in Recommendations – Google Research (WWW 2020) 2021-11-04 2021-11-04T17:31:42Z