前言 昨天從台北出發,沿著桃園、新竹一路走到台中,透過 DFS 確認了這幾個城市之間確實有路。不過如果問題改成「從台北到台中,最少要經過幾條路」,只看昨天 D...
前言 昨天把地圖存進 Graph 之後,如果要問「台北和新竹之間有沒有路」只要一次查找就能回答。但如果問的是台北和台中呢?這兩個城市之間沒有直接相連的路,ha...
前言 當我們打開 Google Map 輸入從台北到台中,它給出好幾條路線,每一條的距離和時間都不一樣。它是怎麼算出這些路線的呢?在程式裡又是什麼樣子? 之前...
昨天找出了 Graph 中從 A 到 G 的最短路徑,但如果節點越來越多,光靠人工把所有 Path 都列出來比較,顯然不太實際。 所以今天終於要進入這次 Gra...
前面認識 Graph 時有提到,Edge 除了表示兩個 Vertex 之間有連接關係之外,還可以加上 Weight(權重),用來表示距離、時間或成本。 但今天遇...
上一章認識 Graph 之後,我已經知道可以透過 Vertex(頂點) 和 Edge(邊) 表示資料之間的關係。 不過昨天都是先理解 Graph 是怎麼畫出來,...
終於來到新單元啦!前面一路從 Bubble Sort、Quick Sort 學到遞迴,今天要開始認識一個新的資料結構:Graph(圖)。 Graph 對我來說其...
上一篇,我們談的是排程 Scheduling。 當一天只有有限的時間,而每件工作都有自己的: 持續時間 開始 / 結束 期限 優先級 我們真正要解決的是:...
上一篇,我們談到 dependency 不只可以描述: 誰必須先完成? 也可以幫助我們回答: 當某個東西改變時,哪些地方可能需要跟著重新計算? 例如:...
上一篇,我們把 npm 專案看成了一張 Dependency Graph。當一個 package 依賴另一個 package 時,我們可以把關係畫成 A → B...
前幾篇,我們已經從「事情的先後順序」一路談到有向圖、Cycle、DAG 與拓樸排序。例如: A → B → C 代表: B 依賴 A,C 又依賴 B 這種...
上一篇我們看到,Dependency Graph 最麻煩的情況之一,就是出現循環。例如: A → B → C → A 如果箭頭代表: 前面的工作必須先完成,...
上一篇我們開始把「事情必須按照先後順序完成」畫成有向圖。例如: 買食材 → 備料 → 烹煮 → 上桌 箭頭代表 dependency: A → B 可以理解...
前幾天我們一直用 Graph 描述「東西之間怎麼連在一起」。例如捷運路網: 我們在意的是: 從 A 能不能走到 F?哪條路比較短?哪條路花的時間比較少? 但...
上一篇我們討論 BFS 時,用了一個很適合它的問題: 從 A 到 F,最少要經過幾個站? 只要每經過一個站,都把它看成相同的一步,BFS 就能一層一層往外搜...
上一篇我們用捷運路網理解 Graph。例如有幾個站點: 如果把它看成 Graph: 每個車站是一個 node 站與站之間的連接是一條 edge 畫出來很直...
上一篇我們從資料夾開始認識 Tree。像這樣: Documents ├─ Work │ ├─ report.pdf │ └─ meeting.md │ └─...
前幾篇我們一直在問一個很類似的問題: 資料要怎麼拿? Queue 說:最早進來的先拿 Stack 說:最後進來的先拿 Priority Queue 說:最...
一、學習目標 理解鄰接矩陣與鄰接表的差異:空間、時間、適用場合。 熟練無向/有向圖的遍歷模板(BFS/DFS,優先用疊代實作以避免遞迴棧)。 實戰:連通分量...
前情提要 在前幾篇,我們深入了 Scheduler 的基本運作、記憶體與圖管理、優先級與分層、以及 Time-Slicing 與協作式排程。這些都是讓 reac...
前情提要 在前一篇中,我們已經理解了 Scheduler 的角色:負責在資料變動後,安排下游任務 (jobs) 進行批次更新。但若要讓這個系統長期穩定運作,「記...
引言 上一篇我們已經完成一個具備訂閱功能的 Signal 核心,這一篇我們來實作 Effect,讓每個依賴項都能自動去追蹤,順利讓原本靜態的圖能具有響應性的動起...
前言 昨天我們進行了diagram 和node的介紹,今天我們簡單快速的介紹Cluster以及Edge 正文 Cluster 參考資料:https://d...
前言 昨天介紹了三個架構圖的繪圖工具,那麼今天我們會開始介紹 Diagram as Code 這個函式庫的內容 正文 安裝 首先先從安裝開始 pip i...
摘要這篇文章深入探討了如何將知識圖譜與 LangGraph 結合,打造一個智慧化的工安監控管理系統。文章首先介紹了知識圖譜在管理工安資料的優勢,包括儲存結構化...
摘要這篇文章介紹了一種名為 GraphRAG 的新型檢索增強生成技術,它由微軟研究團隊提出,旨在突破傳統 RAG 方法在處理複雜資訊時的局限性。GraphRA...
Paper link | Note link | Code link | ICLR 2024 整體想法 在這項研究中,他們首次全面性地探討了將圖結構資料編碼...
Paper link | Note link | Code link | AAAI 2024 整體想法 他們提出了「圖神經提示」(Graph Neural...
Paper link | Note link | Code link | EMNLP 2023 整體想法 本篇提出了一個通用框架,用於提升LLM在結構化數據...
Paper link | Note link | Code link | AAAI 2024 整體想法 Graph of Thoughts (GoT) 提升...