DK(领域知识)domain knowledge;

最新推荐文章于 2025-07-24 10:38:16 发布
原创 最新推荐文章于 2025-07-24 10:38:16 发布 · 3.4k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

博客提及了领域知识（domain knowledge），但未展开更多详细信息。领域知识在信息技术中是重要概念，可用于数据分析、人工智能等多个领域。
2.特定领域知识图谱(Domain-specific KnowledgeGraph:DKG)融合方案：技术知识前置【一】文本匹配算法、知识融合学术界方案、知识融合业界落地方案、算法测评KG生产质量保障
丨汀、的博客
01-17 2731
本项目主要围绕着特定领域知识图谱(Domain-specific KnowledgeGraph:DKG)融合方案：技术知识前置【一】-文本匹配算法、知识融合学术界方案、知识融合业界落地方案、算法测评KG生产质量保障讲解了文本匹配算法的综述，从经典的传统模型到孪生神经网络“双塔模型”再到预训练模型以及有监督无监督联合模型，期间也涉及了近几年前沿的对比学习模型，之后提出了文本匹配技巧提升方案，最终给出了DKG的落地方案。这边主要以原理讲解和技术方案阐述为主，之后会慢慢把项目开源出来，一起共建KG，从知识抽取到知
AI人工智能领域知识表示的云平台应用
AGI×大数据，开启智能时代的认知跃迁；解码AGI，赋能数据驱动的智能革命。
07-04 981
本分析全面探讨了人工智能领域知识表示与云平台融合的技术范式与工程实践。通过从第一性原理重构知识表示的理论基础，揭示了云环境如何从根本上改变AI系统的认知能力边界。文章系统阐述了分布式知识架构的设计原则、实现机制及性能优化策略，提供了从理论模型到工业级部署的完整技术路线图。特别关注了多模态知识融合、实时推理服务和大规模知识演化等关键挑战，通过具体案例展示了知识表示云平台在医疗、金融和智能制造等领域的变革性应用。
领域知识 &Domain knowledge
weixin_40793043的博客
01-27 2327
什么是领域知识
论文笔记AliMe KG: Domain Knowledge Graph Construction and Application in E-commerce
Jichangkai的博客
08-14 854
AliMe KG: Domain Knowledge Graph Construction and Application in E-commerce
(学习笔记)：Integrate domain knowledge in training multi-task cascade deep learning model
jtup1253的博客
04-23 496
学习笔记
【医学+深度论文：F02】Glaucoma diagnosis based on both hidden features and domain knowledge through deep
鹿鹿的博客
05-31 692
2018 Glaucoma diagnosis based on both hidden features and domain knowledge through deep learning models 研究了如何利用深度学习模型将domain knowledge feature（青光眼诊断的重要指标和图像中包含大量信息的重要区域）与眼底图像相结合，实现青光眼的自动诊断。（不仅用深度学习分析了...
提示工程架构师必看：上下文工程跨领域知识迁移的5个技巧
最新发布
AI云原生与云计算技术学院
07-24 806
领域通用知识是源领域与目标领域的共同逻辑，用于建立任务的“底层框架”。例如，在法律→电商的用户协议审查任务中，领域通用知识可以是“合同审查的通用流程”（如“条款分析→风险识别→建议修改”）。
2.特定领域知识图谱融合方案：文本匹配算法之预训练Simbert、ERNIE-Gram单塔模型等诸多模型【三】
丨汀、的博客
02-14 3372
本项目主要讲述文本匹配算法、知识融合学术界方案、知识融合业界落地方案、基于单塔 Point-wise 范式的语义匹配模型 erniematching: 模型精度高、计算复杂度高,适合直进行语义匹配
Transformer与问答系统：知识库的探索者
AI天才研究院
04-30 1355
在人工智能和自然语言处理领域，问答系统一直是一个备受关注的研究方向。随着深度学习技术的飞速发展，特别是Transformer架构的出现，问答系统的性能得到了显著提升。Transformer模型凭借其强大的并行处理能力和对长距离依赖的有效捕捉，成为了构建高效问答系统的核心技术之一。本文将深入探讨Transformer在问答系统中的应用，特别是如何利用Transformer来构建基于知识库的问答系统。
AI领域的DeepSeek：技术发展的新方向
AI天才研究院
04-09 1083
本文旨在全面解析DeepSeek技术的核心原理、实现方法和应用前景。我们将从技术基础出发，逐步深入到算法实现和实际应用案例，为读者提供一个全方位的技术视角。本文的范围涵盖DeepSeek的架构设计、核心算法、训练方法以及在搜索、问答、知识管理等领域的应用。本文采用由浅入深的结构，首先介绍DeepSeek的基本概念和技术背景，然后详细解析其核心算法和数学模型，接着通过实际代码示例展示其实现方式，最后探讨应用场景和未来发展方向。DeepSeek。
Exploiting Domain Knowledge via Grouped Weight Sharing
09-05
Exploiting Domain Knowledge via Grouped Weight Sharing
基于最小领域知识的主题建模 ：Topic Modeling with Minimal Domain Knowledge
09-19
基于最小领域知识的主题建模 ，一种基于融合知识的主题模型的微博话题发现方法，涉及自然语言处理领域 传统的主题挖掘技术基于概率统计的混合模型，对文本信息进行建模，使得模型能够自动挖掘出文本中潜在的语义信息，使用户能够快速的了解文本中所涉及的内容。通过主题模型，不仅能够获得文本集合中主要涉及的信息，而且能够获得每篇文档中的内容信息。常见的主题模型有概率潜在语义分析(ProbabilisticLatentSemanticAnalysis,PLSA)模型[1]和潜在狄利克雷分配(LatentDirichletAllocation,LDA)模型[2]。但该类技术仅考虑文本集合中的文本信息，其他有用的信息，如文本的类别信息等，无法被利用起来。
将领域知识融入深度学习pdf
03-04
Integrating Domain-Knowledge into Deep Learning by CMU
Actively Transfer Domain Knowledge Java代码
07-09
Actively Transfer Domain Knowledge的Java实现代码。 迁移学习的主动的跨领域学习，是最近新型的方向。
Cross Domain Knowledge Transfer for Person Re-identification笔记
caicai的博客
08-21 964
Cross Domain Knowledge Transfer for Person Re-identification笔记1 介绍2 相关工作3 方法3.1 特征提取的ResNet3.2 特征强化的属性识别3.3 .LSTM with the Spacial GateGlobal maskLocal maskSoft attention maskFine-grained attention mas...
论文笔记---Cross Domain Knowledge Transfer for Person Re-identification
m0_50656961的博客
07-26 407
Abstract
[读论文]使用Word Embeddings和Domain Knowledge来获取科技文献引用的上下文
易火九天的博客
03-19 1253
目标 解决的问题 方法 普通方法 改进方法 Word Embedding Domain Knowledge 总结 今天学习的论文是 Cohan, A., & Goharian, N. (2017). Contextualizing Citations for Scientific Summarization using Word Embeddings and ...
机器学习基础 总结笔记
二货胖纸的博客
08-07 652
1、sklearn：机器学习的一个包，能够自动在数据中寻找模式并对数据集进行分割
【DomiKnowS笔记】DomiKnowS_ A Library for Integration of Symbolic Domain Knowledge in Deep Learning
风口IT猪的成长录
04-01 212
提高了模型的可解释性，提高了模型在低数据状态下的性能和泛化能力。介绍了几种。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值