m0_59401848的博客

任务是根据房屋信息预测房屋销售价格，例如#卧室，居住区，位置，附近学校和卖方摘要。该数据包括房屋，测试数据集中的房屋在训练数据集中的房屋之后出售。此外，私人排行榜上的房子在公共排行榜上的房子之后被出售。 压缩包，包含了两个不同的处理方法python文件，和一个生成处理数据后的预测提交文件。

机器人、机械臂

基于条件随机场对中文案件语料进行命名实体识别。在学习知识图谱理论课时，我们知道实体（Entity）是知识图谱的基本单位，也是承载信息的重要语言单位。实体识别是知识图谱应用的重要技术。目前实体识别主要有三种方法： 基于规则和词典的实体识别 基于统计机器学习的实体识别 基于深度学习神经网络的实体识别 条件随机场（Conditional random field，CRF）是一种条件概率分布模型 P(Y|X) ，表示的是给定一组输入随机变量 X 的条件下另一组输出随机变量 Y 的马尔可夫随机场。 CRF 是一个序列化标注算法（sequence labeling algorithm），接收一个输入序列如X=(x1, x2,…, xn)并且输出目标序列Y=(y1, y2,…, yn)  ，也能被看作是一种seq2seq模型。这里使用大写 X,Y 表示序列。例如，在词性标注任务中，输入序列为一串单词，输出序列就是相应的词性。 除了词性标注之外，CRF还可以用来做chunking，命名实体识别等任务。一般地，输入序列X被称为 observations, Y叫作 states。

知识图谱，实体识别，Protégé是一个本体建模工具软件，由斯坦福大学基于java语言开发的，属于开放源代码软件。

针对C银行的业务，本实验主要将对象分为客户、银行卡、理财产品、保险和基金。因此，针对这些数据库对象，本实验假设C银行的金融数据库存在着以下关系：客户可以办理银行卡，同时客户可以购买不同的银行产品，如理财产品，基金和保险。那么，根据C银行的对象关系，本实验给出了相应的关系模式和ER图，并对其进行较为复杂的数据库操作。