qq_35222729的博客

一、评价指标Recall名称： 召回率（真阳性率）意义：在推荐系统中，我们只关心正确推荐的有多少，也就是用户真实喜欢的，并不会关心推荐错的，所以我们用召回率，而不是准确率；理解这个前提：混淆矩阵混淆矩阵： 详细的可以自己去了解Recall = TP / (TP + FN)也就是你所有预测为True的里面，到底有多少是真实值！Recall@n指的是推荐的前n个的召回率有多少代码实现比较简单ROC(AUC)名称： Curve曲线， AUC是ROC下面的面积意义：R

博文： 秒懂词向量Word2Vec的本质什么是Word2Vec？词性标注：是动词还是名词，样本（x，y）中，x是词语，y是它们的词性f（x）->y中的f（神经网络、SVM）只接受数值型输入，而NLP里的词语，必须转换为数值型形式语言模型： 把 x 看做一个句子里的一个词语，y 是这个词语的上下文词语，那么这里的 f，便是 NLP 中经常出现的『语言模型』（language model），这个模型的目的，就是判断 (x,y) 这个样本，是否符合自然语言的法则，更通俗点说就是：词语x和词语y

RNN与LSTM的区别： https://blog.youkuaiyun.com/hfutdog/article/details/96479716

链接

学习内容本文主要详细介绍事件抽取EE的概念；装载自：李景鹏 啥是事件抽取(Event Extraction)？同时这里关于事件抽取的介绍也可以作为补充： 分层网络用于事件参数抽取普通概念事件抽取很多事件抽取的方法将事件抽取分为两个阶段：EAE（event argument extraction） 和 ED（event detection）后者会根据触发词来确定事件的发生，发生了啥。结构化数据和非结构化数据： 指的是一句话是不是已经给他归类了！事件描述schema：事件抽取任务

学习内容基本大多数的问题都可以转为词性标注问题！这里只做记录，都是别人的回答！常用的概念什么是tokentokenization就是通常所说的分词，分出的每一个词语我们把它称为token。链接词性标注参考一自然语言处理之序列标注问题传统解决序列标注问题的方法包括HMM/MaxEnt/CRF等，很明显RNN很快会取代CRF的主流地位，成为解决序列标注问题的标准解决方案，那么如果使用RNN来解决各种NLP基础及应用问题，我们又该如何处理呢，下面我们就归纳一下使用RNN解决序列标注问题的一般

学习内容小象学院 b站问题第四部分 应用open Phacts药理性的数据中医药知识平台电商知识图谱电商在管控中的应用让判断更智能；SAP企业知识图谱员工通讯录；金融：链接金融数据结构化数据、文本数据，金融欺诈。构建初始本体—规模小、规范性高，但不具有可扩展性；大英博物馆：知识图谱与本体设计大英博物馆： 语义搜索BBC：打通BBC全领域...

学习内容小象学院 b站 第三章第三部分： 知识图谱技术概览知识的积累 什么是知识表示知识表示研究怎样用计算机符号来表示人脑中的知识，以及怎样通过符号之间的运算来模拟人脑的推理过程。现在一般基于数理逻辑的知识表示–》基于向量空间学习的分布式知识表示。语义网知识表示框架w3C可以看到最新的。RDF：Triplet-based Assertion model RDF Graph: Directed Labeled Graph RDFS:Simple Vocabulary

学习内容搜集各种博客，理解实体识别、关系分类、关系抽取、实体链指、知识推理等，并且总结各种分类中最常用的方法、思路。由于自己刚刚接触知识图谱，对该领域的概念和方法的描述还不是很清楚，所以只是简单的列出框架和添加链接，之后会进行补充。1. 实体识别原文地址：链接1.1 方法概述早期的命名实体识别方法大都是基于规则的，系统的实现代价较高；但是进入21世纪后，基于大规模语料库的统计方法逐渐成为自然语言处理的主流，一大批机器学习方法被成功地应用于自然语言处理的各个方面。根据使用的机器学习方法的不同，

学习内容小象学院 b站 第二章第二部 典型知识库项目简介CYC（读音： 赛克）CYC： 1984年由Douglas Lenat开始创建，最初的目标是建立人类最大的常识知识库。该知识库主要由术语Terms和断言Assertions组成。Cyc的主要特点是基于形式化的知识表示方法来刻画知识。形式化的优势是可以支持复杂的推理。但过于形式化也导致知识库的扩展性和应用的灵活性不够。Cyc提供开放版本的OpenCycWordnetWordNet是最著名的词典(lexical)知识库，

学习内容：知识图谱导论 陈华钧 浙江大学计算机科学与技术学院 教授小象学院 哔哩哔哩 第一章1. 什么是知识图谱？知识图谱的发展历程3. 知识图谱有什么用？3.1 KG辅助搜索Web的理想是万物的链接，搜索的理想是事物的搜索。我们可以进行事物的搜索； 也可以根据兴趣来进行兴趣的搜索；当然这些现在的实现都是基于众包的数据库作为基础的。3.2 KG辅助问答机器人及IoT设备的智能化： 给万物都挂接一个背景知识库对话式的信息获取更加需要精准度和可靠度，知识图谱对于提升用户体验