studyvcmfc的专栏

大话知识图谱--意图识别和槽位填充 - 知乎

二、简述图的度（Degree）、入度（Indegree）和出度（Outdegree）的概念。1.对于无向图，顶点v的度是指和v相关联的边的数目。2.对于有向图，以顶点v为头的弧的数目称为v的入度，记作ID（v）。3.以顶点v为尾的弧的数目称为v的出度，记作OD（v）。(出度到v)二、简述图的度（Degree）、入度（Indegree）和出度（Outdegree）的概念。 - 问题库...

https://baijiahao.baidu.com/s?id=1653421414340022957&wfr=spider&for=pc

https://blog.youkuaiyun.com/weixin_41580638/article/details/89315153

QNLI：用于判断文本是否包含问题的答案，类似于我们做阅读理解定位问题所在的段落。（d）命名实体识别CoNLL-2003 NER：判断一个句子中的单词是不是Person，Organization，Location，Miscellaneous或者other（无命名实体）。微调CoNLL-2003 NER时将整个句子作为输入，在每个时间片输出一个概率，并通过softmax得到这个Token的实体类别。（c）问答任务SQuAD v1.1：给定一个句子（通常是一个问题）和一段描述文本，输出这个问题

https://zhuanlan.zhihu.com/p/56386373

https://zhuanlan.zhihu.com/p/394780960

https://zhuanlan.zhihu.com/p/295248694

https://www.cnblogs.com/wwj99/p/12283799.html

BERT[23]是非常优质的预训练模型，包含了很多预训练语料中蕴含的外部知识和信息。我们以此为基础，训练BERT-CRF模型，作为candidate generation中重要的一路召回。另外的召回路包括基于模板 （pattern）和基于POS tags的NP抽取系统。CRF[12]是序列标注的经典方法，其核心思想是在进行序列标注时，把序列上的各个点当做一个整体来处理，而不是一个个独立的点，各个点的标注结果是有一定依赖关系的，以路径为单位进行训练。因此，通过训练，模型能在理解文本以外，还能理解输出序列的规则

我在自己人工标注的一份特定领域的数据集上跑过，加上bert确实会比只用固定的词向量要好一些，即使只用BERT加一个softmax层都比不用bert的bilstm+crf强。而bert+bilstm+crf和bert+crf两者差别不大，甚至有时不加bilstm比加上效果要好，在调整学习率取最优结果的情况下，加上bilstm的稍好一点。https://www.zhihu.com/question/398672104/answer/1263180722https://www.zhihu.com...

https://zhuanlan.zhihu.com/p/113639892

https://blog.youkuaiyun.com/angel_hben/article/details/104538634

https://zhuanlan.zhihu.com/p/59845590

https://blog.youkuaiyun.com/qq_27586341/article/details/103062651

https://github.com/shawroad/NLP_pytorch_project

https://blog.youkuaiyun.com/weixin_42357472/article/details/108010305

https://zhuanlan.zhihu.com/p/273594019

https://www.zhihu.com/question/323747423

https://blog.youkuaiyun.com/zycxnanwang/article/details/90385259

https://www.jianshu.com/p/1d6689851622

https://mp.weixin.qq.com/s?__biz=MzA3NDIyMjM1NA%3D%3D&chksm=8712ab8db065229bc8ea68f94332be9e03a06eb54b84c42d7e1ce8dc3d366a7e03035d0e3ae1&idx=1&mid=2649036272&scene=21&sn=3ce6800462c6ea8d911909489bef4ed0#wechat_redirect

python3.8安装tensorflow1.14做NER对应源码pip install --upgrade https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.14.0-py3-none-any.whlhttps://blog.youkuaiyun.com/znevegiveup1/article/details/112973922?utm_medium=distribute.pc_relevant.none-task-blog-2%7E.

当前的 AI 缺少信息进入 “大脑” 后的加工、理解和思考等，做的只是相对简单的比对和识别，仅仅停留在 “感知” 阶段，而非 “认知”，以感知智能技术为主的 AI 还与人类智能相差甚远。究其原因在于，AI 正面临着制约其向前发展的瓶颈问题：大规模常识知识库与基于认知的逻辑推理。而基于知识图谱、认知推理、逻辑表达的认知图谱，则被越来越多的国内外学者和产业领袖认为是 “目前可以突破这一技术瓶颈的可行解决方案之一”https://mbd.baidu.com/newspage/data/landing.

https://blog.youkuaiyun.com/weixin_42357472/article/details/108010305

http://motuhulian.com/Knowledge-Graph-1/

http://motuhulian.com/Knowledge-Graph-4/#_4

https://article.itxueyuan.com/ZoKKdk

https://zhuanlan.zhihu.com/p/346406587

https://campus.datacamp.com/courses/introduction-to-natural-language-processing-in-python/regular-expressions-word-tokenization?ex=1#

https://pypi.org/project/spacy/

pip install 时报错 ERROR: Could not install packages due to an EnvironmentError: [WinError 5] 拒绝访问（已解决）https://blog.youkuaiyun.com/weixin_44827418/article/details/105443681spacy库的三种安装方法，推荐第二种https://blog.youkuaiyun.com/zhangf666/article/details/78527081...

https://blog.youkuaiyun.com/fendouaini/article/details/102987373

https://blog.youkuaiyun.com/littlehaes/article/details/106623308

spaCy主要功能包括分词、词性标注、词干化、命名实体识别、名词短语提取等等https://zhuanlan.zhihu.com/p/51425975

登陆neo4jhttp://localhost:7474在命令行执行：server change-passwordhttps://blog.youkuaiyun.com/weixin_47542175/article/details/115341887

软件简介THULAC（THU Lexical Analyzer for Chinese）由清华大学自然语言处理与社会人文计算实验室研制推出的一套中文词法分析工具包，具有中文分词和词性标注功能。THULAC具有如下几个特点： 能力强。利用我们集成的目前世界上规模最大的人工分词和词性标注中文语料库（约含5800万字）训练而成，模型标注能力强大。 准确率高。该工具包在标准数据集Chinese Treebank（CTB5）上分词的F1值可达97.3％，词性标注的F1值可达到92.9％，与该数据集

https://zhuanlan.zhihu.com/p/77467615

https://zhuanlan.zhihu.com/p/29332977

https://zhuanlan.zhihu.com/p/243211697