墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
800+累计阅读
829平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
《红楼梦》是中国文学史上的一部经典作品，作者曹雪芹通过细腻的笔触描绘了众多人物的情感与生活。本数据集专注于提取和整理书中的对话内容，旨在为自然语言处理（NLP）和人工智能（AI）研究提供丰富的语料支持。
本数据集希望为相关领域的研究者和开发者提供便利
红楼梦人物关系知识图谱实战：从Neo4j建图到问答系统
知识图谱作为组织复杂关联数据的核心技术，常通过图数据库完成实体与关系的存储和查询。Neo4j凭借Cypher查询语言成为主流图数据库选择，但初学者往往缺少一个完整可落地的训练场景。本文基于《红楼梦》人物关系构建了一套全流程项目，涵盖实体关系建模、MERGE批量导入、索引优化、Flask后端接口、ECharts力导向图渲染以及模板匹配问答系统，并分享了数据清洗、编码处理、性能调优等避坑经验。该资源既能作为毕业设计的技术参考，也能帮助开发者快速打通从原始文本到图谱存储、再到可视化交互与智能问答的完整链路，是理解
图数据库初探——7. 以红楼梦数据集为例进行Nebula Graph使用
先连接Nebula Graph ./nebula-console.exe -addr 127.0.0.1 -port 9669 -u root -p 123456 以红楼梦数据集为例，跑一边流程。 全流程 创建图(root@nebula) [(none)]> create space if not exists HouLou(partition_num=5,replica_factor=1,vid_type =int) Execution succeeded (time spent 1089/2
access红楼梦数据库
红楼梦数据库，access数据库存储的红楼梦。
Neo4j入门-简单的把红楼梦数据集变成知识图谱
前两天看了一些关于知识图谱的知识，关于结构化数据建立知识图谱的想法，非结构化和半结构化数据的提取后续也会继续学习，根据数据集构建了一个红楼梦人物关系的知识图谱，主要参考了大佬的代码 Neo4j的启动：Neo4j是基于java环境监理的，所以要先配置java环境，这个在网上很容易搜得到。配置完了之后还需要到服务里面把自动改成启动 然后win+r进去cmd。在cmd中输入neo4j.bat start(启动neo4j),neo4j.bat stop（关闭） 开启了Neo4j之后进入网页，第一次账.
中文实体关系抽取数据集 Chinese-Literature-NER-RE-Dataset
基于几个可用的NER和RE数据集定义了7个实体标签和9个关系标签。实体(Entity)：每个实体都由带有多个属性的T标签标识。关系(Relation):每个关系由R标签标识，该标签可以具有多个属性。
红楼梦知识图谱的展示，数据库Neo4j.zip
知识图谱是一种结构化的知识表达形式，它以图形的方式组织和存储了大量实体（如人、地点、事件等）及其相互关系。在知识图谱中，实体作为节点，实体之间的各种语义关联则通过边进行连接，形成了一个庞大的数据网络。 知识图谱的核心价值在于其能够精确、直观地表示复杂世界中的知识，并支持高效的知识查询与推理。例如，在搜索引擎中，知识图谱可以提升搜索结果的相关性和准确性，为用户提供直接的答案而非仅仅是网页链接。同时，知识图谱还能支撑高级的人工智能应用，比如问答系统、推荐系统、决策支持等领域。 构建知识图谱的过程通常包括数据抽取、知识融合、实体识别、关系抽取等多个步骤，涉及到自然语言处理、机器学习、数据库技术等多种技术手段。知识图谱的不断完善有助于实现从海量信息中挖掘深层次、有价值的知识，从而推动人工智能向着更加理解人类世界的智慧方向发展。 总之，知识图谱是一个大规模、多领域、多源异构知识集成的载体，是实现智能化信息系统的基础工具和关键基础设施，对于提升信息检索质量、推动智能应用研发具有重要作用。
TF-IDF——自然语言处理——红楼梦案例
预计要实现的效果：观察下面的文件截图，我们希望将红楼梦每一回的文件内容存在文件中，将文件的“上卷 第一回 甄士隐梦幻识通灵 贾雨村风尘怀闺秀”第几回，这一整行作为文件的名字，每一回作为一个文件，储存到指定的路径下。此处代码为上面的整合，去除了部分注释，可以将其放在一个.py文件中，安装好指定的库即可运行，需要注意文件的路径与你自己的文件路径对应，数据集文件可以到我的数据集中获取（有单独的一篇文章注明了数据集）（3）使用for循环，逐行读取文件内容，通过观察，每一回的开头，都会有“卷 第 ”这样的字，如下。
Chat-甄嬛，基于ChatGLM2进行LoRA微调得到的模仿甄嬛语气的聊天语言模型。.zip
个人深耕AI大模型应用领域积累的成果，希望对您有所帮助。有大模型账号、环境问题、AI大模型技术应用落地方案等相关问题，欢迎详聊，能为您解决问题是我的荣幸！ 个人深耕AI大模型应用领域积累的成果，希望对您有所帮助。有大模型账号、环境问题、AI大模型技术应用落地方案等相关问题，欢迎详聊，能为您解决问题是我的荣幸！ 个人深耕AI大模型应用领域积累的成果，希望对您有所帮助。有大模型账号、环境问题、AI大模型技术应用落地方案等相关问题，欢迎详聊，能为您解决问题是我的荣幸！ 个人深耕AI大模型应用领域积累的成果，希望对您有所帮助。有大模型账号、环境问题、AI大模型技术应用落地方案等相关问题，欢迎详聊，能为您解决问题是我的荣幸！ 个人深耕AI大模型应用领域积累的成果，希望对您有所帮助。有大模型账号、环境问题、AI大模型技术应用落地方案等相关问题，欢迎详聊，能为您解决问题是我的荣幸！ 个人深耕AI大模型应用领域积累的成果，希望对您有所帮助。有大模型账号、环境问题、AI大模型技术应用落地方案等相关问题，欢迎详聊，能为您解决问题是我的荣幸！
neo4j的使用（以红楼梦人物关系为例）
参考：知识图谱实战：构建红楼梦知识图谱_任萌新的小生活-优快云博客_知识图谱构建实战https://blog.youkuaiyun.com/RHJlife/article/details/108586578 数据集下载地址：红楼梦人物关系 - 图谱 - 开放知识图谱http://www.openkg.cn/dataset/honglou 数据如图 但是有可能出现乱码 可以这样解决，首先新建一个空白excel，依次执行如下操作 于是就不出现乱码了 然后保存为CSV文件 ...
树莓派介绍与可安装的操作系统
树莓派是一款由英国树莓派基金会开发的信用卡大小的微型计算机。处理器（CPU）内存（RAM）图形处理器（GPU）USB 接口网络接口（以太网和 Wi-Fi）视频输出（HDMI）音频输出用户只需添加电源、存储卡、显示器和输入设备（键盘、鼠标），就可以将其当作一台功能齐全的电脑使用。主要特点：低成本：价格亲民，适合教育和个人项目。小巧便携：体积小，便于携带和部署。功能强大：支持多种编程语言和操作系统，功能不逊于传统电脑。树莓派从最初的教育工具发展成为功能强大的多用途平台。最新的树莓派 5。
Xilinx Blockset Counter计数器模块使用及参数配置
本文详细介绍了Simulink中Xilinx Blockset库Counter模块的使用以及参数说明。
Neo4j入门实战之红楼梦知识图谱
参考这个视频： 知识图谱实战：构建红楼梦知识图谱_哔哩哔哩_bilibili 项目概述: 采用http://www.openkg.cn/home(开放的知识图谱)中的四大名著的人物关系数据集，采用python中的py2neo库对neo4j进行操作，从而实现四大名著人物关系知识图谱的创建。 前期准备： 1. 安装好Neo4j 可参考我之前的博客：Neo4j的下载与安装(完整详细版)_小小梁的实验室的博客-优快云博客_neo4j下载 2. py2neo安装 1.数据集下载【处理为cs...
多模态融合相关概念
多模态图像融合
基于deepke构建红楼梦知识图谱
基于deepke构建红楼梦知识图谱
医疗AI Agent实战：从零搭建一个能看病的智能助手（附完整代码）
本文详细介绍了如何从零搭建一个医疗AI Agent智能助手，涵盖核心架构设计、症状推理引擎开发、安全与合规实现以及系统集成等关键环节。通过完整的代码示例和实战案例，帮助开发者快速构建具备医疗咨询能力的智能Agent，提升医疗服务的效率和质量。
Ad hoc网络路由协议概述4——按需路由协议（2）AODV协议 (Ad-hoc on-demand distance vector algorithm protocol)
AODV协议的基本流程。
【亲测免费】 四大名著知识图谱三元组数据集：古典文学研究的利器
四大名著知识图谱三元组数据集：古典文学研究的利器 【下载地址】四大名著知识图谱三元组数据集 探索中国古典文学四大名著的深度奥秘！本开源项目提供《红楼梦》、《西游记》、《三国演义》和《水浒传》的知识图谱三元组数据集，以CSV格式精心整理，便于直接调用和处理。数据集采用`主语, 谓语, 宾语`的三元组结构，完美契合知识图谱的...
手把手教你学simulink（8.3）--实例：基于 Simulink 的自动驾驶汽车速度控制系统设计与仿真
基于 Simulink 的自动驾驶汽车速度控制系统设计与仿真。
知识图谱实战1：构建红楼梦人物知识图谱
一、安装Neo4j 在Windows环境中安装Neo4j 并创建两个节点和他们之间的关系 这个是先安装neo4j desktop 然后访问 brower 注意 ： neo4j和jdk的版本要对应 neo4j 4.x.x都要求jdk11以上 我安装的是 https://neo4j.com/artifact.php?name=neo4j-community-3.5.6-windows.zip jdk版本1.8 下载后 解压 管理员方式打开命令行 然后直接访问 http://localhost
NVIDIA Isaac Lab 入门教程（一）
Isaac Lab 是一个用于机器人学习的统一模块化框架，旨在简化机器人研究中的常见工作流程（如 RL、从演示中学习和运动规划）。它建立在英伟达 Isaac Sim 的基础上，利用最新的仿真功能实现逼真的场景和快速高效的仿真。该框架的核心目标是Isaac Lab 的主要功能包括：由 PhysX 提供的快速准确的物理模拟、用于矢量化渲染的平铺渲染 API、用于提高鲁棒性和适应性的域随机化，以及对在云中运行的支持。有关该框架的更多信息，请参阅论文[MYY+23]。
可食用野生植物检测实战：基于YOLOv11的智能识别系统全流程指南
本文介绍了一种基于YOLOv11的可食用野生植物智能识别系统。该系统通过深度学习技术，能在0.2秒内精准识别植物是否可食用，准确率高达92%。文章详细阐述了从数据采集、标注到模型训练、验证的全流程，并开发了用户友好的Tkinter交互界面。该系统解决了户外探险和植物研究中植物识别的痛点，具有高精度、实时性和强泛化能力的特点，为户外安全提供了智能化解决方案。
左手读红楼梦，右手写 BUG，闲快活
想不出合适的标题，很喜欢关汉卿的这组元曲，就胡乱取了，顺便安利下。适意行，安心坐，渴时饮饥时餐醉时歌，困来时就向莎茵卧。日月长，天地阔，闲快活！旧酒投，新醅泼，老瓦盆边笑呵呵，共山僧野叟闲吟和。他出一对鸡，我出一个鹅，闲快活！意马收，心猿锁，跳出红尘恶风波，槐阴午梦谁惊破？离了利名场，钻入安乐窝，闲快活！南亩耕，东山卧，世态人情经历多，闲将往事思量过。贤的是他，愚的是我，争甚么？ ——元·关汉卿《...
文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况
主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。
安利一个惊艳的红楼梦可视化作品
更新：《左手读红楼梦，右手写BUG，闲快活》一文对该数据集进行了分析挖掘，加了许多红楼梦的内容，以及几个书里的黄段子，逃。代码开源在：DesertsX/gulius-projects直接上图，安利下这个关于红楼梦的可视化作品网址在此：InteractiveGraph/example1。要是有最近在读《红楼梦》的朋友，可以对照着来看，想来是很棒的体验。在此关系图谱中，粉红色节点代表红楼梦中出现的人物...
Camera2Demo
在Camera2 的基础上进行封装，使得Camera2一堆初始化逻辑与Activity分离，降低耦合度，完成预览拍照并保存的操作
pscad IEEE标准系统搭建说明
pscad IEEE标准系统搭建说明，包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。
《红楼梦》书籍及弹幕的文本挖掘与可视化（基于Python）
本文同时分析程乙本《红楼梦》文档与87版红楼梦电视剧弹幕语料。对于《红楼梦》书籍处理方向有二，一是对各章节之间的关系分析，二是对不同角色之间的关系分析。对于电视剧，本文利用爬虫方法，爬取腾讯视频87版红楼梦电视剧36集的699046条全部弹幕作为语料，运用SnowNLP 及构建情感词典方法，分析观众对不同角色的情感偏向。
Statistics and Machine Learning Toolbox
Statistics and Machine Learning Toolbox（带书签），MATLAB统计学习工具
四大名著NLP实战：中文分词、情感分析与人物关系网络全流程
自然语言处理（NLP）的核心任务包括分词、词频分析、情感计算与实体关系抽取，它们构成了文本挖掘的基础链路。在实际中文语料中，尤其是古籍文本，分词器常因人名、虚词和古今异义而失效，自定义词典和规则化情感引擎成为提升准确率的关键。通过构建一条从原始文本清洗、章节切分、分词过滤到统计分析和共现网络的可运行流水线，可以将非结构化的章回体小说转化为结构化数据，进而支持词云差异对比、全书情感曲线绘制和人物关系图谱生成。本文以四大名著作为语料案例，展示如何利用Python生态和词典-规则混合方法完成这一完整NLP综合项目
机器学习实战篇--TF-IDF实战--名著红楼梦的文本数据处理[自然语言处理初步实战]
本文介绍了一个针对《红楼梦》文本的结构化分析项目，通过自动化处理实现分卷、分词和关键词提取。项目首先对91万字符的原文进行分卷处理，过滤广告内容并保留格式；然后利用jieba分词工具结合专属词库进行精准分词，去除停用词；最后采用TF-IDF算法提取各卷核心关键词。该方案具有良好扩展性，通过调整分块规则和词库可应用于其他古典文学、学术论文分析等场景，为文本挖掘提供量化依据。整个流程实现了从原始文本到结构化信息的转换，为文学研究提供了技术辅助手段。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
307
扫一扫
