- 博客(36)
- 收藏
- 关注
RSS订阅
原创 图技术系列文章汇总
在科技的浩渺星空中，图技术如一颗默默闪耀的星星，以其独特的魅力和力量，在各个领域发挥着不可或缺的作用。它静静地连接着数据的点与线，构筑起复杂而精准的信息网络，为人类的进步与发展提供着坚实的支撑。“图技之韵：静默中的力量”系列文章，旨在以低调而深沉的笔触，揭示图技术背后的故事和力量。我们将聚焦图技术的内在价值和实际应用，通过真实的案例和深入的分析，展现它在各个领域中的广泛应用和深远影响。在这个系列中，我们将以平和的心态和客观的视角，探讨图技术的未来发展趋势和挑战，分享见解和思考。
2024-05-20 22:00:00
356
原创 基于python实现Monte Carlo
蒙特卡洛模型（Monte Carlo Model），又称统计模拟法或随机抽样技术，是一种基于概率和统计理论的随机模拟方法。这种方法通过将所求解的问题与一定的概率模型相联系，使用电子计算机实现统计模拟或抽样，以获得问题的近似解。概率模型构建：为了求解数学、物理、工程技术以及管理等方面的问题，首先建立一个概率模型或随机过程。这个模型或过程的参数，如概率分布或数学期望，与问题的解相关联。随机抽样：通过对模型或过程的观察或抽样试验，收集大量的随机样本数据。这些样本数据用于计算所求参数的统计特征。
2018-12-07 17:26:26
7001
1
原创 10min本地安装Qwen1.5-0.5B-Chat
在人工智能领域，大模型无疑是最炙手可热的话题。之前曾尝试使用阿里云的服务器来部署和学习ChatGLM-6B，并试图在本地电脑上进行部署，但由于内存限制，处理一个问题需要耗费几分钟的时间。在探索了多个开源的大模型后，发现Qwen1.5-0.5B-Chat可以在本地进行部署，尽管其响应速度相对较慢，大约在10秒左右，但已经是一个可行的选择。接下来，计划基于这个本地模型，进一步探索大模型的应用与发展。
2024-11-05 22:30:00
841
原创 银行业数字化转型中知识图谱在大模型火热背景下的应用分析
知识图谱，作为前沿创新技术的典范，其核心在于深度挖掘与关联分析海量、多样化、多维度的数据资源，已成为推动银行行业转型升级的关键力量。这一技术不仅促进了银行内部与外部数据的无缝融合，更通过精细化的数据处理，从纷繁复杂的原始数据中提炼出实体间错综复杂的关联关系，为银行提供了前所未有的洞察力。具体而言，知识图谱能够精准识别企业风险、异常担保、疑似实际控制人等关键信息，为银行的风险防控体系筑起一道坚实的防线。
2024-08-22 22:00:00
1354
原创 基于知识图谱分析贸易关系走向
知识图谱是一种用图模型来描述知识和建模世界万物之间的关联关系的技术方法。在贸易关系的分析中，知识图谱可以将各个国家、地区、商品、贸易政策等作为节点，而它们之间的贸易关系、依赖程度、政策影响等作为边，从而形成一个复杂的网络结构。本文主要分析企业之间的贸易关系来往。基于收集和处理后的数据，构建知识图谱。每个企业用一个节点表示，而企业之间的关系用边表示。利用可视化技术，将知识图谱以图形化的方式展示出来，便于直观地观察和分析贸易关系的走向。
2024-05-30 21:00:00
809
原创 基于知识图谱挖掘高价值客户
高价值客户的认定主要依赖于对已有客户关系网络的深入分析，结合专业的市场洞察和客户行为研究，构建了一个细致的高价值客户评分模型。这个模型融合了多维度的评估标准，旨在精准识别并锁定那些对企业具有重要战略意义的客户。首先，是客户的基础信息。这包括客户的行业地位、企业规模、市场影响力等，这些信息为我们提供了客户的基本情况和发展潜力，是识别高价值客户的重要起点。其次，客户的交易数据也是评估其价值的关键。通过分析客户的购买频率、交易金额、支付习惯等，我们可以了解客户的消费能力和忠诚度，进一步判断其对企业的重要程度。
2024-05-20 21:00:00
798
原创 资金流分析下的企业供货关系强度模型
在构建产供应链网络的过程中，我们主要依赖于企业间的产业链上下游关系以及详细的交易数据来识别企业之间的供货关系。然而，企业间的资金交易关系错综复杂，金额和频次变化多端，这使得传统的简单评估方法难以准确衡量供货关系的真实强度。为了更系统、更精确地量化企业间的供货关系强度，我们需要构建一个多维度的评估模型。这一模型将综合考虑交易金额、交易频次、交易持续性以及交易规律性等核心因素，以全面评估供货关系的紧密性和稳定性。
2024-05-11 20:00:00
1190
原创 【python】删除有序数组中的重复项（快慢指针）
给你一个非严格递增排列的数组 nums ，请你原地删除重复出现的元素，使每个元素只出现一次 ，返回删除后数组的新长度。更改数组 nums ，使 nums 的前 k 个元素包含唯一元素，并按照它们最初在 nums 中出现的顺序排列。nums 的其余元素与 nums 的大小不重要。解释：函数应该返回新的长度 5 ， 并且原数组 nums 的前五个元素被修改为 0, 1, 2, 3, 4。
2024-03-28 21:00:00
1020
原创 【python】岛屿数量
如果遍历到某个坐标的值为“1”，则满足岛屿的条件，count += 1。可以去搜索去四周的坐标是否为“1”，如果四周的坐标为“1”，则需要标记，避免重复count。对于矩阵的任意一个坐标[row][col]，如何去找到与其连接的"1" 呢？遍历过的坐标可以作为标记已经遍历，如下代码证定义一个与矩阵同样大小的零矩阵，如果已经遍历过，则labels[row][col] = 1。对于示例1， 4 x 5 的矩阵，岛屿分布如下矩阵所示，岛屿数量是"1" 连接在一起的块数，即为3。
2024-03-15 20:00:00
1364
3
原创 【python】对角线遍历
给你一个大小为 m x n 的矩阵 mat ，请以对角线遍历的顺序，用一个数组返回这个矩阵中的所有元素。第一斜对角线，角标和为0，如果规定从左下到右上为正序，这一条为正序。第三斜对角线，角标和为2，正序。[[2,0], [1,1], [0,2]]横坐标的最大值不能超越2，即m-1，纵坐标的最大值不能超越2，即n-1。输入：mat = [[1,2,3],[4,5,6],[7,8,9]][[0,1], [0,1]][[1,2], [2,1]]输出：[1,2,4,7,5,3,6,8,9]
2024-03-06 22:00:00
2122
原创 【python】sort与sorted排序使用
利用python在进行数据分析的过程中，经常会遇到对数组的个性化排序。调研发现python中现成有两个函数sort、sorted可以使用，但是在使用的过程中会存在一些区别，特此记录。
2024-03-04 19:00:00
452
原创 利用networkx做固定坐标的样例图
作者的工作主要聚焦于图数据的研究和分析，研究过程中，需要绘制一些样例图，手工做出来的不够美观，因此利用networkx做出样例图，可以让例子更加美观直白，所以写下这篇文章用于备用。
2024-03-01 19:00:00
589
原创 Graph2NLP浅谈
主要是把图数据转化为文本的实践和尝试，后续应用于实际的业务场景中。图数据来源于基于graphsage的欺诈用户风险识别中的graph.bin，自然语言处理手段主要来源于基于word2vec的word相似度中的word2vec。
2023-12-19 20:00:00
1326
原创 2022年iFLYTEKA.I.开发者大赛疫情微博情绪识别挑战赛
疫情发生对人们生活生产的方方面面产生了重要影响，并引发了国内舆论的广泛关注，众多网民也参与到了疫情相关话题的讨论中。本次我们重点关注微博平台上的用户情绪，希望各位选手能搭建自然语言处理模型，对疫情下微博文本的情绪进行识别。
2022-12-27 20:00:00
1080
原创 优快云编程竞赛第五期笔记
先把成绩贴出来，本次编程大赛第17名，可以获得定制帆布包与电子荣誉证书。获奖用户需要在优快云发布一篇竞赛相关博客才可获得奖品，内容创作方向需围绕竞赛相关，如本次竞赛的bug，对优快云竞赛的建议，以往参加各类编程竞赛的比赛经历等等。耐心，认真审题，希望下次多通过一道题目。
2022-09-13 18:00:00
388
2
原创 优快云编程竞赛第三期小鱼的航程(改进版)
小鱼的航程(改进版)有一只小鱼，它上午游泳150公里，下午游泳100公里，晚上和周末都休息（实行双休日)，假设从周x(1
2022-08-09 08:00:00
405
2
原创 知识图谱快速入门
知识图谱是Google在2012年5月17日提出的，其初衷是为了提高搜索引擎的能力，改善用户的搜索质量以及搜索体验，本文针对知识图谱的基础定义进行举例说明。
2022-08-04 08:00:00
2916
原创 基于word2vec的word相似度
自然语言技术零基础入门NLP - 新闻文本分类基于word2vec的文本相似度自然语言技术前言一、word2vec是什么？二、使用步骤1.引入库2.读入数据3.模型训练及保存4.模型结应用前言随着人工智能的不断发展，自然语言这门技术也越来越重要，很多人都开启了学习自然语言，本文就介绍了基于word2vec的word相似度。一、word2vec是什么？word2vec是指将文本数据处理成计算机可以处理的向量，并根据语料库可以计算word之间的相似度。二、使用步骤1.引入库版本如下：
2022-04-02 08:00:00
3627
原创 有向图中任意两点的路径
【图技术】有向图中任意两点的路径基于networkx的隐性集团关系识别模型基于Neo4j的担保社群型态分析挖掘 前言随着人工智能的不断发展，图这门技术也越来越重要，很多人都开启了学习图技术，本文就介绍了图技术中的计算任意两点的路径。一、任意两点的路径如下图所示，求企业A与企业B的路径#mermaid-svg-LsSYbMchu1x1tfzm {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#3
2022-03-23 08:00:00
1961
原创 Neo4j实用
系列文章目录基于networkx的隐性集团关系识别模型基于Neo4j的担保社群型态分析挖掘图分析系列文章目录前言一、neo4j是什么？二、使用步骤1.连接图数据库2.图遍历总结前言随着人工智能的不断发展，图这门技术也越来越重要，很多人都开启了学习图，本文就介绍了图的常用数据库neo4j。以下是本篇文章正文内容，下面案例可供参考一、neo4j是什么？图数据库的一种。二、使用步骤1.连接图数据库代码如下（示例）：#连接图数据库import pandas as pdfrom
2021-12-16 08:00:00
361
原创 基于深度/广度遍历求有向无环图中目标节点到其他节点的全路径
基于python求无环图中target点到其他点的全路径1.算法说明graphtarget2.算法步骤3.算法验证1.算法说明graphgraph使用一个矩阵表示，矩阵中的第i行，第j列graph[i][j]表示节点i与节点j关联targettarget表示目标节点2.算法步骤将目标节点作为单条路径的起始节点；遍历目标节点的邻居节点；判断单条路径是否在全路径中，如果不在，则单条路径追加pythonclass Solution: def allpatht(self,
2021-12-09 08:00:00
1668
原创 【python】数组字符串等实用
Python实用数组数组排序数组索引数组数组排序#python自带排序#75. 颜色分类"""class Solution: def sortColors(self, nums: List[int]) -> None: """ Do not return anything, modify nums in-place instead. """ nums.sort() return nums"""num
2021-12-03 22:00:00
1580
原创 基于Neo4j的担保社群型态分析挖掘
基于Neo4j的担保社群型态分析挖掘一. 前言算法步骤算法说明二. 数据说明三. Neo4j介绍1. Python、Neo4j交互2. Neo4j入图3. Neo4j图分析四. 图谱型态五. 模型说明六. 模型实例七. 展望一. 前言对于担保客户群，如何对担保客群型态进行详细的分析挖掘呢？如图一，怎么获取标签，如何打上标签呢？#mermaid-svg-AoXQBP5p75CrNXcP .label{font-family:'trebuchet ms', verdana, arial;font-fami
2021-12-01 22:00:00
3417
3
原创 力扣215.数组中的第K个最大元素
数组中的第K个最大元素Just for the record冒泡法内存溢出from heapq import * import random#列表nums = [random.randint(0, 100) for i in range(10)]heap = []#将i压入堆中[heappush(heap, i) for i in nums]print(heap)#返回heap中k个最大的元素heap_k = nlargest(k, heap)#返回heap_k的最小堆pri
2021-06-30 22:00:37
177
原创 基于networkx的隐性集团关系识别模型
基于持股比例的隐性集团关系模型一. 前言算法步骤算法说明二. 数据说明三. 数据处理四. 图谱构建五. 模型说明六. 模型实例七. 展望:一. 前言算法步骤构建持股关系图谱；计算客户5度（出度）内客户名单cust_list；（5是一个可调整的参数）获取cust_list的距离矩阵M1M_1M1；分别获得2、3、4、5度转移概率矩阵M2=M12、M3=M13、M4=M14、M5=M15M_2=M_1^2、M_3=M_1^3、M_4=M_1^4、M_5=M_1^5M2=M12、M3=M13
2021-06-17 17:26:06
1615
4
原创 最短路径算法dijkstra
最短路径算法dijkstra该算法的核心就是从当前节点的邻居节点中找到距离起始节点的最近那个节点，作为下步迭代的节点。一 算法步骤给定起始节点s(v0)s(v_0)s(v0)、邻接矩阵AAA；初始化nnn维零标记向量labellabellabel，nnn维infinfinf距离向量distancedistancedistance；s(v0)s(v_0)s(v0)开始，更新label...
2020-02-14 10:32:43
443
原创 逻辑回归的参数θ推导
逻辑回归1切题引题y=11+e−xy=\frac{1}{1+e^{-x}}y=1+e−x1被称作sigmoid函数，sigmoid函数可以看成样本数据的概率密度函数。线性回归的公式如下：z=θ0+θ1x1+...+θnxn=θTx。 z=θ_{0}+θ_{1}x_{1}+...+θ_{n}x_{n}=θ^{T}x。 z=θ0+θ1x1+...+θnxn=θTx。逻辑回归基...
2019-08-17 10:31:06
1222
原创 拉链表、增量表、全量表
拉链表、增量表、全量表拉链表增量表全量表拉链表记录一个事物从开始到当前状态的所有的变化信息。适用于“数据量非常大的表、表中的某些字段会被更新操作、需要查看历史信息、表的数据更新变化不是很大。”拉链表中会定义数据的st_date和end_date。初始表Acust_idaccountst_dtend_dta1002017080129991231b200...
2019-06-25 12:11:52
1369
原创 【python】简单作图
以随机数为例> import matplotlib.pyplot as plt> import numpy as np> import random> x=[]> y=[]> for i in range(10):> x.append(random.random())> ...
2019-01-17 15:48:06
1558
2
原创 k-means的python实现
以k=3为例进行说明（1）从数据中随机取k个数；（2）遍历数据进行分类（本文分类标准选择了欧式距离）；（3）第一次分类结束后，计算每个分类中的平均数，代替（1）中的k个数；（4）循环，迭代。送上代码：import numpy as npimport randomimport matplotlib.pyplot as plt k=3#需要分成的簇n=20#循环次数a=10*np...
2018-12-04 15:54:31
253
原创 基于python实现n进制转m进制
当我们将一个nnn进制的数字转换为mmm进制时，首先需要将该数字从nnn进制转换为十进制，然后再将得到的十进制数转换为mmm进制。这个过程涉及到数学运算和进制的理解，但通过使用适当的算法和编程技术，我们可以轻松地实现这种转换。无论是手动计算还是通过编程自动化处理，了解不同进制之间的转换原理都至关重要，它不仅是计算机科学中的基础概念，也在日常生活中有着广泛的应用。
2018-11-02 17:06:01
1833
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人