weixin_51117061的博客

知识图谱类产品-开题报告构想整体技术路线是GNN，降低前期语料的爬取成本，化团队力量为自己用，开始日益发现团队力量的重要性，在一个团队中可以相互成就一个产品，形成能力的互补和简历的递进，but像去年那种技术组的过于分裂，导致技术壁垒在团队内部产生的现象一定要注意避免，做到技术的可互通性的同时，也要做好项目的完善工作。1.信息源获取难度以及合法性自然语言处理较为依赖于信息源的获取，本团队不希望将重心放在前期的语料爬取中，虽然这对于结果很重要，但是发展初期的主要方向还是把整个框架能够成功跑出来...

一、选题方向知识图谱选择优势：领域经验：有以往情感分析处理的成品项目，向知识图谱方向发展更加熟悉与得心应手 产出成果：可以以打造产品为导向，开拓出NLP新系列的产品，若开发出，知识图谱系列产品的所有权选择不确定性：语料库是否需要人工标注，如果需要人工标注，能否获取大量的数据集用来训练出准确的结果 知识图谱的应用能够深入到什么程度，技术难度怎么样2-高速公路交通流选择优势：数据获取：方便直接调取，检索高速公路的相关数据（2）项目基础：有以往的研究经验和报告作为参考（但是感觉

独热编码即 One-Hot 编码，又称一位有效编码。其方法是使用 N位状态寄存器来对 N个状态进行编码，每个状态都有它独立的寄存器位，并且在任意时候，其中只有一位有效。 One-Hot 编码是分类变量作为二进制向量的表示。(1) 将分类值映射到整数值。(2) 然后，每个整数值被表示为二进制向量，除了整数的索引之外，它都是零值，它被标记为1。是一种十分常用的类别处理手段，当特征是离散的，无序的，就可以通过one hot 进行特征数字化，比如一个特征有高、中、低三个值，通过独热编码，就可以分...

新闻文本数据中不仅包括了中文字符，还包括了数字、英文字符、标点等非常规字符，这些都是无意义，并且需要处理的数据，清洗的方法使用的是正则表达式。方法一：借助Unicode编码，16进制筛出中文字符匹配规则为：[\u4e00-\u9fa5]，\un匹配n，其中n是一个用四个十六进制数字表示的Unicode字符，而4e00-9fa5之间的Unicode编码表示的是20000多个中文字符。具体编码如下：#匹配[^\u4e00-\9fa5]def find_chinese(text): ...