原创 【知識圖譜】Neo4j的基本使用及思知1.4億三元組數據構建知識圖譜

目錄 0、前言 1、Neo4j的基本使用 1.1 下載和安裝Neo4j 1.2 Neo4j配置 1.2.1 核心數據文件的位置 1.2.2 安全驗證,默認是啓用的 1.2.3 配置JAVA 堆內存的大小 1.3 網絡連接配置 1.3.1

原创 【知識圖譜】知識圖譜的基礎概念與構建流程

目錄 1、引言 2、知識圖譜的定義 3、知識圖譜的架構 3.1 知識圖譜的邏輯結構 3.2 知識圖譜的體系架構 4、代表性知識圖譜庫 5、知識圖譜構建的關鍵技術 5.1 知識提取 5.2 知識表示 5.3 知識融合 【導讀】知識圖譜技術是

原创 【NLP】詞向量:從word2vec、glove、ELMo到BERT詳解!

  目前,詞向量(又叫詞嵌入word embedding)已經成爲NLP領域各種任務的必備一步,而且隨着bert elmo,gpt等預訓練模型的發展,詞向量演變爲知識表示方法,但其本質思想不變。學習各種詞向量訓練原理可以很好地掌握NLP

原创 【深度學習】卷積神經網絡發展史從LeNet到AlexNet

本文主要討論CNN的發展,並且引用劉昕博士的思路,對CNN的發展作一個更加詳細的介紹,將按下圖的CNN發展史進行描述: 上圖所示是劉昕博士總結的CNN結構演化的歷史,起點是神經認知機模型,此時已經出現了卷積結構,經典的LeNet誕生於1

原创 【知識圖譜】Neo4j 導入數據構建知識圖譜的三種方法

目錄 Neo4j數據導入5種方式 1、使用Cypher語言創建 1.1 創建節點【create】 1.2 修改節點的屬性 1.3 創建帶屬性值的節點 1.4 創建節點間的關係 1.5 其他操作命令 1.6 cypher查詢語言的使用規律

原创 【知識圖譜】解讀知識圖譜的技術與應用

導讀:從一開始的Google搜索,到現在的聊天機器人、大數據風控、證券投資、智能醫療、自適應教育、推薦系統,無一不跟知識圖譜相關。它在技術領域的熱度也在逐年上升。 本文以通俗易懂的方式來講解知識圖譜相關的知識、尤其對從零開始搭建知識圖譜過

原创 【NLP】從WE、ELMo、GPT到Bert模型—自然語言處理中的預訓練技術發展史

Bert最近很火,應該是最近最火爆的AI進展,網上的評價很高,那麼Bert值得這麼高的評價嗎?我個人判斷是值得。那爲什麼會有這麼高的評價呢?是因爲它有重大的理論或者模型創新嗎?其實並沒有,從模型創新角度看一般,創新不算大。但是架不住效果太

原创 【Docker】一文掌握全部Docker常用命令

導航目錄 1.docker images: 查看鏡像 2.docker run: 創建一個新的容器並運行一個命令 3. docker create: 創建一個新的容器但不啓動它 4.docker stop: 停止一個運行的容器 5.doc

原创 帶你入門多目標跟蹤(四)外觀模型 Appearance Model

行人跟蹤作爲MOT中的一個典型的問題,十分具有研究價值,本系列文章以行人跟蹤爲例來介紹MOT。 在講解外觀模型問題前,首先需要對MOT的各個部件有一個大概的瞭解。在設計一種MOT算法時,有兩點問題需要格外關注。 一是如何測量在視頻幀中各目

原创 【知識圖譜】從六個方面解析知識圖譜的價值和應用

知識對於人工智能的價值就在於,讓機器具備認知能力和理解能力。構建知識圖譜這個過程的本質,就是讓機器形成認知能力,理解這個世界。   一、知識圖譜無處不在 說到人工智能技術,人們首先會聯想到深度學習、機器學習技術;談到人工智能應用,人

原创 樹莓派4B最常用的 Linux 命令及說明

對於 Linux 新手來說,使用 Raspbian 系統會遇到比較棘手的問題,其中之一就是對各種 Linux 命令的學習。本文整理了一份常用的 Linux 命令及說明,供初學者對照學習。 命令在哪裏輸入?通過 SSH 客戶端登錄你的樹莓

原创 【深度學習】深度學習中常用的激活函數

深度學習中常用的的激活函數包括了:sigmoid、tanh、ReLU 、Leaky Relu、RReLU、softsign 、softplus。 激活函數可以分爲兩大類 : 飽和激活函數: sigmoid、 tanh 非飽和激活函數: R

原创 【Docker】Dockerfile用法詳解

製作Docker image 有兩種方式:一是使用 Docker container,直接構建容器,再導出成 image 使用;二是使用 Dockerfile,將所有動作寫在文件中,再 build 成 image。Dockerfile 的

原创 【深度學習】通俗易懂講解循環神經網絡LSTM

目錄 1、循環神經網絡(Recurrent Neural Networks) 2、長依賴存在的問題 3、LSTM 網絡 4、LSTMs的核心思想 5、一步一步理解LSTM 6、LSTM的變種 7、總結 1、循環神經網絡(Recurrent

原创 【機器學習】一文詳解GBDT、Xgboost、Boosting與Bagging之間的區別

GBDT與Xgboost的區別 N問GBDT 1. 怎麼設置單棵樹的停止生長條件? 2. 如何評估特徵的權重大小? 3. 當增加樣本數量時,訓練時長是線性增加的嗎? 4. 當增加樹的顆數時,訓練時長是線性增加的嗎? 5. 每個節點上保存什