这里给出几个常见的知识图谱架构图，这几个图大同小异，通过看图可以一目了然的理解，免去了文字的繁琐介绍。知识图谱架构主要部分：- 知识抽取（包括实体抽取、关系抽取以及属性抽取等）- 知识融合（包括实体消岐等）- 知识加工（包括本体构架、知识推理等）- 知识更新...

通常所说的采样指的是下采样，也就是对信号的抽取。其实，上采样和下采样都是对数字信号进行重采，重采的采样率与原来获得该数字信号（比如从模拟信号采样而来）的采样率比较，大于原信号的称为上采样，小于的则称为下采样。上采样的实质也就是内插或插值。下采样的定义：对于一个样值序列间隔几个样值取样一次，这样得到新序列就是原序列的下采样。下采样就是抽取，是多速率信号处理中的基本内容之一。上采样是下采样的逆...

 1. 首先一定要注意杂志的发表范围, 超出范围的千万别投,要不就是浪费时间;另外，每个杂志都有他们的具体格式要求，一定要按照他们的要求把论文写好，免得浪费时间，前些时候，我的一个同事向一个著名的英文杂志投稿，由于格式问题，人家过两个星期就退回来了，而且说了很多难听的话，说投稿前首先就应该看清楚他们的格式要求；2. 论文写作一定要言简意赅,特别是摘要,引言和结论部分,特别是摘要和结论不能重复...

摘要很多现有的协同过滤的方法既不能处理非常大的数据集，也不能容易地应对有非常少的评价的用户。在这篇论文中，我们提出了概率矩阵分解（PMF）模型，它的规模与观察值的数目线性相关，并且更重要的是，它在非常大的、稀疏的和非常失衡的Netflix数据集上表现优异。我们更进一步地扩展PMF模型来包含一个适合的先验在模型参数中并且展示模型能力怎样可以被自动地控制。最后，我们引入一个有约束版本的PMF模型...

1 知识图谱的总体构建思路如图所示，从原始的数据到形成知识图谱，经历了知识抽取、知识融合（实体对齐）、数据模型构建、质量评估等步骤。原始的数据，按照数据的结构化程度来分，可以分为结构化数据、半结构化数据和非结构化数据，根据数据的不同的结构化形式，采用不同的方法，将数据转换为三元组的形式，然后对三元组的数据进行知识融合，主要是实体对齐，以及和数据模型进行结合，经过融合之后，会形成标准的数...

最近发现一个神奇的网站，这个网站在看论文找代码的时候提供很大的便利，分享给大家。Reddit用户rstoj做了一个网站，将ArXiv上的最新机器学习论文与GitHub上的代码（TensorFlow/PyTorch/MXNet /等）对应起来。你可以按标题关键词查询，也可以按流行程度、GitHub星星数排列“热门研究”。这个网站能让你跟上ML社区流行的最新动态。网站地址：https://pa...

就机器学习与数据挖掘两者来说，个人认为两者从实际运用和内容上来说重叠部分较多，不好完全区分开来。机器学习，又可以理解为计算机学习、程序学习、模型学习，或者说是agent学习，即人们通过编程或其他方式创造出一个模型，然后训练该模型，使该模型具有通过学习增长知识的能力；数据挖掘，又可以理解为挖掘数据，在大量数据中发现和挖掘到的知识是我们想要获得的东西。机器学习更偏向于是一种手段或者方式，数据挖掘更..

就机器学习与数据挖掘两者来说，个人认为两者从实际运用和内容上来说重叠部分较多，不好完全区分开来。机器学习，又可以理解为计算机学习、程序学习、模型学习，或者说是agent学习，即人们通过编程或其他方式创造出一个模型，然后训练该模型，使该模型具有通过学习增长知识的能力；数据挖掘，又可以理解为挖掘数据，在大量数据中发现和挖掘到的知识是我们想要获得的东西。机器学习更偏向于是一种手段或者方式，数据挖掘更..

今天在阿里云买了一个Ecs来玩玩， 服务器是Linux版本， 登录服务器之后发现 python是python2.7，所以就打算自己安装一个python3。因为是安装完成之后才打算写这个文章的，所以安装截图就没有了，但是绝对步步都齐。         安装步骤如下：                    （１）wget https://www.python.org/ftp/python/3....

NLP参考资源 自然语言处理（Natural Language Processing）是深度学习的主要应用领域之一。 1. 教程 CS224d: Deep Learning for Natural Language Processinghttp://cs224d.stanford.edu/ CS224d课程的课件http://web.sta...