猿创征文｜信息抽取（2）——pytorch实现Bert-BiLSTM-CRF、Bert-CRF模型进行实体抽取

论文参考：Bidirectional LSTM-CRF Models for Sequence TaggingNeural Architectures for Named Entity Recognition使用数据集：https://www.datafountain.cn/competitions/529/ranking导包、路径、超参数、预设常量生成word2index字典、加载数据集3 数据

chatgpt实现NLP基本任务（实体识别、关系抽取、属性抽取、事件抽取、文本分类）

文章目录前言一、配置中心介绍1、Spring Cloud Config2、Nacos替换Config(1)应用场景(2)解决的问题(3)nacos配置中心作用：二、读取Nacos配置中心的配置文件1、在Nacos创建统一配置文件(1)点击创建按钮(2)输入配置信息(3)确保配置信息无误后，点击确认(4)点击配置列表即可看到配置文件2.以任一模块为例（1）在service的pom.xml中引入依赖（

数据挖掘实战（3）——时间序列预测ARIMA模型（附踩坑日志）

模型：论文：摘要：对于序列标注来讲，普通CNN有一个劣势，就是卷积之后，末层神经元可能只是得到了原始输入数据中一小块的信息。而对NER来讲，整个句子的每个字都有可能都会对当前需要标注的字做出影响。为了覆盖到输入的全部信息就需要加入更多的卷积层， 导致层数越来越深，参数越来越多，而为了防止过拟合又要加入更多的Dropout之类的正则化，带来更多的超参数，整个模型变得庞大和难以训练。

流式与非流式的区别：输出的response格式不一致。类似，可参考多轮对话，修改stream=True。API_KEY、SECRET_KEY自行购买。获取鉴权签名token，以及发送post请求。

使用数据集：微博数据集，共有约12万条数据，标签数为2。配置环境：Rtx3060 Laptop/AutoDL。

sklearn数据挖掘——多分类实现（手写数字识别）

安装docker desktop，需要提前开启Windows虚拟化和安装WSL2。找到seetings，修改docker engine的配置文件。下载docker desktop安装包。重启docker，执行命令。进入docker官网。运行示例镜像发现报错。