功能实现mybatis批量插入数据，已有的则更新。有一个对象如下：public class RItemBean {/*** 主键* */private String id;/*** 租房信息表ID，外键* */private String rentalInfoId;/*** 物品名称* */private String itemName;.

知识推理任务分类所谓推理就是通过各种方法获取新的知识或者结论，这些知识和结论满足语义。其具体任务可分为可满足性(satisfiability)、分类(classification)、实例化(materialization)。可满足性可体现在本体上或概念上，在本体上即本体可满足性是检查一个本体是否可满足，即检查该本体是否有模型。如果本体不满足，说明存在不一致。概念可满足性即检查某一概念的可满足性，即

CBLOF也是一种基于其他机器学习算法的异常检测算法。说到基于，就是CBLOF名字里面的B~Based。而他基于的是其他的聚类算法，所以他就是Cluster-Based。LOF三个字母是Local Outlier Factor，本地异常因子。合起来CBLOF 就是 Cluster-based Local Outlier Factor，基于聚类的本地异常因子。他的一个基本认知是：数据可能会在多个不同

绝对中位差（MAD，median absolute deviation）方法是近年来受到青睐的异常值检测方法。MAD 定义为，一元序列Xi同其中位数偏差的绝对值的中位数（deviation，偏差本身有正有负）：假定数据服从正态分布，我们让异常点（outliers）落在两侧的 50% 的面积里，让正常值落在中间的 50% 的区域里：正态分布下，±0.67449包含50%面积，而1/0.67449≈1

目录1、缺失值2、异常值3、数值型处理3.1 无量纲化处理3.2 数值型转换成类别3.3 数值的二值化4、类别型4.1独热编码(one-hot encoding)4.2哑编码(dummy encoding)4.3Histogram映射5、时间型6、文本型6.１ 词袋6.２ 把词袋中的词扩充到n-gra...

背景在网络安全领域，对异常检测算法的效率要求很高，且输入数据往往非常大，这也是为什么半监督学习的异常检测算法往往采用直方图的原因。如果处理的是高维数据，单维度的直方图很容易计算。大多数直方图相关的算法中，常常固定直方图的宽度或者手动设置宽度。论文提出了一种基于直方图的无监督异常检测算法-HBOS算法，并且提出了动态宽度的算法以适应不均衡的长尾分布。论文《 Histogram-based Outli

知识问答简介问答系统的历史如下图所示：可以看出，整体进程由基于模板到信息检索到基于知识库的问答。基于信息检索的问答算法是基于关键词匹配+信息抽取、浅层语义分析。基于社区的问答依赖于网民贡献，问答过程依赖于关键词检索技术。基于知识库的问答则基于语义解析和知识库。根据问答形式可以分为一问一答、交互式问答、阅读理解。一个经典的测评数据集为QALD，主要任务有三类：多语种问答，基于Dbpedia问答基于链

知识挖掘知识挖掘是指从数据中获取实体及新的实体链接和新的关联规则等信息。主要的技术包含实体的链接与消歧、知识规则挖掘、知识图谱表示学习等。其中实体链接与消歧为知识的内容挖掘，知识规则挖掘属于结构挖掘，表示学习则是将知识图谱映射到向量空间而后进行挖掘。实体消歧与链接实体链接的流程如上图所示，这张图在前一章出现过，那里对流程进行了简要说明。此处对该技术做进一步的说明。示例一: 基于生成模型的 enti

知识融合简介知识融合，即合并两个知识图谱(本体)，基本的问题都是研究怎样将来自多个来源的关于同一个实体或概念的描述信息融合起来。需要确认的是：等价实例等价类/子类等价属性/子属性一个例子如上图所示，图中不同颜色的圆圈代表不同的知识图谱来源，其中在dbpedia.org中的Rome 和geoname.org的roma是同一实体，通过两个sameAs链接。不同知识图谱间的实体对齐是KG融合的主要工作。

1、套接字工作流程服务器端先初始化Socket，建立一个套接字与端口绑定(bind)，用 bind 函数来绑定一个端口号和 IP 地址。对端口进行监听(listen)，服务器调用 listen 函数，使服务器的这个端口和 IP 处于监听状态服务器调用accept阻塞，等待客户端连接。等待客户机的连接。客户机用 socket 函数建立一个套接字,设定远程 IP 和端口。客...