文章目录neo4j安装cypher基本语法neo4j安装最快的方式是使用docker安装，官方教程：https://neo4j.com/developer/docker-run-neo4j/docker run \--name testneo4j \-p7474:7474 -p7687:7687 \-d \-v $HOME/neo4j/data:/data \-v $HOME/neo4j/logs

主要分为以下几个步骤：下载模型放到目录中使用transformers中的BertModel，BertTokenizer来加载模型与分词器使用tokenizer的encode和decode函数分别编码与解码，注意参数add_special_tokens和skip_special_tokensforward的输入是一个[batch_size, seq_length]的tensor，再需要注...

在创建Dataloader的使用pin_memory()函数pin_memory就是锁页内存，创建DataLoader时，设置pin_memory=True，则意味着生成的Tensor数据最开始是属于内存中的锁页内存，这样将内存的Tensor转到GPU的显存就会更快一些。主机中的内存，有两种存在方式，一是锁页，二是不锁页，锁页内存存放的内容在任何情况下都不会与主机的虚拟内存进行交换（注：虚拟内..

根据问答数据的性质可以分为开放域和特定知识领域（比如保险类、金融类、公司内部产品类）等。开放域上的主要是百科类的数据。中文开放知识图谱联盟构建了多个中文开放域的知识图谱。链接的中文百科知识图谱是OpenKG正在从事的一项工作。目的是促进百科类、通用域的知识图谱的开放与互联。目前已经初步建立了国内几个主要中文开放百科类知识图谱的链接，这包括Zhishi.me（狗尾草科技、东南大学）、CN-DBPed

文章目录第一章1.1 知识图谱与语义概述1.2 典型的知识库项目1.3 知识图谱相关技术第一章1.1 知识图谱与语义概述人的知识偏重关连，web的页面是文本链接，但是对于页面中的document不能处理。要从文本链接到知识链接。知识图谱是2012年谷歌提出用于语义搜索。Knowledge Graph的发展历程：1.2 典型的知识库项目1.3 知识图谱相关技术...

在NLP中，命名实体识别（Named Entity Recognization，NER）是一个非常重要的任务，比如信息抽取中，NER是第一步，首先识别出文本中的命名实体。在问答系统中，尤其是任务导向的问答或KBQA的第一步是就是命名实体识别，识别出实体在做下一步的槽填充。命名实体是什么？NER主流的算法是什么？NER的metric是怎么定义的？NER任务中的语料有哪些？NER任务语料NER的bas

https://blog.csdn.net/zongza/article/details/89185852

字符串匹配是一个技术活，敏感词检测首先有一个敏感词词库，也就是敏感词的列表。第一个想到的方法把敏感词放到一个set里，再待检测的文本分词，到set里去匹配；第二种方法是遍历set，用正则表达式来过滤。以上两种方法，在数据量小的时候没有问题，但是，当数据量非常大的时候，性能就不行了。前缀树算法：https://blog.csdn.net/qq_37410328/article/detail...

文章目录一、事件抽取的定义二、ACE2005数据集事件类型一、事件抽取的定义命名实体识别、关系抽取、事件抽取是NLP中信息抽取的主要任务。事件抽取是把含有事件信息的非结构化文本以结构化的形式呈现出来，在自动文摘、自动问答、信息检索等领域有着广泛的应用。近些年来 ,事件抽取一直吸引着许多研究机构和研究者的注意力。MUC (Message Understanding Conference) 会议、AC

pytorch的LSTM及RNN的dropout不会对每个time step进行dropout，只对一层的输出设置了dropout。在新版本的pytorch中，对于1层的lstm，dropout参数无效了，就说明对每个时间步是不dropout的。源码中，也是最后一层的输出时才加上的dropout.for i in range(num_layers):all_output = []for j, in