文章目录一、前馈神经网络二、简单的神经网络（tensorflow）前馈神经网络、网络层数、输入层、隐藏层、输出层、隐藏单元、激活函数的概念。感知机相关；利用tensorflow等工具定义简单的几层网络（激活函数sigmoid），递归使用链式法则来实现反向传播。激活函数的种类以及各自的提出背景、优缺点。（和线性模型对比，线性模型的局限性，去线性化）深度学习中的正则化（参数范数惩罚：L1正则...

文章目录一、本体知识推理简介1、OWL本体语言（1）OWL本体语言概述（2）描述逻辑一、本体知识推理简介1、OWL本体语言（1）OWL本体语言概述OWL的特性：OWL本体语言是知识图谱中最规范(W3C制定)、最严谨(采用描述逻辑)、表达能力最强(是一阶谓词逻辑的子集)的语言；它基于RDF语法，使表示出来的文档具有语义理解的结构基础。促进了统一词汇表的使用，定义了丰富的语义词汇。允...

背景知识图谱是一种有向图结构，描述了现实世界存在的实体、事件或者概念以及它们之间的关系，为自动问答、信息检索等应用提供支撑。其中，图中的节点表示实体、事件或概念，图中的边表示相邻节点间的关系，如下图所示。每一个节点表示一个实体，每个实体都是某一抽象概念的实例。这些抽象概念被称为实体类型，如：人物、城市等。实体除了具有类型信息，还具有丰富的属性信息（蓝色部分），这些属性信息用于刻画实体的内...

知识应用难点在于知识推理，知识推理的难点在于知识表示。一、经典知识表示理论1、逻辑根据复杂性从弱到强：命题逻辑（propositional logic）、一阶谓词逻辑、高阶逻辑。（1）命题逻辑定义了具有真假值的原子命题，并可通过与（⋀\bigwedge⋀）、或（⋁\bigvee⋁）、非只要推论是真，命题就一定为真；推论为假的时候，看假设是否与推论的真值一致，一致的话，命题为真，不一致的...

一、面向文本的知识抽取1、DeepDive关系抽取实战（1）预备知识KBC系统2、开放域关系抽取（1）信息抽取（IE）概述IE的发展趋势主要系统传统IE和OpenIE互相补充：可以按当前知识库的规范数据，链接更多网络数据。OpenIE所得到的三元组可以用扩充知识库。（2）信息抽取（IE）系统发展① 第一代OpenIE系统TextRunner抽取特征：NER、P...

文章目录一、知识抽取任务定义和相关比赛1、知识抽取任务定义2、知识抽取的技术与难点3、知识抽取的子任务（1）知识抽取 的 子任务4、相关竞赛与数据集二、面向非结构化数据的知识抽取1、实体抽取2、实体识别与链接3、关系抽取（1）基于模板的方法a、基于触发词的Patternb、基于依存句法分析的Patternc、小结（2）基于监督学习方法a、基于机器学习的方法b、基于深度学习的方法c、小结（3）基于半

文章目录一、前馈神经网络二、简单的神经网络（tensorflow）前馈神经网络、网络层数、输入层、隐藏层、输出层、隐藏单元、激活函数的概念。感知机相关；利用tensorflow等工具定义简单的几层网络（激活函数sigmoid），递归使用链式法则来实现反向传播。激活函数的种类以及各自的提出背景、优缺点。（和线性模型对比，线性模型的局限性，去线性化）深度学习中的正则化（参数范数惩罚：L1正则...

如何从结构化或非结构化文本中识别出实体之间的关系是知识图谱构建的核心任务之一。一、任务概述1、任务定义关系抽取：自动识别实体之间具有的某种语义关系。根据参与实体的数量可分为二元关系抽取和多元关系抽取。二元关系抽取是其他关系抽取研究的基础，所以本文关注二元关系抽取（两个实体之间的语义关系），得到 (arg1,relation,arg2)三元组。eg：(中国，首都，北京)2、任务分类...

本系列文章按照大数据五层架构介绍整个大数据技术体系，即 数据收集→数据存储→资源管理与服务协调→计算引擎→数据分析。文章目录一、总体概述1、大数据技术体系概述2、大数据技术体系（1）数据收集层（2）数据存储层（3）资源管理与服务协调层（4）计算引擎层（5）数据分析层（6）数据可视化层二、企业级大数据技术实现方案1、Google大数据技术栈2、Hadoop与Spark开源大数据技术栈（1）数据收集层

文章目录碎碎念碎碎念工作中心已经转移到现在的知识图谱，最近找到了一个很新的综述报告，资源如下，先对知识图谱进行整体把握，再逐步对各个关键技术进行学习。传送门：网站地址：2019年第二期《人工智能之知识图谱》文件网盘地址：链接，提取码：putq...