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知识推理的任务：可满足性分类实例化 1）可满足性本体可满足性：如男性和女性的交集为空，即不存在一个人既是男，也是女。若小明既是男，又是女，小明这个本体就是不可满足的本体概念可满足性：检查某一概念的可满足性，即检查是否具有模型，使得针对该概念的解释不是空集2）分类与机器学习中的分类不同如母亲是...

Neo4j是图数据库，即数据不是保存在表或集合中，而是保存为节点以及节点之间的关系。Neo4j数据主要由节点、边、属性构成。在Neo4j中，节点以及边都能够包含保存值的属性1、安装py2neo的安装：pip install py2neo2、例子1#coding:utf-8from py2neo import Graph,Node,Relationship##连接neo4j数据库...

Neo4j是图数据库，即数据不是保存在表或集合中，而是保存为节点以及节点之间的关系。Neo4j数据主要由节点、边、属性构成。在Neo4j中，节点以及边都能够包含保存值的属性1、安装py2neo的安装：pip install py2neo2、例子1#coding:utf-8from py2neo import Graph,Node,Relationship##连接neo4j数据库...

我一直做的是有关实体识别的任务，BERT已经火了有一段时间，也研究过一点，今天将自己对bert对识别实体的简单认识记录下来，希望与大家进行来讨论BERT官方Github地址：https://github.com/google-research/bert，其中对BERT模型进行了详细的介绍，更详细的可以查阅原文献：https://arxiv.org/abs/1810.04805bert可...

best：每当达到新的“best_metrics”（最佳指标）时进行保存。steps：每“save_steps”步进行一次保存。epoch：每一个epoch结束时进行保存。no：训练期间不进行保存。

attn_implementation 是Hugging Face Transformers库中的一个参数，用于指定注意力机制Attention的具体实现方式。这个参数的主要作用是让用户能够选择不同版本的注意力实现，以优化性能、内存适用活兼容性。更好的性能，支持 flash attention、memory-efficient attention 等。

dense ：全连接层  相当于添加一个层函数如下： tf.layers.dense(    inputs,    units,    activation=None,    use_bias=True,    kernel_initializer=None,  ##卷积核的初始化器    bias_initializer=tf.zeros_initialize...

最近在“小象学院”上知识图谱的课程，做了一些笔记，现整理了一下1、什么是知识融合将来自不同知识库的同一实体融合在一起目标：融合各层面的知识合并两个知识图谱（本体），需要确认的是：（1）等价实例               实体的匹配  左右两个人是同一个人          samsAs     猫王（2）等价类/子类                         摇滚歌...

sklearn是python的一个包，也是机器学习中常用的一个模块，里面封装了很多机器学习的算法，不需要对机器学习算法的实现，只需要简单地调用sklearn里相对应的模块即可。机器学习任务通常包括分类classification、回归Regression，常用的分类器包括SVM、KNN、贝叶斯、线性回归、逻辑回归、决策树、随机森林、xgboost、GBDT、boosting、神经网络NN。常见..

最近在训练一个机器学习的模型，但是由于语料的问题，使得训练集合测试集的语料的标签补平衡，因此想将语料进行打乱处理，于是找到了python中的shuffle函数，具体的使用方法如下所示：shuffle函数的是将序列中的所有元素随机排序例子：shuffle()是不能直接访问的，需要导入 random 模块，然后通过 random 静态对象调用该方法只是将列表中的第一层元素进行了随机...