-
2019-08-07 18:29:13
一、啥是知识图谱
通俗的讲就是由知识形成的图。知识+图
1.1 知识
知识让机器具有认知能力
百度AIG(人工智能技术体系)负责人王海峰曾提出,AI可以分为感知层和认知层,感知是人类和动物都有的能力,机器一定程度也可以比人类更强;但认知是人类的专属能力。机器感知能力目前已趋于成熟,但认知能力还有很大的提升空间。知识类数据可以让机器在感知能力的基础上形成认知能力。
知识可以让机器与人类对话
要机器实现与人类的自然对话,像一个真正的助理那样与用户交互,就需要它储备足够多的知识。有知识储备的机器有了认知,就不只是拥有语音或者图像识别能力,而是具备语义理解能力,从听清进步到听懂,从看出来升级到看得懂。
知识可以让机器智能决策
当机器通过足够多的知识建立认知能力,对世界有自己的理解后,就可以进行智能决策。要机器有“一定的想法”,能够自我决策,变得智能,就必须要有足够多的知识输入,让其形成认知能力。
1.2 知识图谱
在AI时代,我们要让机器真正意义上认知这个世界,要让机器与我们更自然地交互,要让机器可以智能做出决策,都必须要输入足够多的知识给机器。如何给机器输入知识?核心技术就是知识图谱,它就像AlphaGo“吃”的棋谱一样,是将人类掌握的不同知识进行关联存储于计算机中,形成网状结构并持续动态完善,让机器不断汲取知识,对世界的认知日益完善。
知识图谱就是通过不同知识的关联性形成成一个网状的知识结构,对机器来说就是图谱,形成知识图谱的过程本质是在建立认知,理解世界。
学术解释:
知识图谱是Google用于增强其搜索引擎功能的知识库。本质上, 知识图谱旨在描述真实世界中存在的各种实体或概念及其关系,其构成一张巨大的语义网络图,节点表示实体或概念,边则由属性或关系构成。现在的知识图谱已被用来泛指各种大规模的知识库。
二、知识图谱能干啥
知识图谱于2012年5月17日由[Google]正式提出,其初衷是为了提高搜索引擎的能力,改善用户的搜索质量以及搜索体验。随着人工智能的技术发展和应用,知识图谱作为关键技术之一,已被广泛应用于智能搜索、智能问答、个性化推荐、内容分发等领域。
人工智能与传统产业融合的过程中,要想为这个行业提供更好的服务,就需要对这个行业进行定制化,要有行业知识,这时候就需要在通用知识图谱的基础上,有相应的行业知识图谱,进而帮助这个行业提升生产力,帮助这些行业、产业升级。
三、知识图谱的构建
3.1 概述
知识图谱的基础,就是数据和算法,它需要应用自然语言处理和深度学习技术来进行数据挖掘,在海量知识中找出关联性,形成图谱。
基于三元组是知识图谱的一种通用表示方式。三元组的基本形式主要包括(实体1-关系-实体2)和(实体-属性-属性值)等。
其余参考: 专知:最全知识图谱综述#1: 概念以及构建技术
3.2 存储:图数据库
形成知识图谱的过程本质是在建立认知、理解世界、理解应用的行业或者说领域。
知识图谱的图存储在图数据库(Graph Database)中,图数据库以图论为理论基础,图论中图的基本元素是节点和边,在图数据库中对应的就是节点和关系。用节点和关系所组成的图,为真实世界直观地建模,支持百亿量级甚至千亿量级规模的巨型图的高效关系运算和复杂关系分析。
目前市面上较为流行的图数据库有:Neo4j、Orient DB、Titan、Flock DB、Allegro Graph等。不同于关系型数据库,一修改便容易“牵一发而动全身”图数据库可实现数据间的“互联互通”,与传统的关系型数据库相比,图数据库更擅长建立复杂的关系网络。
图数据库将原本没有联系的数据连通,将离散的数据整合在一起,从而提供更有价值的决策支持。
3.3 知识图谱点价值
知识图谱用节点和关系所组成的图谱,为真实世界的各个场景直观地建模,运用“图”这种基础性、通用性的“语言”,“高保真”地表达这个多姿多彩世界的各种关系,并且非常直观、自然、直接和高效,不需要中间过程的转换和处理——这种中间过程的转换和处理,往往把问题复杂化,或者遗漏掉很多有价值的信息。
凡是有关系的地方都可以用到知识图谱
那相比传统数据存储和计算方式,知识图谱的优势显现在哪里呢?
(1)关系的表达能力强
传统数据库通常通过表格、字段等方式进行读取,而关系的层级及表达方式多种多样,且基于图论和概率图模型,可以处理复杂多样的关联分析,满足企业各种角色关系的分析和管理需要。
(2)像人类思考一样去做分析
基于知识图谱的交互探索式分析,可以模拟人的思考过程去发现、求证、推理,业务人员自己就可以完成全部过程,不需要专业人员的协助。
(3)知识学习
利用交互式机器学习技术,支持根据推理、纠错、标注等交互动作的学习功能,不断沉淀知识逻辑和模型,提高系统智能性,将知识沉淀在企业内部,降低对经验的依赖。
(4)高速反馈
图式的数据存储方式,相比传统存储方式,数据调取速度更快,图库可计算超过百万潜在的实体的属性分布,可实现秒级返回结果,真正实现人机互动的实时响应,让用户可以做到即时决策。
四 知识图谱的主要技术
4.1 知识建模
知识建模,即为知识和数据进行抽象建模,主要包括以下5个步骤:
-
以节点为主体目标,实现对不同来源的数据进行映射与合并。(确定节点)
-
利用属性来表示不同数据源中针对节点的描述,形成对节点的全方位描述。(确定节点属性、标签)
-
利用关系来描述各类抽象建模成节点的数据之间的关联关系,从而支持关联分析。(图设计)
-
通过节点链接技术,实现围绕节点的多种类型数据的关联存储。(节点链接)
-
使用事件机制描述客观世界中动态发展,体现事件与节点间的关联,并利用时序描述事件的发展状况。(动态事件描述)
4.2 知识获取
从不同来源、不同结构的数据中进行知识提取,形成知识存入到知识图谱,这一过程我们称为知识获取。针对不同种类的数据,我们会利用不同的技术进行提取。
从结构化数据库中获取知识:D2R。
备注:1.D2R:将关系数据库映射到RDF
2.RDF-语义网体系的基础技术 RDF(Resource Description Framework)资源描述框架,一种用于描述Web资源的标记语言。
难点:复杂表数据的处理。
从链接数据中获取知识:图映射。
难点:数据对齐。
从半结构化(网站)数据中获取知识:使用包装器。
难点:方便的包装器定义方法,包装器自动生成、更新与维护。
从文本中获取知识:信息抽取。
难点:结果的准确率与覆盖率。
4.3 知识融合
如果知识图谱的数据源来自不同数据结构的数据源,在系统已经从不同的数据源把不同结构的数据提取知识之后,接下来要做的是把它们融合成一个统一的知识图谱,这时候需要用到知识融合的技术(如果知识图谱的数据结构均为结构化数据,或某种单一模式的数据结构,则无需用到知识融合技术)。
知识融合主要分为数据模式层融合和数据层融合,分别用的技术如下:
- 数据模式层融合:概念合并、概念上下位关系合并、概念的属性定义合并。
- 数据层融合:节点合并、节点属性融合、冲突检测与解决(如某一节点的数据来源有:豆瓣短文、数据库、网页爬虫等,需要将不同数据来源的同一节点进行数据层的融合)。
由于行业知识图谱的数据模式通常采用自顶向下(由专家创建)和自底向上(从现有的行业标准转化,从现有高质量数据源(如百科)转化)结合的方式,在模式层基本都经过人工的校验,保证了可靠性,因此,知识融合的关键任务在数据层的融合。
4.4 知识存储
图谱的数据存储既需要完成基本的数据存储,同时也要能支持上层的知识推理、知识快速查询、图实时计算等应用,因此需要存储以下信息:三元组(由开始节点、关系、结束节点三个元素组成)知识的存储、事件信息的存储、时态信息的存储、使用知识图谱组织的数据的存储。
其关键技术和难点就在于:
- 大规模三元组数据的存储;
- 知识图谱组织的大数据的存储;
- 事件与时态信息的存储;
- 快速推理与图计算的支持。
4.5 知识计算
知识计算主要是在知识图谱中知识和数据的基础上,通过各种算法,发现其中显式的或隐含的知识、模式或规则等,知识计算的范畴非常大,这里主要讲三个方面:
- 图挖掘计算:基于图论的相关算法,实现对图谱的探索和挖掘。
- 本体推理:使用本体推理进行新知识发现或冲突检测。
- 基于规则的推理:使用规则引擎,编写相应的业务规则,通过推理辅助业务决策。
4.6 图挖掘和图计算
知识图谱之上的图挖掘和计算主要分以下6类:
- 第一是图遍历,知识图谱构建完之后可以理解为是一张很大的图,怎么去查询遍历这个图,要根据图的特点和应用的场景进行遍历;
- 第二是图里面经典的算法,如最短路径;
- 第三是路径的探寻,即给定两个实体或多个实体去发现他们之间的关系;
- 第四是权威节点的分析,这在社交网络分析中用的比较多;
- 第五是族群分析;
- 第六是相似节点的发现。
五、知识图谱的应用
1. 信用卡申请反欺诈图谱
2. 企业知识图谱
3. 交易知识图谱
4. 反洗钱知识图谱
5. 信贷/消费贷知识图谱
6. 内控知识图谱
具体参考:6个方面分析:知识图谱的价值和应用
参考资料:
更多相关内容 -
-
OpenCV学完基础知识不知道做什么?!我不相信这是真的
2018-01-29 14:05:00听不少人说过,学习完OpenCV的基础部分之后就不知道该干什么了?怎么可能呢? 实际上能做的事情很多,不要因为觉得太简单或者太难就不动手做了。只要有兴趣有时间有需要,就先动手做起来。哪怕先实现其中最简单的...编程是需要练习的,需要项目练手的。
听不少人说过,学习完OpenCV的基础部分之后就不知道该干什么了?怎么可能呢?
实际上能做的事情很多,不要因为觉得太简单或者太难就不动手做了。只要有兴趣有时间有需要,就先动手做起来。哪怕先实现其中最简单的部分,后面再慢慢的一边学习一边添加功能,也是好的。
下面推荐一些项目,没有源码,自己动手查资料做哦,即使是网上能找到代码我还是推荐自己写一遍。
实现一下操作系统自带的照片查看器算一个吧,同时还能学习下GUI编程。
实现一个简化版的美图秀秀,或者只实现其中的一个或几个功能。根据能力而定,或者先实现最基本的,然后一边学习一边添加功能。
写个玩数独的程序。(这个有源码。)
实现一个BP神经网络,或者卷积神经网络。
实现一个汽车检测的功能。
……
这里只做抛砖引玉,每个人兴趣不一样,可以结合自己的兴趣做一些个性化的项目。另外,如果视觉能够和硬件结合起来,能做的事情就更多了,而且更有意思。更多精彩等着你来创造。当然前提是动起手来。
以下是知识星球部分主题。
知识星球致力于打造一个高质量的知识互联社群,与微信群互补。微信群很多精彩问答或者资料分析发过之后很快就被后面的消息淹没了,知识星球一方面做知识沉淀之用。问问题或者闲聊仍然可以在微信群,但是这里就作为一个纯粹的知识交流之地。另外提高门槛,还能排除灌水党、广告党和伸手党。
预警:付费加入,全凭自愿。由于是知识星球不设期限,随着以后内容沉淀的增加,门槛应该会变高。
知识星球【OpenCV实践之路】欢迎加入。
-
不看后悔 | 分分钟教你做知识图谱大数据专家
2018-06-23 20:03:30请观察左侧和右侧红框的搜索结果有什么不同呢?左侧是传统谷歌搜索返回的一列依相关度排列的网站链接,你要自己打开一个个网页去阅读抽取与“联想”有关的知识。右侧则将一条条与“联想”有关的知识作为结果直接呈现...http://chuansong.me/n/1840839551422
知识图谱示例
假设你想搜与“联想”有关的信息,下图是谷歌搜索结果。请观察左侧和右侧红框的搜索结果有什么不同呢?
左侧是传统谷歌搜索返回的一列依相关度排列的网站链接,你要自己打开一个个网页去阅读抽取与“联想”有关的知识。右侧则将一条条与“联想”有关的知识作为结果直接呈现给你,例如联想的简介、股价、CEO、创立信息等等(省去了自己一个个网页点击阅读的辛苦)。右侧其实是谷歌于2012年推出的Knowledge Panel (知识面板)。对比左侧,右侧直接返回知识的方式是更智能、更精准、更移动友好的未来搜索方式。
“构成这个世界的是实体,而非字符串(things, not strings)。”过去几十年,搜索引擎的本质工作是将字符串匹配做的更精准,而不是去理解字符串的含义。现在,谷歌能够做到Knowledge panel,离不开知识图谱的支持。知识图谱提供了结构化的知识体系,使得搜索引擎可以在海量图谱上进行语义分析、知识推断、图谱遍历等一系列知识挖掘。
2 知识图谱概述 知识图谱是一种数据模型,将世界上的知识组织成为实体和实体之间的关系。
2.1 关系规则(Schema)知识图谱首先要定义一个系统的关系规则。关系规则定义了不同类别(class)的实体(entity)之间可以存在的关系。
《儿歌三百首》......中有这么一首口口相传:“爸爸的爸爸叫什么?爸爸的爸爸叫爷爷”。这句歌词描述了两条关系规则(下图,字丑见谅):一个男性类别实体可以是另一男性类别实体的父亲;一个男性类别实体可以是另一男性类别实体的祖父。一条关系规则是一个三元组:<主, 谓, 宾>。
2.2 关系(Relationship)依据定义的关系规则,知识图谱就可以实体化描述世界上千千万万的的父子关系和祖孙关系(下图描述了最牛80后一家的父子关系)。这规则也可用来描述你家的父子关系。类似的,可以定义夫妻关系、雇佣关系、位置关系、客户关系、投资关系、贸易关系等可以想到的所有知识。
一条关系是一条边(以两个实体为顶点,关系为边)。千千万万的边在一起就构成了知识图谱。
知识图谱(Knowledge graph)原名其实是知识库(Knowledge base)。谷歌将自己的知识库称为知识图谱。因为这名字比较酷炫便于炒作
,就广泛通用了。知识图谱Schema有多种标准定义,例如 RDFS。这里不展开叙述。
3 知识图谱的优点问题来了,为什么要用知识图谱?知识图谱作为更高级的结构化数据可以将图分析挖掘、自然语言处理、语义分析等智能技术聚合做以往做不到的事。下面简单列举两个优点。
3.1 知识推断补全能力根据Schema,知识图谱可以自动推断出新的知识。假设下图左侧是原始的知识图谱,根据两层父子关系,图谱可以自动推断出缺失的祖孙关系,正所谓“爸爸的爸爸是爷爷”。
3.2 语义理解能力比如字符串“位于香港的博物馆”,对于知识图谱而言这再也不是单纯的字符串,而是饱含语义的关系查询:要查询某一个东西(?),它是属于博物馆类别的,而且是位于香港的。
4 应用场景 4.1 医疗知识图谱PatientsLikeMe.com 是一家专注医疗知识图谱的大数据公司,于2017年1月刚融得了1亿美元。它将病人、病症、医院、医生、药品等等医疗数据组织成知识图谱。在图谱上,医生可以搜索家族病史网络,查询相似病例及解决方案;病人可以搜索疾病相关的病症、药品、医生、相似病例等。
图片来源:https://www.patientslikeme.com/
4.2 金融反欺诈、反洗钱金融业各种交易数据可以构成知识图谱,包括现金账户、股票账户、大宗商品账户、ETF账户、债券账户等之间的所有交易数据。在知识图谱上对潜在的洗钱模式进行模式匹配、子图挖掘,可以让欺诈洗钱账户们无所遁形。
图片来源:http://www.fintrac-canafe.gc.ca/publications/typologies/images/2009-05-01/fig4-eng.jpg
4.3 商业知识图谱(商业选址, 广告推荐)数据库顶级会议SIGMOD’2016有一篇论文 “Top-k Relevant Semantic Place Retrieval on Spatial RDF Data” 提出了基于空间地理位置和语义查询返回相关知识图谱的技术。该技术可以应用在商业选址、旅游路线酒店推荐、广告推荐、医疗等领域。比如你要在某街道开一家菜馆,根据该论文技术,你可以在知识图谱上查询街道周边的餐馆类型、居民类型、交通配套等,为选址提供全方位支持。
其实,微信、滴滴、顺丰、Airbnb、美团等所有的线上线下的商业数据都是知识图谱。将这些图谱进行实体融合打通整合组成一个大的知识图谱。。。就厉害了。基本上任何商业应用都能做了。
4.4 公共安全监测古人云,近朱者赤,近墨者黑。这条道理也可以应用在公安知识图谱上,进行安全事件分析、潜在高危地区、高危人员挖掘监测等。公安数据,如户籍、人口、通信、商业、财产信息、交通等可以组织成非常完备的知识图谱。
4.5 新闻知识图谱新闻媒体行业进行新闻推荐、关系挖掘等。下图,我的天哪!特朗普竟然给扎克伯格提供过婚姻建议。知识图谱在成功吸引我的注意力后,便可以推荐相应的新闻给我阅读了。都是套路,心碎。
5 两大技术难点 5.1 实时响应数十亿级别的知识图谱查询2016年底谷歌的知识图谱已经包含了700亿条关系,而这仅是浩瀚知识的九牛一毛。在如此规模上,敏捷的响应速度至关重要。如何将知识图谱大数据技术推动达到企业级应用也是我们联想大数据实验室攻克的一项难题。
5.2 自动化生成知识图谱知识图谱是高度结构化的数据。如何从无数网页、文本、书籍等非结构化信息中完全自动化精准抽取知识图谱,目前来讲,还是业界未解之谜。学术界做的比较好的有DeepDive等,不过仍然距离业界应用有较高门槛和改进空间。
-
Python所有方向的学习路线,你们要的知识体系在这,千万别做了无用功!
2021-06-15 14:51:38我先告诉大家一个点,不管你是报了什么培训班,还是自己在通过各种渠道自学,你一定要注重一个东西:完整的知识体系。 感觉很迷茫?学了一段时间还是不入流?很大一部分原因是因为你没有一个完整的知识体系,你不...前言
一直以来都有很多想学习Python的朋友们问我,学Python怎么学?爬虫和数据分析怎么学?web开发的学习路线能教教我吗?
我先告诉大家一个点,不管你是报了什么培训班,还是自己在通过各种渠道自学,你一定要注重一个东西:完整的知识体系。
感觉很迷茫?学了一段时间还是不入流?很大一部分原因是因为你没有一个完整的知识体系,你不知道自己现在的进度、未来的方向。
端午三天,虽然回了乡下,但还是抽时间去做了Python所有方向的学习路线,今天分享给大家。
一、Python入门
初学者都会比较好奇,学了这么久Python,什么程度才叫入门了呢?
每个人对技术的认知都不尽相同,在我个人看来,你学完以下这些东西就可以算是入门了,为什么?因为以下这些东西是Python进阶各个方向都必备的基础知识,你进阶去学爬虫或者web开发等方向,你都得先学会它们。
因为知识点放在一起比较多,我把它们稍加区分成基础和高级编程两块,对于每一个自学的人,按照这个体系去打好基础,你未来的路会走得更稳重。
适用人群:零基础/基础不扎实者,学Python都从这里开始
二、爬虫
爬虫作为一个热门的方向,不管是在自己兼职还是当成辅助技能提高工作效率,都是很不错的选择,当然了,还有一些以此为主职业的爬虫工程师。
那么爬虫怎么学习才能成体系?中级水平的爬虫所需要的东西不是很多,参考这个体系去学习,如果能掌握90%,你可以很自信地说你已经精通爬虫。
适用人群:爬虫方向/数据分析方向/非程序员加薪
三、数据分析
谁都知道数据是这个时代最为宝贵的东西,但有一个前提就是,你拿到的数据你得懂,一切发挥不出应有功效的数据都是垃圾数据。
数据分析的使命就是发挥数据应有的作用:直接作用和间接作用。
如果你是从事大数据相关工作的IT人士,我建议你掌握但不要止步于下面的数据体系,不要以为会了Numpy、Pandas、Matplotlib就是会了数据分析,真正强大的东西还在后面。
如果你是把数据分析当成一个辅助技能,那么学完下面这些就差不多,它们能满足你大多数的需求。有些小伙伴可能还是非计算机专业且从事非IT类的工作,比如说运营之类的岗位,那么我建议大家学Python入门+爬虫+数据分析就可以了,它们足以提升你在职场的工作效率,不用去全栈、测试等方向浪费时间,对你没什么大的帮助。
适用人群:爬虫方向/数据分析方向/非程序员加薪
四、web开发(前/后端)
web开发是程序员职业中的热门,目前来讲,人才缺口依然很大。web开发分为前端、后端、全栈3个方向,目前国内主流的还是前后端分离,前端主要考虑用户体验,后端主要考虑底层业务逻辑、平台稳定和性能,最主要是要看你想做哪一部分?你是喜欢做用户看得见的部分,还是考虑用户看不见的部分。
至于全栈,舆论一直很大,褒贬不一,我的建议是如果时间和精力允许,在技术上追求更全面是不会错的。
适用人群:前端/后端/全栈工程师
五、自动化测试
自动化测试已是未来的一种趋势,现在很多的企业都要求程序员具备自动化测试的能力,而对于自动化测试这个领域来讲,Python是目前最合适的语言。
适用人群:程序员/测试工程师
六、机器学习
机器学习是通往人工智能的必经之路,难度也比前面的大很多,与算法打交道是家常便饭,高付出也会带来高回报,薪资待遇很不错。虽然Python在这方面确实很强,但提醒大家一点,这个领域的门槛比较高,本科生基本无缘,建议上了硕士以上学历再考虑进入这个行业。
寄语
上面就是Python所有方向的学习路线了,把你感兴趣的方向掌握了90%之后,你去找工作不是什么问题的。
有些细心的朋友可能会发现,我没放人工智能的学习路线。说实在的,人工智能比机器学习要广泛很多,它已经不是某一门语言就能单独完成的事情了,所以这里不做推荐。
同样的,网络安全工程师我也没有放进去谈,虽然Python也能做网络安全方面的事情,但对于一个成熟的网络安全工程师甚至红、H客而言,你需要精通的语言可不止1门而已了,又或者说,这已经不是语言工具层面的问题了。
那么,祝大家在学习的路上,学有所成。
-
算法工程师大致是做什么的
2021-01-25 22:37:39笔者在算法领域这些年遇到了不少做算法的同行,发现各自的差别还是很大的,工作侧重点甚至思维方式都不同。为了给刚入门的朋友介绍得清晰一些,这里就简单串一串我遇到的不同的算法。 算法与非算法的区别 一般来说,... -
为什么需要知识图谱?什么是知识图谱?——KG的前世今生
2017-12-06 18:59:47我的知乎专栏,对知识图谱感兴趣的朋友可以关注。标题的命名顺序可能让有的读者不太习惯。通常在介绍一个陌生事物的应用前,我们先给出其定义。之所以换个顺序,是为了不让读者一开始就接触比较冰冷生硬的概念刻板... -
做程序员,需要学习哪些专业知识?
2019-05-20 19:19:31为什么需要学习能力,因为技术不会一直停着不动,可能当你刚在学校出来的时候,是公司的佼佼者,但是如果你不学习,当别人会HTML6/7/8的时候,你还只是在HTML5上徘徊。而且当你遇到困难的时候,如果是有大牛给你解决... -
全网独家---【科学知识图谱】软件,做知识图谱的利器
2020-02-21 11:13:22【科学知识图谱】软件特点 ...④一般我们只研究高频和共现频次高的数据,利用该软件可自行选择共现频次,研究范围更广泛! ⑤省时省力,纯小白一分钟上手,转化完成数据 目前,各知名知识图谱与社会网络分析软件... -
8000字干货:那些很厉害的人是怎么构建知识体系的
2019-09-29 11:18:27分辨知识和知识体系的差别 理解如何用八大问发现知识的连接点; 掌握致用类知识体系的构建方法; 能够应用甜蜜区模型找到特定领域来构建知识体系。 1. 知识体系?有必要吗? 小张准备通过跑步锻炼身体,可因为之前... -
研发人员需要什么知识和能力
2018-11-20 09:36:23YS目前还在达内的AI培训班培训,昨天微信问我:“做一个研发人员,需要具备的知识和能力我也很想知道”。 这个问题还真有答案就在嘴边,可是又很难简单说清楚的感觉。为什么呢?研发人员包括了算法,开发,测试,... -
学习java可以做什么?
2018-01-13 10:09:38综上可看出java的应用非常广,与其相应的工作岗位就多了,那么学习java可以做什么呢?知海匠库互联网学院给大家规整一下: 1、学习Java可以做网站 Java可以用来编写网站,现在很多大型网站都用Jsp写的,JSP全名Java... -
利用echarts做知识图谱的可视化
2019-09-25 21:32:27roam: true, // 是否开启鼠标缩放和平移漫游。默认不开启。如果只想要开启缩放或者平移,可以设置成 'scale' 或者 'move'。设置成 true 为都开启 edgeSymbol: ['circle', 'arrow'], edgeSymbolSize: [2, 10], ... -
对Neo4j导出数据做知识图谱可视化 D3库实现
2020-07-04 10:37:01知识图谱可视化 D3库的使用引言Neo4j导出数据 ...我们先通过Cypher查询将数据从Neo4j中查询出来,Neo4j构建和查询可以参考我上篇博客基于Neo4j的外贸企业关系图谱做企业相似度查询 查询后的结果如下 -
售前工程师是做什么的?
2020-08-09 01:03:53今天和大家聊聊我的工作 我的岗位是ICT行业(信息通信技术)的产品经理,也被叫做售前工程师,和销售、售后服务人员并称为市场一线铁三角 这个职位有别与互联网行业的产品经理,我们不涉及产品的设计和打磨 产品都是... -
SQL语句知识整理
2019-06-13 18:52:31SQL简介: SQL是用于访问和处理数据库的标准的计算机语言。 SQL是什么? SQL,指结构化查询语言,全称是Structured Query Language SQL,让你可以访问和处理...SQL能做什么? SQL可在数据库中插入新的记录 SQL可从... -
知识图谱中的关系推理,究竟是个什么玩意儿?
2018-05-29 09:43:13关系推理是我全新接触的东西,虽然大一暑假的时候,留校做比赛有了解过神经网络的相关算法, 看过十多篇国内的论文,但这一次跟着刘老师的团队进行的这份工作,才让我真正的感受到了科研的魅力。说起来,机器学习里... -
知识变现海哥:如何利用自己的时间和知识获得财富自由
2022-02-19 17:36:08今天我们要说的是,什么是知识变现,为什么不同的工作,收入差距那么大?有些人一个小时能够赚取100块,但有些人却每小时只能赚取10块钱,每个工作都需要一定的知识含量才能胜任,通过工作获得收入,这就是最常见的... -
硬件工程师需要掌握什么基础知识
2020-11-10 20:23:51作为一个Hardware硬件工程师,我们需要掌握一些硬件基础知识,目前做了五年硬件工作的小编总结一下哪些算是基础知识。给学电子方面想从事硬件工作的同学们一点提示。给未走出大学校园的电子方面的学生一些帮助。 ... -
30岁以前该做什么,30岁以后该做什么!!很有道理
2018-10-01 14:17:35所以,这个时候,你需要尽量多的去学习更重各种的知识,用学到的知识,去做一些自己想做的事情。 然而,一旦你到了30岁,父母慢慢的老去、退休,自己也组建了家庭,你成了家里的顶梁柱,为了生计,为了养育一家老小... -
一文搞懂知识蒸馏
2020-08-24 00:15:15关注公众号"DataPlayer"重磅机器学习干货,第一时间送达知识蒸馏(Knowledge Distilling),你或许在吃饭的间隔,在电梯间的片刻,多多少少都听身边... -
Unity零基础到入门 ☀️| 基础知识入门篇章,看完就可以做游戏啦! | 寻找C站宝藏
2021-06-10 10:13:01Unity入门基础知识。本篇文章介绍了关于Unity入门的一些基础知识,包括基本概念和使用实例。简单易上手,轻松实现Unity入门操作! -
知识图谱关键技术与应用案例
2018-11-06 11:50:18本课程从知识图谱的历史...以及达观在各行业领域系统中的产品开发和系统应用。 报名地址: https://edu.csdn.net/huiyiCourse/detail/844 作者简介:桂洪冠,达观数据联合创始人,中国计算机学会 CCF 会员,自然... -
学了那么久Python还什么都做不了,我觉得你该试试这个方法了
2021-11-08 15:52:19答应我,别再做无用功了 -
知识图谱之知识融合
2018-08-27 19:55:49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... -
GitChat在做什么
2017-07-03 06:46:24GitChat是知识经济的新物种,面向 IT 的新产品~ -
个人代码知识库,含源码
2009-06-29 10:42:48以便在遗忘时查阅和学习。使开发人员管理知识点的有力助手。 特点:程序美观实用,提供多种语言的语法高亮显示代码。可以在本机实用,也可以多人联机实用,满足各种需要。全源码提供(运行后在实例文档的附件中),... -
11个思维导图知识点整理帮你决胜考研(基础课和计算机专业课)| 寻找C站宝藏
2021-06-28 15:33:37本文给大家推荐一下我在考研期间整理的各个学科的思维导图笔记,几乎涵盖了相关学科的所有知识点和相应的做题技巧,相信肯定会对你的考研有所帮助! 基础课资源包括考研高等数学/线性代数的整理,同时将中值定理单独... -
黄金圈理论和知识体系
2017-05-13 11:03:07黄金圈理论 ★第一步:WHAT 所谓的“WHAT”,就是搞清楚某个东东是什么?有什么用?有什么语法?有什么功能特性?... 所谓的“HOW”,就是搞清楚某个东西内部是如何运作的?... 所谓的“WHY”,就是搞...建立知识体系 -
知识图谱入门 (三) 知识抽取
2018-04-20 16:12:48知识抽取,即从不同来源、不同结构的数据中进行知识提取,形成知识(结构化数据)存入到知识图谱。大体的任务分类与对应技术如下图所示: 知识抽取的子任务 命名实体识别 检测: 北京是忙碌... -
《知识图谱完整项目实战》学习指引
2018-11-28 16:28:49本文是《知识图谱完整项目实战(附源码)》系列课程的学习指引部分,主要是对《知识图谱完整项目实战》的课程特色、章节设置、关键技术和主要内容做一个简介,目的是让大家对本课程有一个系统性的认知。 二、正文 ...