各位新老朋友，好久不见了。
距最后一次更新已有差不多一年的时间了。这期间发生了很多事儿，一度让我走进了人生低谷。现在，一切都已经过去，热爱分享、与君共勉仍是我的初心。一切都“从零开始”吧，这样也不错。
言归正传，由于不可抗力的因素“番外篇”就此结束。接下来我将会以“零成本”为目标跟大家一起“搓”一个简单的中药领域 NLP 模型出来，之前未能分享给大家的，接下来将结合新优化一并公开分享。
此外，由于
1.阅读摘要的目的：读懂、学习写作技巧2.词语分类：结构词(划分文章结构的词语，例如首先，其次等有着明显先后性的词语)、数学模型词【两类：1）.动词（红色）：分析、估计、保留等——确定工作任务 2）.xxx模型的词语（黄色）】，数学模型词可以知道用了什么方法，做了什么工作。3.先划分词语，可以绘制相关概要图、流程图等2020年A题Keeping up with the Migrating Fish
自己的电脑中了挖矿病毒，开机总是会自动执行一些恶意程序，导致CPU被霸占，电脑运行速度变慢，同时C盘中还会不定期的出现一些恶意软件。由于一时疏忽在网上下载了垃圾软件，后电脑每次开机总会安装一些流氓软件到C盘。如图： 这是挖矿病毒在C盘自动安装并执行的程序。 解决方法：解决此类问题有一个通用的办法就是打开你的任务计划程序，方法很简单
截至到二月上旬，给自己研一上和寒假的学习做一个总结。目前学完了transformer模型，后面看bert模型。首先把李宏毅的机器学习课程看一遍，用xmind做一下笔记.然后可以看一下这个人的入门机器学习基础知识比如python基础和数学基础应该没什么问题，然后就是看机器学习的经典算法和论文，看经典算法的时候可以中间穿插看李宏毅的课李宏毅的课看了两遍算是理解了，第一遍确实懂的不多，边学边看挺好，第一
本地开发遇到问题 理想开发软件 客户端和服务器解耦 前后端交互协议 远程调用API的restful服务中间接口 准备 客户端启动显示 除了网页前端的客户端，还有本地的离线启动客户端 开发全流程 开发软件的资源组织形式 没个接口说明 二次开发数据集操作 切分 模型训练 可视化 模型评估和导出 模型管理 案例参考 开发demo 硬件部署案例 工业读表案例介绍 读表案例 完整流程方案 部署硬件总览 Pa
作者 | 维克多、琰琰 编辑 | 青暮原定于在奥地利维也纳召开的ICML 2021，受疫情影响已于近日在线上召开。根据官方消息，会议将在7月18日~7月24日内完成所有的日程。本次会议共收到5513篇论文投稿，接收1184篇论文，其中包含1018篇短论文和166篇长论文，接收率为21.48%，近五年最低。在接收的一千多篇论文中，组委会最终挑出了四篇论文，分别颁发了一
酷安点评小编我书读的少(四级考的还不到100的满分)，但词根词缀记忆字典这个app说的东西我是一点都看不懂啊，到底是个什么意思，求科普 @高伟东应用截图×截图预览关闭新版特性修改新用户提示无法自动获取存储权限的问题应用简介为了处理无法读取存储权限的bug，使本版本无法向前兼容。虽然新版本在设置里增加了手动同步背单词记录的按钮，但还是提醒老用户，谨慎升级！！！如果已经升级请在设置里执行【导入历史数据
文档介绍docker配置国内源和，及让容器通过上网的方法。配置镜像仓库和需注意逗号，-proxy值用。让容器上网需运行时指定环境变量，含各类变量。
作者｜谢朋峻 阿里巴巴达摩院 整理｜DataFunTalk大家好，这里是NewBeeNLP。本文将分享行业搜索的相关技术和应用，主要包括三大部分：行业搜索的背景相关技术研究行业搜索应用01行业搜索的背景1. 达摩院自然语言智能大图上图是达摩院自然语言处理智能的技术框图，从下到上包含：NLP 数据、NLP 基础的词法、句法语义，分析的技术，以及上层 NLP 技术行业应用：达摩院除
快速导航：
迷途小书僮：The Annotated Transformer的中文注释版（1）81 赞同 · 33 评论文章
迷途小书僮：The Annotated Transformer的中文注释版（2）24 赞同 · 14 评论文章
迷途小书僮：The Annotated Transformer的中文注释版329 赞同 · 24 评论文章
迷途小书僮：Tra
目录系列文章1. 问题背景2. 效果优化方法论2.1 无效标题的检测2.1.1 关键词匹配策略2.1.1 去停用词策略2.2 OCR模块：保证信息的完整性2.3 规则模块：提升Precision(准确率)2.2.1 报错信息提取模块2.2.2 练习题识别模块2.2.3 询问知识点模块2.2.4 添加标题头2.4 Text_Rank模块：提升Recall(召回率)3. 总结与下一步计划P.S. 1.
先上图： 批改网是一款智能批改英语作文在线服务系统，已经广泛在大中小学使用。 是基于云计算的英语作文自动批改在线服务。现在很多学校老师都或多或少地使用这个网站。下面分析一下批改网的高分技巧：首先批改网它是机器来改的，机器他就有自己的bug（毕竟没有人的高级智能）。批改网总共分4个方面的评分，词汇, 句子，篇章结构和内容相关.1.就词汇方面而言，要尽可能的使用高级词汇，比如popular
文章目录1.科学正确的“大脑休息法”正念（Mindfulness）定义基本原理预设模式网络（DefaultMode-Network，简称DMN）定义特征DMN过度反刍思考高效休息法的目的2.消除大脑疲劳的七个休息法1.感觉脑袋昏昏沉沉时——正念呼吸法目标与原因分析改善步骤关键点2.心事重重时——动态冥想目标与原因分析改善步骤关键点3.压力导致身体状态不佳时——压力呼吸化法目标与原因分析改善步骤关
PaddleNLP简介PaddleNLP基于飞桨深度学习框架Paddle 2.0开发，拥有覆盖多场景的模型库、简洁易用的全流程API与动静统一的高性能分布式训练能力，旨在帮助开发者提升文本处理、建模效率，提供从模型搭建到训练部署的优质体验，提供基于PaddlePaddle 2.0的NLP领域最佳实践。GitHub链接：https://github.com/PaddlePaddle/PaddleNL
目录：一、运用CharCNN的文本意图识别过程二、参数的调整三、loss函数的学习四、bug的处理和学习 一、运用CharCNN的文本意图识别过程（１）字向量和词向量的差别在于：①字向量相对来说字典数据条数少，占用内存小；②不用分词，即不需要分词工具，进一步节约内存；③需要进行多次卷积，增加了预测训练时间④以字为单位输入的特征效果不如以词为单位，存在一定影响。（２）实现流程：①建立字向量
最近看到一篇关于AI专业词汇总结的文章，感觉不错，分享一下。 本词汇库目前拥有的专业词汇共计 500 个，主要为机器学习基础概念和术语，同时也是该项目的基本词汇。Letter IICML 国际机器学习会议 Improved iterative scaling/IIS 改进的迭代尺度法 Incremental learning 增量学习 Independent and identically
词向量？词向量指的是一组用来表示单词的低纬稠密向量，这里的低纬稠密是和onehot的高维稀疏对应的。词向量是指用一组数值来表示一个汉字或者词语，这也是因为计算机只能进行数值计算。最简单的方法是one-hot，假如总的有一万个词，那词向量就一万维，词对应的那维为1，其他为0，但这样的表示维度太高也太稀疏了，所以后来就开始研究用一个维度小的稠密向量来表示，现在的词向量一般都128，200或者300维，
图像描述 Image CaptioningLAION-5B2022.3发布的迄今为止最大规模的图文对的多模态数据集。共计约5.85B数据，是基于CLIP过滤的。基于这个大型数据集，作者也发布不同侧重的子集。LAION2B-en是包含英文注释文本的，LAION2B-multi是包含100多种的其它注释文本语言的，LAION2B-nolang其中文本注释至少包含一种无法准确检测识别的语言等等。示例&n
PHP（PHP: Hypertext Preprocessor的缩写，中文名：“超文本预处理器”）是一种通用开源脚本语言。语法吸收了C语言、Java和 Perl的特点，入门门槛较低，易于学习，使用广泛，主要适用于Web开发领域。PHP的文件后缀名为php。PHP可以做哪些事？PHP脚本主要用于三个领域：①服务端脚本②命令行脚本③编写桌面应用程序PHP在Web开发领域几乎是万能的，可以轻松制作动态网
国际化和本地化国际化，简写为i18n（译者注：“国际化”这个词有20个字母，去尾去首中间有18个），是一种无需改动就能适应各种语言的设计代码。本地化是指将显示的文本转化为用户语言的过程。i18n是依靠翻译键（translation key）实现的。翻译键是一个用于识别与语言无关的可显示文本的字符串。例如，tile.dirt.name 是泥土块（Dirt Block）名称的翻译键，这样，可显示文本就
导语spert: 一种以变压器网络BERT为核心的联合实体和关系提取模型。采用基于span的方法:任何标记子序列(或span)构成一个潜在的实体，任何一对span之间都可以保持关系。论文题目：Span-based Joint Entity and Relation Extraction with Transformer Pre-trainin论文链接：https://arxiv.org/abs/1
关系数据库逻辑设计 针对具体问题，如何构造一个适合于它的数据模式 数据库逻辑设计的工具──关系数据库的规范化理论关系模式由五部分组成，是一个五元组： R(U, D, DOM, F) 关系名R是符号化的元组语义 U为一组属性 D为属性组U中的属性所来自的域 DOM为属性到域的映射 F为属性组U上的一组数据依赖由于D、DOM与模式设计关系不大，因此在本章中把关系
数据分析领域有几个经典的终极难题。多影响因素归因，绝对是其中最让人头大的。特别是临近年底，品牌、售后、客服、供应链、运营、产品、商品管理都会跑来，问：“今年业绩不错呀，那么问题便来了：今年公司多赚的10个亿，到底几个亿归功于品牌，到底几个亿归功于供应……请量化分析一下，谢谢”。 那么，到底该怎么分析呢？今天我们详细讲解一下。 1 多影响因素归因的表面为啥这个问题是终极
[EI检索]2022云计算，物联网与计算机应用国际学术会议 (CICA2022)International Conference on Cloud Computing, Internet of Things and Computer Applications (CICA2022)会议简介2022云计算，物联网与计算机应用国际学术会议（CICA2022）将于2022年4月22-24日在中国洛阳召开，
论文总结一、论文背景与研究动机主要工作就是文本语义分割现有方法因输入长度受限，常将文档拆分为固定长度的段落进行处理导致跨段语义信息丢失，难以捕捉文档整体的语义结构二、方法简介1. 任务定义与文档预处理（1）分割要点将文档视作句子序列 D={s1,…,sn}为每个句子末尾添加特殊符号 [SENT]预处理：先按句子（长度 ≤ L）拆分并截断，再将句子依次拼接成若干段落（长度 ≤ M）每个段落以 [CL
作者 | Blaise Aguera y Arcas 简介大型语言模型（Large language model，简称LLM）代表了人工智能（AI）的重大进步，特别是朝着类人通用人工智能的目标迈进了一大步。尽管有人认为机器学习“不过是统计数据”，人工智能的进步对于这个宏大的雄心壮志来说只是幻影。而我却有不同的看法，我认为大型语言模型能够帮助我们理解自然语言、理解力
移动代理研究现状目前，移动代理在网络管理中的应用还处于研究阶段，离大规模的商业应用还有一定的距离。国内外的许多大学、研究机构和企业纷纷投入大量的人力、财力在研究基于移动Agent的网络管理系统。从已有研究的成果来，总体上可分为两大类：移动Agent理论的研究和移动Agent在网络管理中的应用研究。其中，移动Agent理论方面的研究比较成熟，且以移动Agent平台的研究颇多。目前市场已有的移动Age
1、神经网络基础 1.1 前馈神经网络 前馈神经网络指的是在神经网络里单方向向前传播。神经网络主要由输入层、隐藏层和输出层构成。 当隐藏层只有一层时，该网络为两层神经网络；如果有多个隐藏层则称之为深度神经网络。隐藏层一般是通过转换输入数据特征空间来进行抽象，提取其特征。在这一过程中，经历多次抽象以获得更好的线性规划，隐藏层数按需求进行人工设定。1.2 激活函数 常见激活函数：sigmoid函
书山有路勤为径，学海无涯苦作舟1、知识图谱知识图谱，不光包含视觉，听觉、文本，而是尽可能将掌握的知识，全部融合在一起，构建出一个图模型。人与人之间存在关系，创建一个技术把人情世故和关系抖关联在一起。知识图谱会涉及NLP中的技术，但是我们所涉及的数据远远不至于文本，所以知识图谱并不是只属于NLP领域的技术，而是一个综合的学科。达到建立一个图的模型，建立好实体之间的逻辑关系。只要有了图模型，可以做推荐
OpenNI的安装与配置1.软件下载懒得上传……以后再说，mark2. 软件安装1. 安装OpenNI正常安装即可。2.安装SensorKinect驱动装完，把Kinect插上，此时系统就会自动开始搜索驱动了，如果没有搜索到，那么需要指定驱动目录了。假设SensorKinect默认安装在默认路径，指定驱动目录D:\software install\PrimeSense\SensorKinect\D