崔洪振367

原创 import tensorflow.compat.v1 as tf报错，ERROR: No matching distribution found for tensorflow.compat.v1

在python3.6版本和TensorFlow 1.14版本时，使用下面的代码会出现标题的报错。tensorflow.compat.v1中的compat报错。利用tensorflow._api.v2.compat.v1代替tensorflow.compat.v1。建议：在使用TensorFlow 1.x版本功能时，屏蔽tf2的操作。

原创 文献学习-联合抽取J-An attentive neural architecture for joint segmentation and parsing and its application..

在使用自然语言处理 (NLP) 技术处理人类生成的文本时，出现的两个基本子任务是 (i)将纯文本分割为有意义的子单元（例如实体），以及 (ii)依存解析以建立子单元之间的关系。这种文本的结构解释为上游专家系统任务提供了必要的构建模块：例如，通过解释文本房地产广告，人们可能希望提供准确的价格估计和/或为寻找特定房产的最终用户提供选择过滤器——这一切可以依靠了解房间的类型和数量等。在本文中，我们开发了一种相对简单且有效的神经联合模型，该模型同时执行分割和依存解析，而不是像大多数最先进的作品那样一个接一个地执行。

原创 文献学习-联合抽取C-Joint Extraction of Biomedical Entities and Relations based on Decomposition and Recombio

重叠的三元组对于生物医学实体和关系提取来说是巨大的挑战。为了提高生物医学实体和关系提取的性能，提出了一种基于分解重组策略的实体和关系联合提取方法来挖掘生物医学文本。我们的方法将实体和关系提取任务分解为三个相关的子模块，即实体标记模块、关系分类模块和重组匹配模块。主要贡献如下：首先，引入了用于联合实体和关系提取的分解和重组端到端学习框架。其次，提出了一种双向预测方法来处理重叠三元组问题。最后，提出了负样本生成方法来减轻这些模块之间的误差累积。

原创 文献学习-联合抽取-Joint entity and relation extraction based on a hybrid neural network

实体和关系提取是一项结合了检测实体提及和从非结构化文本中识别实体语义关系的任务。文中提出了一种混合神经网络模型来提取实体提及及其关系，而无需任何手工制作的特征。该混合神经网络包含用于实体提取的新型双向编码器-解码器LSTM模块（BiLSTM-ED）和用于关系分类的CNN模块。BiLSTM-ED中获得的实体的上下文信息进一步传递到CNN模块改进关系分类。我们在公共数据集ACE05（自动内容提取程序）上进行实验来验证我们方法的有效性。我们提取的方法在实体和关系提取任务上取得了最先进的结果。

原创 文献学习-联合抽取-Joint entity recognition and relation extraction as a multi-head selection problem

用于联合实体识别和关系提取的最先进模型强烈依赖于外部自然语言处理 (NLP) 工具，例如 POS（词性）标记器和依存解析器。因此，此类联合模型的性能取决于从这些 NLP 工具中获得的特征的质量。但是，这些功能对于各种语言和上下文并不总是准确的。在本文中，提出了一种联合神经模型，它同时执行实体识别和关系提取，无需任何手动提取特征或使用任何外部工具。具体来说，我们使用CRF（条件随机场）层对实体识别任务进行建模，并将关系提取任务建模为多头选择问题（即，可能为每个实体识别多个关系。

原创 NLP中隐性语义分析及奇异值分解（SVD）-学习笔记

隐形语义分析基于最古老和最常用的降维技术–奇异值分解(SVD)。SVD将一个矩阵分解成3个方阵，其中一个是对角矩阵。

原创 Transformer模型-学习笔记

Transformer学习笔记

原创 Transformer-Attention is all you need 学习笔记

Transformer相关论文《Attention is all you need》的学习笔记。

原创 知识提取-属性抽取-学习笔记

知识抽取之属性抽取学习笔记整理。

原创 文献学习02-Effective Modeling of Encoder-Decoder Architcture for Joint Entity and Relation Extraction

论文信息（1）题目：Effective Modeling of Encoder-Decoder Architecture for Joint Entity and Relation Extraction （用于联合实体和关系提取的编码器-解码器架构的有效建模）（2）文章下载地址：https://ojs.aaai.org//index.php/AAAI/article/view/6374（3）相关代码：https://github.com/nusnlp/PtrNetDecoding4JERE...

原创 Ablation Study-学习笔记

[1]文章：Entity and Evidence Guided Relation Extraction for DocREDKevin Huang†, Guangtao Wang†, Tengyu Ma‡, Jing Huang†JD AI Research†, Stanford University‡{kevin.huang3, guangtao.wang, jing.huang}@[email protected]文章[1]中的4.4节标题为Ablation Study.

原创 文献学习01-Neural Relation Extraction for Knowledge Base Enrichment

论文信息：Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, pages 229-240.目录Abstract1、Introduction（1）Large KB（2）先前的研究工作积累：（3）本文的贡献2、Related Work2.1 Open Information Extraction2.2 Entity-aware Relation Ext

原创 机器学习中精准度、召回率、准确率、F1 Score、G分数计算学习笔记

目录1、基本符号表示2、类别下的精准度计算（precision）3、类别下的召回率计算（recall）4、准确率的计算（accuracy）5、F1 Score6、G分数1、基本符号表示 TP （true positive）：预测结果正确，将本类事物预测为本类标签； FP（false positive）：预测错误，比如，将非本类事物预测为本类标签。 FN（false negative）：预测错误，比如，将本类事物预测为其他...

原创 基于归纳的知识图谱推理学习笔记整理

源于：知识图谱：方法、实践与应用基于归纳的KG推理 基于图结构的推理 基于知识图谱路径特征的PRA算法 尾实体链接预测 透视仪链接预测 排序问题 PRA将存在于KG中的路径当做特征，通过图上的计算对每个路径浮于相应的特征值，利用这些特征学习一个逻辑斯蒂回归...

原创 基于演绎的知识图谱推理研究学习笔记思维导图梳理

原创 知识图谱构建技术综述-2.3知识推理-学习笔记

文章信息：文章末尾目录2.3 节 知识推理2.3.1 基于规则的推理2.3.2 基于分布式特征表示推理（1）基于翻译模型的知识推理（2）基于张量分解的知识推理（3）基于语义匹配模型的知识推理2.3.3 基于深度学习的推理2.3 节 知识推理知识推理：根据已有的实体关系来推断出新的事实结论。知识推理研究分析分为3种：2.3.1 基于规则的推理包含：谓词逻辑推理、本体推理和随机推理。【63】等提出一阶归纳学习就是谓词逻辑推理，可以自动提取高质量的事实并去噪

原创 知识图谱技术综述-学习笔记

[1]徐增林,盛泳潘,贺丽荣,王雅芳.知识图谱技术综述[J].电子科技大学学报,2016,45(04):589-606.摘要： 建立的具有语义处理能力与开放互联能力的知识库，在智能搜索、智能问答、个性化推荐等智能信息服务中产生应用价值。本文描述了KG的定义、架构的基础上、综述知识图谱中的知识抽取、知识表示、知识融合、知识推理四大核心技术的研究进展和典型应用。konwledge extraction;konwledge representation;konwledge fusion...

原创 pip从高版本降到低版本一行代码搞定

今天在做项目是需要低版本的pip，因为电脑安装的是21.1.3需要将上面的版本降低到：19.2.3版本操作如下：python -m pip install pip==19.2.3效果如下：

原创 基于AI的5G技术-研究方向与范例-学习笔记

文章来源：尤肖虎,张川,谈晓思,金石,邬贺铨.基于AI的5G技术——研究方向与范例[J].中国科学:信息科学,2018,48(12):1589-1602.目录0、摘要1、引言1.1 5G常识1.2 AI常识（1）监督学习（2）非监督学习（3）增强学习（重点研究一下）（4）两种常见的学习方法1-方向传播学习算法（BP）（5）两种常见的学习方法2-Q学习算法（Bellman算法）2、AI应用于5G系统的发展方向 2.1 在应用中，涉及3类技术问题...

原创 面向5G/B5G通信的智能无线资源管理技术-关键字知识梳理

一、5G/B5G 典型的应用场景：1、B5G，Beyound 5G，超五代移动通信技术；2、eMBB，Enhanced Mobile Broadband，增强型的移动带宽；3、mMTC，massive Machine-Type Communications，海量链接的机器通信；4、URLLC，Ultra-Reliable and LowLatency Communications，高可靠低时延的联网应用；二、无线资源管理关键技术指标（性能技术指标）1、频谱效率...

原创 Deep Learning for Massive MIMO CSI Feedback-学习笔记

文章学习资源：https://sci-hub.do/10.1109/lwc.2018.2818160不完全翻译，上下文大致理解，大家多多提意见。Abstract: In frequency division duplex mode, the downlink channel state information (CSI) should be sent to the base station through feedback links so that the potential ...

原创 面向5G/B5G通信的智能无线资源管理技术-学习笔记

一、面向5G/B5G通信的智能无线资源管理中的问题1、新技术的出现+应用场景的多样化和复杂化，无线资源管理的复杂度进一步提高；2、在多用户大规模MIMO（大规模天线）系统中，随着用户数和天线数的大规模增加，下行用户信道的获取及相应的预编码变的更具有挑战，如：导频污染问题、高维预编码权重矩阵计算的高复杂度问题等；3、在异构超密集网络（UDN）中，由于小区尺寸的减小以及各层网络（如宏小区、微小区以及微微小区等）的共存，异层/同层小区间干扰问题以及相邻小区间移动用户的切换问题变得尤为困难。4、无线

原创 压缩感知重构算法综述-学习笔记

作者：李珅、马彩文、李艳、陈萍压缩感知理论：对于稀疏或可压缩的信号，能够以远低于奈奎斯特频率对其进行采样，并通过设计重构算法来精确的恢复信号。文章工作：1、介绍压缩感知理论的基本框架，讨论该理论关于信号压缩的采样过程；2、综述了压缩感知理论的重构算法，，比较了最优化算法和贪婪算法；3、讨论了压缩感知理论重构算法未来的研究重点。问题一：一般来说，压缩感知涉及三个比较重要的层面1、信号稀疏域的选取，是压缩感知理论的基础和前提；2、观测矩阵的选取；（已证明：大部分具有一致分布.

原创 大学生计算机相关专业学生算法刷题平台、算法竞赛训练平台

OJ系统：作为算法刷题的平台，训练过程中，要有训练计划，坚持刷题，不断反思总结的过程。OJ：Online Judge系统的简称，用来在线检测程序源代码的正确性。 ACM：ACM国际大学生程序设计竞赛(ACM International Collegiate ProgrammingContest（ACM-ICPC或ICPC），是最具影响力的大学生计算机竞赛。 蓝桥杯比赛：蓝桥杯全国软件和信息技术专业人才大赛http://lx.lanqiao.cn/主要刷题平台： （1）浙江大学htt...

原创 07-浅层神经网络学习笔记2

本节主要学习：激活函数的倒数、神经网络的梯度下降（正向和反向）、直观理解反向传播、随机初始化的分析。

原创 06-浅层神经网络学习笔记1

本节主要学习：神经网络概述、神经网络表示（输入特征，隐藏层，输出层）、计算一个神经网络的输出、多样本向量化、向量化实现的解释、激活函数（sigmoid,tanh,relu,leaky relu）、激活函数选择非线性函数的原因（如果不做非线性选择，本质就是线性组合）。...

原创 05-向量化logistic回归的梯度输出、广播机制、向量说明学习笔记

注意点：如何向量化的计算m个训练数据的梯度；重点：如何同时计算m个数据的梯度。2.16关于Python_numpy向量的说明# coding=utf-8import numpy as np;a = np.random.randn(5) # Python-numpy中构造向量,非行非列的向量print ("a是numpy中非行非列的向量：")print (a) #向量aprint ("a的转置：")print (a.T) #向量a的转置b = np.random.

原创 04-m个样本的梯度下降、向量化及计算举例、向量化逻辑回归学习笔记

上一次，推导了计算导数，及应用梯度下降在逻辑回归的一个训练样本上。现在一个训练样本过程应用在m个训练样本上。# coding=utf-8import time # 导入时间库import numpy as np # 导入numpy库a = np.array([1, 2, 3, 4]) # 创建一个数据aprint(a)# [1 2 3 4]a = np.random.rand(1000000)# 通过round随机得到两个一百万维度的数组b = np.random.ra

原创 03-计算图、计算图求导、逻辑回归中的梯度下降学习笔记

原创 02-逻辑回归、代价函数、梯度下降、求导数学习笔记

原创 01-二分类-多分类学习笔记

1、二分类在理解二分类问题是，可以用一个简单问题的答案例子来描述：要么是，要么不是。既可以表示为0或1。在机器学习中，基础的神经网络做猫图片的分类中是典型案例。输入一个猫的图片，识别结果为1则是猫的图片，如果识别结果为0，则不是。上述待识别的图（64*64像素值）->保存为三个矩阵（红、绿、蓝各为64*64的强度值）->将三个矩阵放入一个特征向量中（64*64*3）=12288像素的总量，用n表示，代表输入特征向量的维度。...

原创 git 上传本地代码到gitee的指令操作

git statusgit add .git remote add origin https://gitee.com/chz367/point_h5.gitgit config --global user.name "chz367"git config --global user.email"[email protected]"git initgit remote add origin https://gitee.com/chz367/point_h5.gitgit pull https://g.

原创 数据结构-第6章 树和二叉树-知识点2-二叉树-定义、性质、运算

对于第6章树和二叉树的知识点，可以归纳为以下几点：1、树的定义和基本术语；2、二叉树-定义、性质、运算；3、存储结构-顺序、链式表示；4、遍历二叉树，线索二叉树；5、树的存储结构；6、森林和树的转换；7、树和森林的遍历；8、赫夫曼树-最优二叉树、赫夫曼编码。对于二叉排序树，后面在查找的章节中再做学习安排。二叉树-定义、性质、运算（1）二叉树的定义（...

原创 数据结构-第6章 树和二叉树-知识点1-树的概念和术语

数据结构第6章 树和二叉树是期末考试和考研中的关键章节。但是树和二叉树的基本概念比较多，知识点比较零碎，需要同学们自己做好知识点的脑图，便于学习和记忆。对于第6章树和二叉树的知识点，可以归纳为以下几点：1、树的定义和基本术语；2、二叉树-定义、性质、运算；3、存储结构-顺序、链式表示；4、遍历二叉树，线索二叉树；5、树的存储结构；6、森林和树的转换；7、树和森林的遍...

转载 模式匹配KMP算法学习笔记

模式匹配KMP算法字符串：BBCABCDABABCDABCDABDE搜索词：ABCDABD1.B与A不匹配，搜索词后移一位。2.B与A不匹配，搜索词再往后移。3.直到字符串有一个字符，与搜索词的第一个字符相同为止。4.接着比较字符串和搜索词的下一个字符，还是相同。5.直到字符串有一个字符，与搜索词对应的字符不相同为止。6...

原创 Mac下安装numpy出现异常及问题解决，查看numpy版本方法

在安装numpy时，一直出现异常信息。1、使用：python3 -m pip install numpy异常如下：2、使用：sudo pip3 install numpy异常如下：在这之前进行了pip升级：python3 -m pip install --upgrade pip只是提示：Requirement already up-to-date: pip in ....

原创 Mac将Python升级到3.7版本

Mac将Python版本升级到3.7版本1、Python3.7下载地址：https://www.python.org/downloads/mac-osx/2、打开bash_profile文件查看3.7的路径，打开指令：vim ~/.bash_profile3、重命名Pythonalias python ="/Library/Frameworks/Python.framewo...

原创 mac下查看Python的安装路径及版本信息

1、查看Python的版本信息：python --version2、查看Python安装路径：which python3、查看Python的全路径：echo $python4、查看python3的路径：which python35、查看Python3的版本信息：python3 --version...

原创 数据结构基本概念和术语（数据、数据元素，数据对象，数据项）及举例描述

1、数据(Data) 是对信息的一种符号表示。在计算机科学中是指所有能输入到计算机中并被计算机程序处理的符号的总称。如图象、声音等都可以通过编码而归之于数据的范畴。2、数据元素(Data Element) 是数据的基本单位，在计算机程序中通常作为一个整体进行考虑和处理。相当于数据库表的“行”。 例如数据结构教...

原创 学习数据结构之前先复习一下C语言

在学习数据结构前，都需要先掌握一门计算机基础语言（或者叫高级语言）。在大多数高校中都会以C或C++作为数据结构的前导课程，因此在学习数据结构前，大家要回顾一下相关的基础知识。本学期的数据结构课程，我们是以C语言作为前导课程，在学习数据结构前大家先复习一下C语言中有关的知识点。1、什么是数组？C语言数组的基本概念。C语言中的二维数组怎么表示？2、C语言字符串的输入和输出语句。整理字符串的...