数据之心-小赵

原创 基于线上问答社区的逻辑性知识自动问答

******************************************你的问题:为什么要读书回答: ['赚钱！', '读书改变命运', '读书可以改变你的容貌', '为了融入社会，必须读书，', '知识改变命运，教育成就未来']你可能还想问: ['为什么要读书的理由', '读书和不读书的区别', '孩子 我为什么要你读书', '为什么要上学', '为什么要读书幽默回答', ...

原创 电子政务项目

项目演示：Hadoop/Spark/Hbase/Zookeeper__________________________________________________...

原创 端到端翻译模型和推荐系统

更新推荐系统学习：https://www.cnblogs.com/xianbin7/p/10661572.html基于seq2seq模型的翻译模型：编码器-解码器————————————————————————...

原创 基于力引导的点布局优化算法

本章针对已有的经典力导向算法作出改进，提出了一种新型力引导的点布局算法，该算法也是属于经典力引导的点布局算法范畴。本章提出的力导向的点布局算法中的一个显著特征是使用计算起来更加简单的吸引力和排斥力，与改进前的力导向算法不同的是吸引力和排斥力的大小不取决于顶点之间的距离。相反，在每次迭代时，整个图中点移动的幅度在是均匀的，随着迭代次数的增加而单调递增。改进后的FR算法布局总是趋近圆形...

原创 医疗知识图谱与自动问答、事理图谱

如何从零开始搭建知识图谱？众米童心百家号07-0223:431. 概论随着移动互联网的发展，万物互联成为了可能，这种互联所产生的数据也在爆发式地增长，而且这些数据恰好可以作为分析关系的有效原料。如果说以往的智能分析专注在每一个个体上，在移动互联网时代则除了个体，这种个体之间的关系也必然成为我们需要深入分析的很重要一部分。 在一项任务中，只要有关系分析的需求，知识图谱就“有可能...

原创 基于深度学习的情感分析

深度学习的情感分析基于机器学习与深度学习方法的情感分析算法实现与对比，包括决策树，贝叶斯，KNN, SVM ,MLP, CNN, LSTM实现。预处理：1.语料电影评论，训练集合20000（正向10000，负向10000）电影评论，测试集合20000（正向3000，负向3000）2、语料处理使用jieba进行分词3、输入向量化使用预先训练的wordvector.bin文件进行向量化对于...

原创 中文电子病例命名实体识别

中文电子病例命名实体识别CCKS2017中文电子病例命名实体识别项目,主要实现使用了基于字向量的四层双向LSTM与CRF模型的网络.该项目提供了原始训练数据样本(一般醒目,出院情况,病史情况,病史特点,诊疗经过)与转换版本,训练脚本,预训练模型,可用于序列标注研究.电子病历结构化是让计算机理解病历、应用病历的基础。基于对病历的结构化，可以计算出症状、疾病、药品、检查检验等多个知识点之间的关...

原创 siamese相似问句匹配

——————————————————————————————————个人实现的基于Siamese bilstm模型的相似句子判定模型,提供训练数据集和测试数据集.句子相似度计算是自然语言处理中的一个重要技术手段,主要有两种方法:1, 基于传统的无监督方式,传统的用于计算句子相似度的方式有很多种。2, 基于标注数据的句子相...

原创 中文文本蕴含/推理

什么是文本蕴含识别文本间的推理关系，又称为文本蕴含关系 (TextualEntailment)，作为一种基本的文本间语义联系，广泛存在于自然语言文本中。简单的来说文本蕴含关系描述的是两个文本之间的推理关系，其中一个文本作为前提（premise），另一个文本作为假设（hypothesis），如果根据前提P能够推理得出假设H，那么就说P蕴含H，记做。这跟一阶逻辑中的蕴含关系是类似的。数据集：略...

原创 特定事件追踪

特定事件追踪基于给定事件关键词，采集事件资讯，对事件进行挖掘和分析。架构：------------------------------------------------------------------------------1.基于话题关键词的话题历时语料库采集基于scrapy爬虫框架：一.Scrapy 简介：Scrapy是用纯Python实现一个为了爬取网站...

原创 文本话题聚类（Kmeans/LDA）

K-means1 聚类是一种无监督的学习方法。聚类区别于分类，即事先不知道要寻找的内容，没有预先设定好的目标变量。2 聚类将数据点归到多个簇中，其中相似的数据点归为同一簇，而不相似的点归为不同的簇。相似度的计算方法有很多，具体的应用选择合适的相似度计算方法。3 K-means聚类算法，是一种广泛使用的聚类算法，其中k是需要指定的参数，即需要创建的簇的数目，K-means算法中的k个簇的...

原创 基于句法依存的情感分析+SO-PMI情感词扩展

依存句法分析  依存语法 (Dependency Parsing, DP) 通过分析语言单位内成分之间的依存关系揭示其句法结构。 直观来讲，依存句法分析识别句子中的“主谓宾”、“定状补”这些语法成分，并分析各成分之间的关系。语义依存分析  语义依存分析 (Semantic Dependency Parsing, SDP)，分析句子各个语言单位之间的语义关联，并将语义关联以依存结构呈现。...

原创 Bert实战

———————————————————————————————————————————————————————————————————————————————————————————...

原创 Docker CentOS7容器 安装SSH功能 容器安装SSH及配置

docker 容器ssh互通

原创 开源VOSK引擎免费语音转文字部署

音频转文字，开源

原创 sqlserver，docker安装

sqlserver安装

原创 docker镜像，Gbase安装

gbase安装

原创 DM数据库安装，docker镜像

达梦数据库部署

原创 centos7 Docker离线安装

docker离线安装

原创 系统定时重启服务脚本案例

系统定时拉起服务

原创 centos7 安装cx_Oracle 以及oracle 12.2 64位客户端

1、环境（centos7.2 均可安装）如果是centos8移步这篇文章centos8.2 安装cx_Oracle 以及oracle 12.2 64位客户端_cuman的博客-CSDN博客2、安装oracle客户端(instantclient12.2)（我下载的rpm格式）地址oracle客户端3、安装上传到服务器（1）yum install -y libaio（2）rpm -ivh oracle-instantclient12.2-basic-12.2.0.1.0-1.x86_..

原创 centos7 安装cx_Oracle 以及oracle 12.2 64位客户端

1、环境（centos7.2 均可安装）如果是centos8移步这篇文章centos8.2 安装cx_Oracle 以及oracle 12.2 64位客户端_cuman的博客-CSDN博客2、安装oracle客户端(instantclient12.2)（我下载的rpm格式）地址oracle客户端3、安装上传到服务器（1）rpm -ivh oracle-instantclient12.2-basic-12.2.0.1.0-1.x86_64.rpm（2）安装python客户端cx_O..

原创 python3错误：使用python3执行.py文件遇到：*ImportError: /lib64/libstdc++.so.6: version `CXXABI_1.3.9‘ not found

使用python3执行.py文件遇到：ImportError: /lib64/libstdc++.so.6: version `CXXABI_1.3.9’ not found(required by /home/hongqiang/anaconda3/lib/python3.6/site-packages/matplotlib/_path.cpython-36m-x86_64-linux-gnu.so)libstdc++.so.6在系统中存在于/usr/lib/libstdc++.so.6/usr/

原创 Vm linux虚拟机与本地宿主机互通

1.建立vm虚拟适配器；2.本地设置虚拟适配器IP跟本地ip同网段，同网关；3.更改dhcp设置，nat设置，网关选择本地ip；4.修改虚拟机静态ip，与本地ip同网段，网关选择本地ip即可上网，网关选择同网段未使用的ip，则虚拟机不能上网但跟宿主机可以互通。...

原创 centos7安装+nvidia驱动+cuda+cudnn安装

centos7 系统安装1.进入安装界面按e进行编辑2.将vmlinuz initrd=initrd.img inst.stage2=hd:LABEL=CentOS\x207\x20x86_64 quiet修改为 vmlinuz linux dd quiet，然后ctrl+x查看linux安装系统所在u盘位置，如sdb4，reboot重起3.e进入编辑，将vmlinuz initrd=initrd.img inst.stage2=hd:/dev/sdb4 quiet，ctrl+x，正式进入安..

原创 Neo4j安装

0、安装java环境，下载地址是：https://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html 上述地址fanqiang后，速度超级快1、下载社区版的neo4j,不要去官网下载，我的下载地址是： http://neo4j.com.cn/topic/5b003eae9662eee704f31cee2、无需安装，直接解压就好，然后进入它的bin目录，在终端...

原创 利用pyinstaller+nssm将python程序打包为exe并封装为系统服务，实现开机自启/后台运行

原文：https://www.cnblogs.com/gtea/p/12672849.html准备工具/环境要求：winxp到win10都可以，已经安装完了python环境的电脑。一、使用pyinstaller将python程序打包为exe可执行程序1win（ctrl和alt之间的旗子键）+R，打开运行，cmd2直接执行：pipinstallpyinstaller安装成功后会显示：Successfullyinstalledpyinstaller-3.3.1...

原创 win10下pytorch GPU版环境搭建

1.查看显卡驱动支持的CUDA版本。如果NVIDIA控制面板打不开，选择右键驱动再更新驱动。2.官网下载CUDA、CUDNN对应版本。https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocalhttps://developer.nvidia.com/rdp/c

原创 win10半自动安装pytorch1.5

半自动安装pytorch1.5考虑到pytorch 的官网安装很慢，且经常断线。但是，pytorch的完全安装还包括了cudatoolkit、torchvision和更新cuda版本。所以本文提出一种半自动的安装方式。1，先在官网按照命令进行安装，把可以安装的库都先安装完。conda install pytorch torchvision cudatoolkit=10.2 -c pytorch这一步结束之后，其他几个库都会安装完成，剩下pytorch不能安装。2，通过清华的镜像下载对应的版本

原创 java jdbc方式读写mysql

import java.io.UnsupportedEncodingException;import java.sql.*;public class Main { public static void main(String[] args) { Connection connection = null; Connection cnn = null; PreparedStatement preparedStatement = null; .

原创 win离线安装pytorch记录

安装python3.7 exe； python-mpipinstall--upgradexxx安装pip-20.1-py2.py3-none-any.whl； 安装anaconda3； activate base命令进入虚拟环境，将torch-1.1.0-cp37-cp37m-win_amd64.whl、torchvision-0.3.0-cp37-cp37m-win_amd64.whl两个文件放入anaconda3的基础安装目录下； 切换到4述anaconda安装目录的根目录，pip ...

原创 最新Github现在下载慢，解决方案

1、登陆github，把需要的仓库Fork过来；2、登陆码云中国（百度），右上角消息图标旁有个加号，鼠标过去下拉框中选择从GitHub导入项目，出现GitHub上自有的项目列表，找到EOS点击导入；3、在码云自己的项目列表中找到EOS，拷贝地址，就可以从这里git clone了，速度在1M以上。...

原创 目前Github最火的几个有关NLP开源项目

https://cloud.tencent.com/developer/news/411816

原创 读书笔记二

原创 读书笔记一

______________________________________________________________________...

原创 数学建模

基因组装——————————————————————————————创意平板折叠桌—————————————————————————————碎纸片拼接技术...

原创 SQL语句练习

https://blog.csdn.net/zilinzhiyou/article/details/12163803https://blog.csdn.net/weixin_41809206/article/details/91045186

原创 SVM学习笔记

SVM支持向量机，因其英文名为support vector machine，故一般简称SVM，通俗来讲，它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，其学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。1、把线性分类器套在逻辑回归模型就是SVM；2、找到间隔最大化，支持向量概念；3、从线性可分到线性不可分、从原始问题到对偶问题的求解；4...

原创 Boosting（Adboost、GBDT、Xgboost）笔记

集成学习通过构建并结合多个学习器来完成学习任务，有时也被称为多分类器系统、基于委员会的学习等。集成学习通过将多个学习器进行结合，常可获得比单一学习器显著优越的泛化性能。目前的集成学习方法大致可以分为两大类，即个体学习器间存在强依赖关系、必须串行生成的序列化方法，以及个体学习器间不存在强依赖关系、可同时生成的并行化方法；前者的代表是Boosting，后者的代表是Bagging和随机森林。...

原创 Glove词向量模型笔记

GloVe模型采用了平方损失，并通过词向量拟合预先基于整个数据集计算得到的全局统计信息。任意词的中心词向量和背景词向量在GloVe模型中是等价的。原因在于Glove模型提出了词频共现矩阵的概念。但由于初始化值的不同，同一个词最终学习到的两组词向量可能不同。当学习得到所有词向量以后，GloVe模型使用中心词向量与背景词向量之和作为该词的最终词向量。看链接一的图就行。通俗易懂：http...