satellite_wx-CSDN博客

原创本地运行yii项目

1）在index.php文件修改：2）params.php里按需更改dbtype3）创建一个 .htaccess文件放在web目录下，就是index.php同目录下Options +FollowSymLinksIndexIgnore /RewriteEngine on# 如果文件存在，就直接访问文件，不进行下面的RewriteRuleRewriteCond %{REQUEST_FILENAME} !-f# 如果是一个目录或者文件，就访问目录或文件RewriteCond %{REQUE

2021-07-28 15:19:25 829 2

原创安装过Mysql后安装Xampp

推荐一篇blog关于配置xampp中的mysql：https://blog.csdn.net/qq_42683219/article/details/97481238?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-1.control&depth_1-utm_source=distribute.pc_relevant.none-task-b

2021-07-22 18:30:55 926 2

原创 html导入js文件发生模糊

本来用js写了一个projector，但在html里导入的效果就是糊糊的。放弃导入。直接把js文件内容复制，加上script标识，黏贴到html文件里，世界瞬间清晰。

2021-07-20 23:55:12 166

原创 js包导入路径

就是记录一些bug，略久远可能描述不清我的文件结构大概是：resources-front -static -js -index.html -templates -projector.html 在index.html里引入js文件下的包， <script type="text/javascript" src='js/three.js'></script&g

2021-07-20 23:45:56 665

原创 xml转json-使用ElementTree

# ===== 导入包 =====try: import xml.etree.cElementTree as ETexcept ImportError: import xml.etree.ElementTree as ETimport jsonimport sysimport io# ===== 获取 xml 树 =====rootpath = '数据集'tree = ET.parse(rootpath + "/" + str(i) + ".xml")root = tree

2021-07-20 23:31:42 154

原创降维算法学习笔记-t 分布随机邻域嵌入

t-SNEt 分布随机邻域嵌入（t-distributed stochastic neighbor embedding, t-SNE）实现了对非高斯分布数据降维。t-SNE 使用广泛，常用于流行学习降维。SNEt-SNE 是基于随机邻域嵌入 (Stochastic Neighbor Embedding, SNE）提出的。SNE 使用条件概率来刻画两个数据之间的相似性，对原始数据 x{x1, x2, x3, …}通过以下公式将数据间的欧几里得距离转化为概率，规定 qi|i = 0。pi| j 和

2021-07-20 23:12:21 1518

原创降维算法学习笔记-PCA算法

PCA主成分分析（Principal Component Analysis, PCA）是最为常用的降维方法之一。它对原始数据做基变换，经过坐标轴选择和坐标原点平移，使变换之后数据具有最大方差。具体过程是依次选取原始数据中方差最大的方向作为坐标轴方向，每个新的坐标轴需要与之前选定的坐标轴正交，这样确定了前 k 个坐标轴后，就能够得到原始数据降到 k 维的结果数据。通过特征值分解和协方差矩阵来实现 PCA 算法的具体步骤如下：对于原始数据集 X=x1, x2, x3, ……,xn 进行 n 维到 k 维

2021-07-20 23:03:11 196

原创知识图谱表示学习-HolE算法

HolE（这是一篇小白入门笔记，请勿转载，感谢指正！）Holographic Embeddings（HolE）是一种基于语义相似度的模型。RESCAL实体是由复杂多重关系相互联系在一起的，实体之间和关系之间直接的关联关系不仅对其本身起作用，还可以发生传递得到新的关系。为了检测出这些关系，参照集体分类（collective classification）的方法，提出了集体学习（collective learning）对实体进行分析，以充分利用相关实体提供的信息。这一方法还被用于预测链接等学习任务。为了

2021-07-20 22:57:53 2145

原创多知识图谱表示学习-MTransE算法

MTransE（这是一篇小白入门笔记，请勿转载，欢迎指正！）之前介绍的这些模型都是对单一语言的知识图谱做嵌入的工作。而由于实际生活中的知识、知识库都是由各种不同的语言构建的，要将他们融合起来就需要完成跨语言的知识实体对齐工作，通过实体对齐进行跨语言知识图谱融合，帮助计算机提取出在不同的语言体系下语义相一致的实体和关系所具备的不同表达，以及跨语言实体更为充分的特征信息。多知识图谱表示学习基于实体嵌入学习的实体对齐模型通常有几种解决问题的方式，一种是在开始训练以前先将已预先对齐的实体合并，将两张知识图谱

2021-07-20 22:48:34 1224

原创知识图谱表示学习-TransD算法

TransD（这是一篇小白入门笔记，请勿转载）简介在实际情况中，实体和关系分属于不同的空间，且不同的实体所在实体空间各有不同。一个三元组中的头实体和尾实体的属性和特征可能大相径庭，那么它们使用的映射矩阵也应该不同。因此，2015 年 Ji 等人提出的 TransD 模型提供两个动态投影矩阵分别投影头实体和尾实体，且这两个映射矩阵由实体和关系共同确定，使得它们互不相同又相互作用。TransD 不仅考虑到了关系的多样性，也考虑到了实体的多样性。每个实体和关系都由两个向量来表示，一个描述实体或关系的语义

2021-07-20 22:42:09 2520 1

原创知识图谱表示学习-TransH算法

TransH目录TransH简介缺陷简介为了改善 TransE 在建立复杂关系模型上的不足，在 TransE 的基础上提出了 TransH 算法[22]。TransH 引入了超平面，将关系定义在超平面上，将实体投影到了超平面上。这样对于相同实体，在不同关系下，他们在超平面的上的关系可以同时成立，使得同一实体在不同关系或三元组中所代表的意义可以不同，相当于实体拥有了分布式表示。这就帮助模型解决了多对一、一对多、多对多关系建模的问题。TransH 定义了一个超平面法向量 Wr，Wr 为单位向量。对于一个

2021-07-20 22:29:16 1713

原创知识图谱表示学习-TransE算法

知识图谱表示学习-TransE算法表示学习知识图谱表示学习TransE（这是一篇小白入门笔记，请勿转载）表示学习表示学习是一个利用模型自动地学习数据的隐式特征的过程，以此来计算得到对学习对象来说相比原始数据更好的表示形式，是一种数据预处理方法，帮助剔除数据中的无效信息，以便在后续训练任务中更有效地利用数据的有用特征。表示学习算法的结果是用低维实值稠密向量，即表示对象的分布式表示（distributed representation），将语义信息分布式存储于各维度中。原始数据和经人工简单加工得到的数

2021-07-20 18:59:49 2078 1

weixin_41360609的博客