自然语言处理+知识图谱
文章平均质量分 53
自然语言处理+知识图谱
Rebecca.Yan
人总是要有梦想的,万一实现了呢
展开
-
常用免费网站总结(自用)
开发过程中,常用的免费网站总结原创 2023-11-16 10:28:43 · 323 阅读 · 0 评论 -
学习率Learn_rate是什么(深度学习)
较高的学习率可能会导致模型跳过全局最优解并陷入局部最优解,而较低的学习率可能需要更多的迭代才能达到全局最优解。收敛速度:较高的学习率可以加快模型的收敛速度,因为参数更新更大,模型能够更快地找到损失函数的最小值。较低的学习率通常会使模型在训练期间更加稳定,但可能需要更多的迭代次数才能达到较好的性能。选择合适的学习率是深度学习中一个重要的超参数调整问题,需要通过实验和验证来找到最佳的学习率,以便在训练过程中获得最佳的模型性能。学习率的选择直接关系到模型的性能和训练过程的效果。原创 2023-08-03 10:54:06 · 1801 阅读 · 0 评论 -
评分函数和损失函数是什么(知识图谱嵌入KGE)
评分函数用于衡量实体和关系之间的相似度或相关程度。损失函数用于训练模型,指导模型优化参数以更好地拟合数据。原创 2023-08-02 19:53:06 · 860 阅读 · 0 评论 -
知识图谱嵌入表示实战——基于TransE、Pytorch的知识图谱嵌入项目(源代码和运行实例)
知识图谱常用的嵌入方法主要有TransE、TransH、TransR、RESCAL、DistMult、ComplEx、RotatE、SimplE和TuckER等。项目步骤:1. 定义DBPDataset类表示数据集,重写__getitem__方法返回三元组。2. 定义KGEmb模型表示知识图谱Embedding,包含实体与关系Embedding层。3. 构建DataLoader加载数据集,定义优化器与TransE损失函数进行训练。4. 训练结束后,ent_emb与rel_emb分别为实体与关系Embe原创 2023-05-31 19:19:53 · 8229 阅读 · 13 评论 -
训练集、验证集和测试集分别是用来做什么
1.训练集:用于模型训练,提供输入特征和目标,使模型可以学习到特征与目标之间的映射关系。训练集要尽可能大,能涵盖输入和输出的全部范围。2. 验证集:用于验证模型在训练过程中的效果,并用来调整模型超参数。验证集和训练集应来自相同的数据分布,但必须是训练集之外的数据样本。验证集的大小通常为训练数据集的10-30%。3. 测试集:用于评估模型的最终性能,测试集必须是模型训练过程中未曾使用过的数据。测试集也应来自相同的数据分布,其大小也为训练集的10-30%。原创 2023-05-26 18:42:13 · 5480 阅读 · 0 评论 -
知识图谱本体,实体,实例的概念区分
2、实体是本体、实例及关系的整合,比如“人”是本体框中的一个概念,概念中也规定了相关属性比如“性别”,小明是一个具体的人,叫做实例,所以小明也有性别,小明以及体现小明的本体概念“人”以及相关属性,叫做一个实体(简单的说就是:本体+实例);知识图谱把结构化、非结构化的数据通过数据抽取、融合在一起,体现了数据治理、语义连接的思想,有利于大规模数据的利用和迁移。1、本体是概念的集合,是大家都公认的概念框架,一般不会改变如“人”、“事”、“物”、3、很多实体形成的数据库叫做知识库,如dbpedia等;原创 2023-03-21 15:54:21 · 4192 阅读 · 2 评论 -
mac/unix修改环境变量+neo4j启动版本不适配详细操作
mac下查看/修改/增加环境变量 + neo4j开启关闭操作,以及启动neo4j遇到jdk环境变量配置和jdk与neo4j版本不适配,问题复现+解决方案原创 2023-04-11 16:38:42 · 439 阅读 · 1 评论 -
知识图谱嵌入评价指标之MRR,Hits@n
Knowledge Graph Embedding,KGE模型性能中最常用的几个指标:MRR,HITS@1,HITS@10。MRR和HITS@10是两个重要指标,不可缺少,MR不被看作是一个好的指标,所以不进行介绍。转载 2023-03-21 18:17:24 · 940 阅读 · 1 评论 -
卷积神经网络(CNN)使用PyTorch实现卷积神经网络对CIFAR-10数据集进行图片分类(代码➕注释)
卷积神经网络 ( Convolutional Neural Network,CNN) 作为人工神经网络中一种常见的深度学习架构,该网络是受到生物自然视觉认知机制启发而来,是一种特殊的多层前馈神经网络,CNN 是由简单的神经网络改进而来,使用卷积层和池化层替代全连接层结构,卷积层能够有效地将图像中的各种特征提取出并生成特征图。广泛应用于图像识别、图像分类等领域 ,具有良好的扩展性和鲁棒性,原创 2023-01-09 18:54:42 · 3262 阅读 · 1 评论 -
知识图谱入门
知识图谱(Knowledge Graph)以结构化的形式描述客观世界中概念、实体及其之间的关系,可以认为是一种语义网络。基本组成单位是三元组,三元组就是“实体—关系—实体”,以及实体及其相关属性—值对,实体间通过关系相互联结,构成网状的知识结构。知识图谱可以用来更高的查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。原创 2023-01-04 15:16:08 · 855 阅读 · 0 评论