一种准确而高效的领域知识图谱构建方法

作为语义网的数据支撑,知识图谱在知识问答、语义搜索等领域起着至关重要的作用,一直以来也是研究领域和工程领域的一个热点问题,但是,构建一个质量较高、规模较大的知识图谱往往需要花费巨大的人力和时间成本.如何平衡准确率和效率、快速地构建出一个高质量的领域知识图谱,是知识工程领域的一个重要挑战.对领域知识图谱构建方法进行了系统研究,提出了一种准确、高效的领域知识图谱构建方法——“四步法”,将该方法应用到中国基础教育九门学科知识图谱的构建中,在较短时间内构建出了准确率较高的学科知识图谱,证明了该方法构建领域知识图谱的有效性.以地理学科知识图谱为例,使用“四步法”共得到67 万个实例、1 421 万条三元组,其中,标注数据的学科知识覆盖率和知识准确率均在99%以上.

VGG16预训练模型part2

VGG16预训练模型 "vgg_url": "ftp://mi.eng.cam.ac.uk/pub/mttt2/models/vgg16.npy"

VGG16预训练模型part1

VGG16预训练模型 "vgg_url": "ftp://mi.eng.cam.ac.uk/pub/mttt2/models/vgg16.npy"

知识图谱：大数据语义链接的基石

知识图谱：大数据语义链接的基石 李涓子 清华大学 主要内容 一、知识图谱基础 二、知识图谱类型 三、知识图谱构建方法及关键技术 四、基于知识图谱的语义链接及其应用

Learning TensorFlow A Guide to Building Deep Learning Systems

Learning TensorFlow A Guide to Building Deep Learning Systems Tom Hope, Yehezkel S. Resheff, and Itay Lieder In this book you will learn how to: 1. Get up and running with TensorFlow, rapidly and painlessly. 2. Use TensorFlow to build models from the ground up. 3. Train and understand popular deep learning models for computer vision and NLP. 4. Use extensive abstraction libraries to make development easier and faster. 5. Scale up TensorFlow with queuing and multithreading, training on clusters, and serving output in production. 6. And much more!

Deep Learning with Hadoop

This book will teach you how to deploy large-scale datasets in deep neural networks with Hadoop for optimal performance. Starting with understanding what deep learning is, and what the various models associated with deep neural networks are, this book will then show you how to set up the Hadoop environment for deep learning.

探索性数据分析(EDA)PPT

探索性数据分析(EDA) EDA指对已有的数据(特别是调查或观察得来的原始数据)在尽量少的先验假定下进行探索，通过作图、制表、方程拟合、计算特征量等手段探索数据的结构和规律的一种数据分析方法。在深入机器学习或统计建模之前，EDA是一个重要的步骤，这是因为它提供了为现有问题开发适当模型并正确解释其结果所需的来龙去脉。

Reasoning Attention and Memory

Reasoning, Attention and Memory 深度学习的推理、注意力和记忆 Sumit Chopra Facebook AI Research

Deep Reinforcement Learning through Policy Optimization

深度强化学习 Deep Reinforcement Learning through Policy Optimization Pieter Abbeel Open AI / Berkeley AI Research Lab Slides made in collabora<on with John Schulman

Recurrent Neural Networks

深度学习暑期课件 Recurrent Neural Networks Deep Learning Summer School 2016 Yoshua Bengio Montreal Ins<tute for Learning Algorithms Université de Montréal