最近几年，例如YAGO和DBpedia等大规模知识库发展有了很大的进步。
知识库提供了大量的不同种类的实体信息，如人、国家、河流、城市大学等等，同时知识库包含了大量的在实体（entity）间的关系既事实（fact）。
当今的知识库包含的数据量是巨大的通常有百万个实体和上亿个描述实体间关系的事实数据。
虽然目前的知识库存在大量的实体和事实数据，但是这样大规模的数据仍然不完整。
目前构建知识库的方法主要有两种，一种是从大量的文本中抽取事实但这种方法必然会带来大量的噪声数据，第二是人工扩展，但这样的方法对于时间的开销是极大的。
如果确保一个知识库是完整的则必须花费很大的努力来抽取大量的事实，并检查事实的正确性，因为只有正确的事实加入到知识库中才是有意义的。
同时知识库的本身由于有足够的信息可以推理出更多的新的事实。
例如有这样一个例子，一个知识库包含一组事实是孩子c有一个妈妈m，这样可以推理得出孩子妈妈的丈夫f很可能是孩子的父亲。
该逻辑规则形式化的描述如下：motherof(m,c)∧marriedTo(m,f)⟹fatherof(f,c)挖掘这种规则可帮助做一下四种事情：1、利用这种规则来推理出新的事实，而这些被挖掘出的新的事实可以使知识库更完整。
2、这些规则可以检测出知识库潜在的错误例如一个陈述是一个与一个男孩无关的人是这个男孩的父亲，这样的陈述很可能是错误的。
3、有很多推理工具依赖其他工具提供规则，所以这些被挖掘出来的规则可以用于推理。
4、这些规则描述一个普遍的规律，这些规律可以帮我我们理解分析知识库中的数据，如找到一些国家通常与说同一种语言的国家交易。
或结婚是一个对称关系，或使用同一个乐器的音乐家通常互相影响等等。
AMIE的目标是从RDF格式的知识库中挖掘如上所述的逻辑规则，在语义网（SemanticWeb）中存在大量的RDF知识库如YAGO、Freebase和DBpedia等。
这些知识库使用RDF三元组（S,P,O）提供二元关系（binaryrelation）的描述。
由于知识库一般只包含正例而（S,P,O）没有反例（S,¬P,O），所以RDF这样的知识库中仅能通过正例来推理。
进一步来说在RDF知识库上的操作是基于开放世界假设（OWA）的。
在开放世界假设下，一个事实没有在知识库中存在那么我们不能说这个事实是错误的，只能说这个陈述是未知的。
这与标准的数据库在封闭世界假设的设定有本质上的区别。
例如在知识库中没有包含marry(a,b)，在封闭世界假设中我们可以得出这个a没有和b结婚而在开放世界假设下我们只能说a可能结婚了也可能单身。
压缩包内包含AMIE可运行源代码与相应文档资料，欢迎下载参考

工业互联网标识二级节点（佛山）建设及应用的实践探索，主要内容包括：认识工业互联网标识解释体系、标识二级节点（佛山）的建设情况、标识体系实践探索的小结、标识二级节点（佛山）的发展规划，致力于推动工业互联网创新应用、大数据产业发展、新型智慧城市建设，构建区域大数据产业生态体系；
承担国家工业互联网标识体系二级节点（佛山）建设运营工作，推广标识体系服务现代制造业；
建设运营阿里云创新中心（佛山），与阿里云共同推进云计算、大数据、工业互联网等新兴服务业聚集发展，打造

一、揭题导入今天我们学习“语文园地”的内容。
（板书：语文园地）二、交流平台板块一：交流平台1.（课件出示2）童话是一座五彩缤纷的大花园。
在童话的世界里，植物、动物不但和人一样会说话，而且也有喜怒哀乐。
（1）小组学生围绕上面一段话进行交流，探究自己了解的童话作品里人物的喜怒哀乐。
（板书：交流童话）（2）小组派代表做汇报发言，教师小结。
（3）（课件出示3）①去年的树：从鸟儿天天唱歌给树听感受到他们的快乐；
从鸟儿第二年春天从南方飞回来找不到它的朋友感受到他的忧伤和惆怅。
②那一定会很好：从大树变成手推车等感受到小推车为人类服务的快乐。
③在牛肚子里旅行：从一只不幸被吞进牛肚子里，在牛肚子里“旅行”了一次的经历中感受到红头由绝望、悲痛到最后侥幸逃脱的危险后对朋友的感激的感情变化。

这是之前收藏的非虫大大在2016中国互联网安全大会-安全训练营中的PPT，对于移动安全和逆向的同学来说，值得收藏。

人工智能课的期末大作业，用java写的动物识别系统，有两个版本，一个是有图形界面的，另一种是在控制台操作的。
采用纯粹的面向对象的思想，易于看懂，希望对大家有帮助。

大数据项目源代码,电影推荐系统Movie_recommend-master,包括实时推荐和离线推荐

SmartGridusingBigDataAnalytics:ARandomMatrixTheoryApproach大数据与智能电网理论与实践bigdataandsmartgridtheoryandpractice

本论文是关于在物联网系统下所搭建的大棚温度自动控制系统

该系统采用access数据库和asp.net开发，实现了信息统计，打印信息，等功能

马尔科夫链matlab程序包。
马尔科夫链定义本身比较简单，它假设某一时刻状态转移的概率只依赖于它的前一个状态。
举个形象的比喻，假如每天的天气是一个状态的话，那个今天是不是晴天只依赖于昨天的天气，而和前天的天气没有任何关系。
当然这么说可能有些武断，但是这样做可以大大简化模型的复杂度，因此马尔科夫链在很多时间序列模型中得到广泛的应用，比如循环神经网络RNN，隐式马尔科夫模型HMM等，当然MCMC也需要它。
　　　　如果用精确的数学定义来描述，则假设我们的序列状态是...Xt−2,Xt−1,Xt,Xt+1,......Xt−2,Xt−1,Xt,Xt+1,...，那么我们的在时刻Xt+1Xt+1的状态的条件概率仅仅依赖于时刻XtXt，即：P(Xt+1|...Xt−2,Xt−1,Xt)=P(Xt+1|Xt)P(Xt+1|...Xt−2,Xt−1,Xt)=P(Xt+1|Xt)　　　　既然某一时刻状态转移的概率只依赖于它的前一个状态，那么我们只要能求出系统中任意两个状态之间的转换概率，这个马尔科夫链的模型就定了。
我们来看看下图这个马尔科夫链模型的具体的例子。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。