对关系抽取技术研讨概况进行总结。
在回顾关系抽取发展历史的基础上，将关系抽取研讨划分为两个阶段:面向特定领域的关系抽取研讨和面向开放互联网文本的关系抽取研讨。
在分析相关文献的基础上，总结出两个研讨阶段的技术路线:面向特定领域的关系抽取技术以基于标注语料的机器学习方法为主;面向开放互联网文本的关系抽取则根据不同任务需要，采取基于启发式规则的方法或者基于背景知识库实例的机器学习方法。
在回顾关系抽取发展历史的基础上，将关系抽取研讨划分为两个阶段:面向特定领域的关系抽取研讨和面向开放互联网文本的关系抽取研讨。
在分析相关文献的基础上，总结出两个研讨阶段的技术路线:面向特定领域的关系抽取技术以基于标注语料的机器学习方法为主;面向开放互联网文本的关系抽取则根据不同任务需要，采取基于启发式规则的方法或者基于背景知识库实例的机器学习方法。
2019/1/6 23:35:30
427KB
1
AGA自顺应加速遗传算法，适用于机器学习算法中AGA自顺应加速遗传算法，适用于机器学习算法AGA自顺应加速遗传算法，适用于机器学习算法
2016/10/7 8:29:17
4KB
1
遥感处理软件，内置常见的机器学习算法随机森林和支持向量机，随机森林算法可以输出特征重要性，RFE_SVM可以进行特征选择，同时内置农业、土壤、水体行业使用模块
2019/1/13 19:42:30
655.62MB
1
针对数据量庞大引起模型参数更新时样本选择困难及训练速度慢的缺陷,提出基于投影寻踪回归的铜闪速熔炼过程关键工艺指标预测方法。
首先采用机器学习方式提取用于建模所需的类似样本集,借助投影寻踪回归思想,建立铜闪速熔炼过程关键工艺指标预测模型;然后利用基于实数编码的加速遗传算法进行模型参数的实时更新。
训练样本的机器选择可以避免人工选择带来的主观性和盲目性缺陷,模型参数的更新训练只在类似样本集中进行,可有效提高模型参数更新速度。
实际生产数据仿真结果验证了所提方法的有效性和可行性。
首先采用机器学习方式提取用于建模所需的类似样本集,借助投影寻踪回归思想,建立铜闪速熔炼过程关键工艺指标预测模型;然后利用基于实数编码的加速遗传算法进行模型参数的实时更新。
训练样本的机器选择可以避免人工选择带来的主观性和盲目性缺陷,模型参数的更新训练只在类似样本集中进行,可有效提高模型参数更新速度。
实际生产数据仿真结果验证了所提方法的有效性和可行性。
2018/3/12 21:46:20
868KB
1
音频流派分类使用机器学习算法自动进行音乐流派分类，例如逻辑回归和K-最近邻使用言语：Python2.7此存储库包含根据以下流派对音乐进行分类的开发代码：蓝调古典（西方）国家迪斯科金属流行音乐数据集用于训练模型的数据集是GTZAN数据集。
数据集简介：该数据集用于G.Tzanetakis和P.Cook在2002年IEEETransactionsonAudioandSpeechProcessing中的流派分类“音频信号的音乐流派分类”中的著名论文。
该数据集由每30秒长的1000个音轨组成。
它包含10个流派，每个流派由100首曲目表示。
曲目均为.wav格式的22050Hz单声道16位音频文件。
官方网页：marsyas.info下载大小：约1.2GB下载链接：下载GTZAN流派合集
数据集简介：该数据集用于G.Tzanetakis和P.Cook在2002年IEEETransactionsonAudioandSpeechProcessing中的流派分类“音频信号的音乐流派分类”中的著名论文。
该数据集由每30秒长的1000个音轨组成。
它包含10个流派，每个流派由100首曲目表示。
曲目均为.wav格式的22050Hz单声道16位音频文件。
官方网页：marsyas.info下载大小：约1.2GB下载链接：下载GTZAN流派合集
2022/12/9 0:08:24
9KB
1
视频在B站可以搜索到菊安酱机器学习全套学习材料pdf+ipython+kaggle数据集算法讲解以及经典数据案例讲解
2019/7/19 7:31:31
59.38MB
1
内含多个恶意URL辨认的Python工程代码，涉及机器学习和深度学习的多个代码。
是我在做项目调研时找到的。
是我在做项目调研时找到的。
2019/10/7 15:58:52
51.29MB
1
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。
2024-04-09 15:03
15KB