DomainSpecificKnowledgeGraphConstruction，领域特定知识图构建(KGC)是一个活跃的研讨领域，最近由于机器学习技术(如深度神经网络和单词嵌入)取得了令人印象深刻的进展。
本书将以一种引人入胜和可访问的方式综合Web数据上的知识图结构。

本文来自36kr，本文介绍了R-CNN基本结构和原理，YOLO的基本原理，推理过程，计算loss以及具体实用过程等。
知识图谱最初是由谷歌提出用来优化搜索引擎的技术，在不断发展中外延也一度扩大。
盘点目前知识图谱的发展，其已经助力了很多抢手的人工智能场景的应用，例如语音助手、聊天机器人、智能问答等。
当前的人工智能其实可以简单划分为感知智能（主要集中在对于图片、视频以及语音的能力的探究）和认知智能（涉及知识推理、因果分析等），知识图谱就是认知智能领域中主要的技术之一。
从使用的范围来讲，知识图谱分为通用知识图谱和领域知识图谱。
通用知识图谱主要应用于面向互联网的搜索、推荐、问答等业务场景。
通用知识图谱强

Python+Neo4j医药知识图谱自动问答零碎源码，知识图谱构建，自动问答，基于kg的自动问答。
以疾病为中心的一定规模医药领域知识图谱，并以该知识图谱完成自动问答与分析服务。

（含源码及报告）本程序分析了自2016年到2021年（外加）每年我国原油加工的产量，并且分析了2020年全国各地区原油加工量等，含饼状图，柱状图，折线图，数据在地图上显示。
运转本程序需要requests、bs4、csv、pandas、matplotlib、pyecharts库的支持，如果缺少某库请自行安装后再运转。
文件含6个excel表，若干个csv文件以及一个名字为render的html文件（需要用浏览器打开），直观的数据处理部分是图片以及html文件，可在地图中显示，数据处理的是excel文件。
不懂可以扫文件中二维码在QQ里面问。

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。