首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏强化学习专栏

    知识工程知识图谱

    文章分类在学习摘录和笔记专栏: 学习摘录和笔记(24)---《从知识工程知识图谱》 从知识工程知识图谱 1 知识工程 知识工程是符号主义人工智能的典型代表,近年来越来越火的知识图谱,就是新一代的知识工程技术 2 知识图谱 知识图谱和以知识图谱为代表的知识工程系列技术是认知智能的核心。知识工程主要包括:知识获取、知识表示和知识应用。 符号主义最核心的思想是什么呢? 1977年,费根鲍姆将其正式命名为知识工程。 语义网,它的核心是:语义网可以直接向机器提供能用于程序处理的知识4 知识图谱的发展 谷歌推出了自己的知识图谱,使用与语义检索,从多种来收集信息,以提高搜索质量。 大数据技术使得大规模获取知识成为可能,而知识图谱即为一种大规模语义网络。 另外,众包与群智成为大规模知识获取的一条新路径, 知识工程知识图谱技术引领下进入了全新阶段,叫做大数据时代知识工程阶段。

    51610编辑于 2024-12-03
  • 来自专栏yeedomliu

    ChatGPT-4提示工程

    ChatGPT-4区别 特性 ChatGPT-4 GPT-4 目的 主要用于在对话中生成类似人类的文本、回答问题和提供解释。 GPT-4的定制性较低,因为它设计用于更广泛的任务。 1.37T 自然语言理解,自然语言生成,问题解答,文本摘要,代码生成,翻译,客户服务,聊天机器人,剧本写作,语言转SQL,创意写作,研究等 提示工程的力量 提示工程本质上是指制定精确和有效的提示技术, 使用步骤 确定目标 明确要求 提供背景信息 提示工程是一种设计有效提示或指令的艺术,以从AI模型(如ChatGPT-4)获取期望的输出。 不过于正式也不过于随意 迭代:不断调整期望结果 实验:从不同角度提问 提示工程高级技术 从人类反馈中学习是AI成长的重要组成部分。

    45710编辑于 2023-09-03
  • 来自专栏coding for love

    4 章 需求工程

    简介 4.1 功能型需求和非功能性需求 4.1.1 功能性需求 4.1.2 非功能性需求 4.2 需求工程过程 4.3 需求抽取 image.png 4.3.1 需求抽取技术 image.png 4.3.2

    53960发布于 2020-07-01
  • 来自专栏归思君的技术博客

    信管知识梳理(三)软件工程相关知识

    软件工程是指应用计算机科学、数学及管理科学等原理,以工程化的原则和方法来解决软件问题的工程,其目的是提高软件生成率、提高软件质量、降低软件成本。 包括结构化类与系统其余部分的交互点,如下图: 包图:描述由模型本身分解而成的组织单元,以及它们之间的依赖关系,如下图所示: 定时图:是一种交互图,强调消息跨越不同对象或参与者的实际时间,而不仅仅知识关心消息的相对顺序 数据库系统:也就是常见的数据库系统设计 超文本系统:早期的静态网页 黑板系统:解决复杂的非结构化问题,能在求解过程中综合运用不同知识源,使得问题的表达、组织和求解变得容易。 详情可以看我的系列文章: 设计模式学习笔记(二)工厂模式、模板模式和策略模式的混合使用 - 归斯君 - 博客园 (cnblogs.com) 五、软件工程的过程管理 软件过程是软件生命周期中的一系列相关活动 主要有过程管理、项目管理、工程和支持四个过程组。

    1.8K31编辑于 2023-10-16
  • 来自专栏柠檬先生

    zepto 基础知识(4)

    61.prev   prev() 类型:collection   prev(selector) 类型:collection   获取对相集合中每一个元素的钱一个兄弟节点,通过选择器来进行过滤 62.prev   prev() 类型:collection   prev(selector) 类型:collection   获取对象集合中每一个元素的前一个兄弟节点,通过选择器用来进行过滤。 63.prop   prop(name) 类型:valu

    975100发布于 2018-01-19
  • golang基础知识(4)

    goCopy codenumbers := []int{1, 2, 3, 4, 5}for index, value := range numbers { fmt.Printf("Index: % func main() {http.HandleFunc("/", handler)http.ListenAndServe(":8080", nil)}这些基础知识点涵盖了Golang中一些更深入的概念

    20910编辑于 2024-02-01
  • 来自专栏c++与qt学习

    项目知识盲区整理4

    项目知识盲区整理4 常用富文本编译器集合 常用图表插件 常用字体插件 验证码 element jwt 跨域--origin请求头 非Controller层通过RequestContextHolder.getRequestAttributes

    61710编辑于 2021-12-07
  • 来自专栏mysql

    mysql基础知识4

    SMALLINT:2字节整数,范围-32768到32767(无符号0到65535) MEDIUMINT:3字节整数,范围-8388608到8388607(无符号0到16777215) INT或INTEGER:4字节整数 float是单精度浮点数,占用4个字节的存储空间,适用对精度要求不高,节省存储空间的场合 double是双精度浮点数,占用8个字节的存储空间,适用需要高精度计算的场合 定点 DECIMAL或NUMERIC 定点数通常需要更多的存储空间和计算资源,浮点数一般用于对精度要求不那么严格的领域,如科学计算、工程领域和地理信息系统(GIS),定点数则更多用于金融、测量统计等。 4、GROUP BY GROUP BY 子句将具有相同值的行分组。这通常与聚合函数(COUNT、SUM、AVG等)一起使用,以对分组数据执行计算。该子句是根据指定的列将数据组织到群组中。 3.分析器,这里对sql语句进行解析,根据关键字识别是什么样的sql,然后判断这条sql是否有语法错误,如果有则会报错:You have an error in your SQL syntax 4.优化器

    1.1K10编辑于 2025-03-06
  • 来自专栏云云众生s

    平台工程4周内死亡

    译自 Platform Engineering Dies in 4 Weeks,作者 Kaspar Von Grunberg 是平台工程的早期先驱。 然而,当你深入了解MVP的概念以及为什么大多数平台工程倡议都在缓慢的死亡中失败时,就清楚了为什么四周恰恰是应该花费的时间。 为什么大多数平台工程倡议失败? 平台工程和IDP是相对较新的概念。 尽管平台工程的增长惊人,并且最佳实践和开源IDP参考架构不断增加,许多平台工程倡议仍然失败,并且在取得有意义结果之前就夭折了。 它们没有起飞,在评估中受阻,无法让利益相关者感到兴奋并加入。 IDP 失败的原因是大多数平台团队缺乏正确的流程或专业知识,无法让关键利益相关者支持他们的 IDP 倡议。而一旦他们获得了利益相关者的支持,就无法快速向他们证明价值,以保持倡议的动力。 在 4 周内使用 MVP 开始 通过使用快速移动的先锋团队构建一个代表性用例,您可以迅速向关键利益相关者证明 IDP 的价值。这还可以建立一个清晰的路线图,以便对平台进行迭代和扩展。

    21610编辑于 2024-03-28
  • 来自专栏CSDNToQQCode

    Java工程知识图谱

    环境搭建,基础语法、面向对象、数组、集合、常用API,还有IO流、反射机制、多线程、网络编程,学完这些一定要用这些知识写出一个简单的socket聊天室。 socket聊天室这个项目基本上用到了Java基础大多数的知识点,这个项目一定要练。想学好编程,实践最重要。

    53220编辑于 2022-11-29
  • 来自专栏深度学习和计算机视觉

    视觉工程师必备视觉知识

    (3)光场构造 明场:光线反射进入照相机 暗场:光线反射离开照相机 (4)构造光源 使用不同照明技术对被测目标会产生不同的影响,以滚珠轴承为例: 镜头 02 (1)主要参数 工业的镜头大都是多组镜片组合在一起的 (4)相机--按照传感器类型区分 面扫描相机:传感器上像素呈面状分布的相机,其所成图像为二维“面”图像。 线扫描相机:传感器上呈线状(一行或三行)分布的相机,其所成图像为一维“线”图像。 绝大多数模拟相机的传感器的长宽比例是4:3 (H:V),数字相机的长宽比例则包括多种:1:1,4:3,3:2 等。 (7)相机--像素 是成像于相机芯片的图像的最小组成单位。

    47310编辑于 2024-09-25
  • 来自专栏老张的求知思考世界

    软件工程基础知识总结

    上一篇文章总结了关于软件工程的一些基本知识,包括如何理解软件工程、为什么要学习软件工程以及学习软件工程的一些思路和方法。 这篇文章,是对软件工程基础理论知识的部分总结和归纳,我会尝试用自己理解的语言来描述。 PS:这是一篇学习笔记式的文章,而非详细的落地实践。 培养工程思维 亢长枯燥的理论知识,对很多同学来说是一个巨大的挑战。那么如何简单的理解软件工程呢? 简单来说就是多人参与、有计划有步骤的构造一个符合质量标准的软件产品,这个过程称之为软件工程。 对我们从事软件研发相关工作的同学来说,要做好本职工作,需要系统的学习软件工程相关的知识,培养软件工程思维。 快速原型模型 解决客户需求不明确和需求多变的问题(软件质量往往容易成为牺牲的代价); 敏捷开发模型 关于敏捷开发相关的知识和实践,业内已经有了很多案例,这里不做太多赘述,只列举一些较为基础的知识

    59620编辑于 2023-03-01
  • 来自专栏全栈技术

    SpringMVC框架基础知识(4)

    login.do user/ login.do user/ /login.do /user/ login.do /user/ /login.do 所以,在实际应用时,一般推荐使用以上表格中的第1种做法,或第4种做法 ,返回值暂时是String类型表示“视图名称”,方法名称可以自定义,方法的参数列表可以按需设计; 【掌握】当结合使用Thymeleaf时,需要先添加thymeleaf、thymeleaf-spring4

    41020发布于 2021-08-23
  • Hibernate知识辅导(4--3)

    <hibernate-mapping package="alan.hbn.inheritance.entity">

    14210编辑于 2025-10-14
  • Hibernate知识辅导(4--2)

    使用时间戳,是通过最后修改时间来判断是否来做更新操作,也就是只有在最后更新时间之后的更新操作才会执行。

    14910编辑于 2025-10-14
  • 来自专栏全栈程序员必看

    IPv4基础知识

    IPv4地址 IPv4地址长度32位,四字节。IPv4地址包含网络号和主机号。 网络号:唯一的标识了一条物理链路或逻辑链路,对于该链路相连的所有设备来说网络号部分是共同的。 4位 Internet Header Length—指明在IPv4包头中以4字节为单位的块的数量。 这个字段的长度是4位。因为一个IPv4报头的最小长度是20字节,所以IHL字段对的最小值为5.IPv4选项可以通过增加4字节来扩展最小的IPv4报头的长度。 如果一个IPv4选项没有用完IPv4选项字段中所有的4个字节,剩下的字节将填充为0,以使得整个IPv4报头保持32位(4字节)的整数倍。 每个IPv4节点接受到IPv4就检查其IPv4头部校验,如果校验检查失败就把这个IPv4包丢弃。当路由器向前传送一个IPv4包就一定会消耗TTL。

    3.7K10编辑于 2022-06-29
  • 来自专栏DevOps运维

    4、shell脚本后台运行知识

    在实际工作中,一般会通过ssh连接服务器,隐藏可能就会有脚本或命令在执行期间不能中断的需求,若中断,则不仅前功尽弃,还可能破坏系统数据,下面是防止脚本执行终端的3种方法:

    3.2K20发布于 2021-11-16
  • 来自专栏技术杂记

    BattlEye逆向工程师跟踪(4

    handle_info->handles[handle_index].GrantedAccess; buffer_index = after_name_index + 4; *)&report_buffer[buffer_index] = process_entry.th32ProcessID; report_buffer[buffer_index + 4] process_entry.th32ProcessID); } while ( Process32Next(snapshot_handle, &process_entry) && buffer_index < 0x4EFB

    15.5K480发布于 2021-02-09
  • 来自专栏木二天空

    001.网络TCPIP工程知识

    4本层的服务不涉及其它层,可以减少开销。 SDH网络一般包括终端复用器(TM)、分插复用器(ADM)、再生中继器(REC)和数字交叉连接(DXC)等4种设备。 交换机上的物理端口分成若干组,每个组构成一个虚拟网; 基于MAC地址的划分:按工作主机的MAC地址,构建虚拟工作组; 基于网络协议的划分:按网络层协议,如IP、IPX等VLAN网络; 基于子网的划分:按着IPV4

    1K30发布于 2019-07-26
  • 来自专栏小巫技术博客

    第06期·知识工程实践

    每日AI知识点 · 第06期 知识工程实践 让AI真正读懂你的数据 ️ 什么是 AI 知识库? AI 知识库就是给大模型配备的"专属资料库"。 普通 AI 只知道训练数据不了解你的业务 ️ 知识库 AI 随时检索你的数据精准回答业务问题 知识库构建全流程 1 数据准备与清洗 支持 PDF、Word、 字/片,相邻片段保留 50字重叠,避免上下文割裂 3 向量化存储 用 Embedding 模型将每个片段转为向量,存入向量数据库(Milvus、Pinecone、Chroma 等) 4 主流知识库工具一览 工具 特点 适合谁 Dify 可视化配置,开箱即用 非技术人员 LangChain 灵活强大,生态丰富 开发者 Notion AI 笔记与知识库一体 个人/团队 Knot 企业级,多源接入 企业团队 今日金句 好的知识库 = 好的数据质量 × 好的检索策略 给AI一个好的"图书馆",它才能成为真正的"知识专家" 你在工作或生活中有搭建过知识库吗?

    13110编辑于 2026-04-13
领券