斯坦福大学CoreNLP Stanford CoreNLP提供了一组用Java编写的自然语言分析工具。 它可以接受原始的人类语言文本输入，并给出单词的基本形式，它们的词性，是否是公司名称，人员名称等，规范化并解释日期，时间和数字量，标记句子的结构在短语或单词从属关系方面，并指出哪些名词短语指代相同的实体。 它最初是为英语开发的，但现在也为（现代标准）阿拉伯语，（大陆）中文，法语，德语和西班牙语提供不同级别的支持。 斯坦福大学的CoreNLP是一个集成的框架，这使得将大量语言分析工具应用于一段文本变得非常容易。 从纯文本开始，您只需两行代码即可运行所有工具。 它的分析为更高层次和特定领域的文本理解应用程序提供了基础构建块。 Stanford CoreNLP是一套稳定且经过测试的自然语言处理工具，已被学术界，行业和政府中的各个团体广泛使用。 这些工具使用基于规则的，概率机器学习和深度学习组件。 Stanford CoreNLP代码用Java编写，并根据GNU通用公共许可证（v3或更高版本）获得许可。 请注意，这是完整的GPL，它允许许多免费使用，但不能在分发给他人的专有软件中使用。 制

spacy-lookup：基于字典的命名实体识别

本报告介绍实体链接（Entity Linking）这一技术方向，会先从最基础的概念讲起，然后对EL中的三个主要模块做一个清晰的梳理。在此基础上，选取三篇比较有代表性的论文，详述其中的核心方法和思想。

ent-Go的实体框架 | 用于Go的简单但功能强大的实体框架，可轻松构建和维护具有大型数据模型的应用程序。 模式作为代码-将任何数据库模式建模为Go对象。 轻松遍历任何图-轻松运行查询，聚合并遍历任何图结构。 静态类型和显式API-使用代码生成的100％静态类型和显式API。 多重存储驱动程序-支持MySQL，PostgreSQL，SQLite和Gremlin。 可扩展-使用Go模板易于扩展和自定义。 快速安装 go get entgo.io/ent/cmd/ent 要使用正确安装，请访问。 文件与支援 有关开发和使用ent的文档，请访问： ： 如需讨论和支持，请或加入我们的。 加入耳鼻喉社区 为了对ent有所贡献，请参阅文件以了解如何入门。 如果您的公司或产品正在使用ent ，请通过将自己添加到来告知我们。 关于该项目 ent项目的灵感来自Ent，这是我们内部使用

Entity Framework 学习教程，chm格式，方便离线阅读，需要学习实体框架技术的同仁，可以下载来学习啦

一、identity的基本用法 1.含义 identity表示该字段的值会自动更新，不需要我们维护，通常情况下我们不可以直接给identity修饰的字符赋值，否则编译时会报错 2.语法 列名 数据类型 约束 identity(m,n) m表示的是初始值，n表示的是每次自动增加的值 如果m和n的值都没有指定，默认为（1,1） 要么同时指定m和n的值，要么m和n都不指定，不能只写其中一个值，不然会出错 3.实例演示 不指定m和n的值 create table student1 ( sid int primary key identity, sname nchar(8) not null,

在关系数据库系统中使用NoSQL数据库功能

E-R图也称实体-联系图(Entity Relationship Diagram)，提供了表示实体类型、属性和联系的方法，用来描述现实世界的概念模型。它是描述现实世界关系概念模型的有效方法。

工具介绍 LAC全称中文的词法分析，是百度自然语言处理部研发的一种联合的词法分析工具，实现中文分词，词性标注，专名识别等功能。该工具具有以下特点和优势： 效果好：通过深度学习模型联合学习分词，词性标注，专名识别任务，单词索引，整体效果F1值超过0.91，词性标注F1值超过0.94，专名识别F1值超过0.85，效果领先。 效率高：精简模型参数，结合Paddle预测库的性能优化，CPU单线程性能达800QPS，效率领先。 可定制：实现简单可控的干预机制，精确匹配用户字典对模型进行干预。 调用便捷：支持一键安装，同时提供了Python，Java和C ++调用接口与调用示例，实现快速调用和集成。 支持

使用MySQL和 Entity Framework Code First(EF Code First)创建数据库。