JSON-LD生成器 极其简单的JSON-LD生成器。 安装 从命令行运行 $ composer require torann/json-ld 方法 /JsonLd/Context.php create($context, array $data = []) getProperties() generate() 上下文类型 文章 有声读物 海滩 blog_posting 书 面包屑列表 接触点 公司 creative_work 期间 事件 geo_coordinates image_object 发票 项目清单 本地业务 media_object 音乐专辑 music_group music_playlist 音乐录制 新闻文章 提供 命令 组织 人 地方 邮寄地址 价格规格 产品 评分 食谱 审查 雕塑 搜索框 事物 video_object 网页 网站 例子

TEX创建文献时可以建立bib文件直接引用，其格式@article{3gpp2017study, title={Study on Scenarios and Requirements for Next Generation Access Technologies}, author={{3GPP TR38.913 V14.2.0}}, journal={3rd Generation Partnership Project (3GPP)}, year={2017} %March } 但是部分会议要求将参考文献写在tex文档里，使用格式 \bibitem {{3GPP TR38.913 V14.2.0}, "Study on Scenarios and Requirements for Next Generation Access Technologies},"\emph{3rd Generation Partnership Project (3GPP)}, 2017

可以批量采集文章，批量发布到wordpress博客上

learning-article：学习资源或大前端导航，持续更新

使用Python从头开始构建简单的聊天机器人（使用NLTK） 聊天机器人的历史可以追溯到1966年，当时Weizenbaum发明了一种名为ELIZA的计算机程序。 它仅从200行代码中模仿了心理治疗师的语言。 您仍然可以在这里与之交谈： 。 同样，让我们​​创建一个使用Python的NLTK库的非常基本的聊天机器人。这是一个非常简单的机器人，几乎没有任何认知技能，但是仍然是进入NLP并了解聊天机器人的好方法。 大纲 动机 这个项目的想法不是要创建具有出色认知技能的SOTA聊天机器人，而只是要利用和测试我的Python技能。这是我刚进入NLP领域并想到创建一个最初的项目之一一个简单的聊天机

本文提出了一种新颖的元启发式算法，称为黑猩猩优化算法（ChOA），其灵感来自黑猩猩在其群体狩猎中的个体智力和性动机，这与其他社会掠夺者不同。 ChOA旨在进一步缓解收敛速度慢和解决高维问题时陷入局部最优的两个问题。 在本文中，提出了一种具有多种智力和性动机的数学模型。 黑猩猩被称为攻击者，屏障，追赶者和驱动者的四种类型被用来模拟各种情报。 此外，实现了狩猎，驾驶，阻挡和进攻四个主要步骤。 然后，对该算法在30个著名的基准函数上进行了测试，并将结果与​​4种新提出的元启发式算法进行了比较，包括收敛速度，陷入局部极小值的可能性以及获得的结果的准确性。 结果表明，ChOA优于其他基准优化算法。

知识图谱领域的2018-2019年清华自动化所等高校研究所博士论文以及我的总结。