与知识图交互的学习意向以进行推荐 这是本文的PyTorch实现： 王翔，黄廷林，王定贤，袁彦成，刘振光，何湘南和蔡达生（2021年）。 与知识图交互的学习意向以进行推荐。 。 2021年4月19日至23日，在斯洛文尼亚卢布尔雅那的WWW'2021年举行。 作者：王翔博士（u.nus.edu上的xiangwang）和黄廷麟先生（zju.edu.cn上的tinglin.huang先生） 介绍 基于知识图的意图网络（KGIN）是一个推荐框架，它由三个组件组成：（1）用户意图建模，（2）关系路径感知聚合，（3）独立建模。 引文 如果您想在研究中使用我们的代码和数据集，请引用： @inproceedings{KGIN2020, author = {Xiang Wang and Tinglin Huang and Dingxia

信息检索：基于知识图谱和深度学习的文本表示和搜索(Explicit and distributed semantics for text representation and retrieval)-附件资源

使用深度哈希的图像检索中最惊人的成功主要涉及判别模型，该模型需要标签。在本文中，我们使用二进制生成的adver sarial网络（BGAN）将图像以无监督的方式嵌入到二进制代码中。通过将生成对抗网络（GAN）的输入噪声变量限制为二进制且以每个输入图像的特征为条件，BGAN可以同时学习每个图像的二进制表示形式，并生成与原始图像相似的图像。在提出的框架中，我们解决了两个主要问题： 1）如何不松懈地直接生成二进制代码？ 2）如何为二进制表示配备准确率图像检索功能？ 我们通过提出新的符号激活策略和指导学习过程的损失函数来解决这些问题，损失函数包括对抗性损失，内容损失和邻域结构损失的新模型

中医智能检索系统 [目录] 简介 中医智能检索系统是一种辅助中医医生开药方的桌面软件，包含录入和检索症状，替代，药方，药材的功能，也具有文献检索功能。 文件 界面设计 打包方法 先安装Pyinstaller，并切换到项目根目录下 pyinstaller -F -w Control.py 生成的文件在根目录dist文件夹下，然后把数据文件夹和.config.ini复制副本到dist中。即可运行。 开发进程 UI界面 修改拖动框的命名方式，同时修改代码中相关的变量 在检索模式下，隐藏+号 在录入模式下，应有编辑和删除按钮 去掉其他三个的表头 模式选择按钮外观似改成RadioButton这样的多选框比较好？ 在开方工作区下添加清空和保存按钮 另外可以考虑加个标题 录入药需要选择属性 去掉表头* 3 统一组件名称命名方法并同步修改代码中变量 添加当前位置的文本框（我好像给删了） radiob

布尔检索 一个简单的布尔检索搜索引擎，它在数据集中搜索给定的查询并返回相关的文档名称。 还实现了布尔运算AND，OR和NOT。 例如，您可以按照以下给出的格式指定查询： 笔记型电脑 笔记本电脑和戴尔 笔记本电脑或手机 不是笔记本电脑 我正在使用的数据集如下 如何运行程序？ 打开cmd 输入ConsoleApplication2“查询”“文件夹的完整路径” 例如 ConsoleApplication2“英国和加拿大”“ C：\ 20_newsgroups”

信息检索Python 信息检索的三个主要项目，包括文本处理，Web搜寻器和带索引的搜索引擎，这些项目均以Python编码。

信息检索（Information Retrieval）是用户进行信息查询和获取的主要方式，是查找信息的方法和手段。狭义的信息检索仅指信息查询（Information Search）。即用户根据需要，采用一定的方法，借助检索工具，从信息集合中找出所需要信息的查找过程。广义的信息检索是信息按一定的方式进行加工、整理、组织并存储起来，再根据信息用户特定的需要将相关信息准确的查找出来的过程。又称信息的存储于检索。一般情况下，信息检索指的就是广义的信息检索。

RMDL：RMDL：用于分类的随机多模型深度学习

随着社交网络应用的发展，微博客已成为我们日常生活中必不可少的在线交流网络。 对于微博用户而言，推荐高质量的信息是一项苛刻的服务。 一些微博服务鼓励用户使用标签来注释自己，这些标签用于描述他们的兴趣或属性。 但是，很少有用户愿意创建标签，并且可用标签未被完全利用来推荐微博。 此外，微博中的关注/追随者关系是不对称的，不仅可以用于与朋友或熟人交流，还可以用于获取有关特定主题的信息。 到目前为止，还没有采用上述所有信息的微博推荐算法。 本文旨在研究一个联合框架，将标签相关性和用户社交关系相结合，以进行微博推荐。 我们的方法通过用户的个人标签和社交关系来识别用户的兴趣。 更具体地，建立用户标签检索策略以为没有标签或具有很少标签的用户添加标签，然后建立用户标签矩阵，然后获得用户标签权重。 为了解决矩阵稀疏的问题，研究了标签之间的内部和外部相关性，以更新用户标签矩阵。 考虑到用户社交关系对微博推荐的重要性，构建了用户-用户社交关系相似度矩阵。 此外，开发了一种迭代更新方案来获得最终的标签-用户矩阵，以计算微博和用户之间的相似度。 我们通过在真实的微博数据集上进行实验来说明算法的功能。 实验结果表明

NLP项目 自然语言处理项目，其中包括有关以下方面的概念和脚本： gensim ， fastText和tensorflow实现。 参见， doc2vec ， word2vec averaging和Smooth Inverse Frequency实现 对话系统的类别和组成 tensorflow LSTM （请参阅 ，和 ， ） fastText实现 ELMo，ULMFit，GPT，BERT，XLNet的原理 HMM Viterbi实现。 参见，中文解读 Named_Entity_Recognition 通过双向LSTM + CRF，张量tensorflow实现对NER品牌。 参见中文注释，中文解读 7_Information_retrieval 8_Information_extraction 9_Knowledge_graph 10_Text_generation 11