武汉数据分析
该系列资源是Python疫情大数据分析，涉及网络爬虫，可视化分析，GIS地图，情感分析，舆情分析，主题挖掘，威胁情报溯源，知识图谱，预测预警及AI和NLP应用等。博客阅读，武汉必胜，湖北必胜，中国必胜！
发布者：Eastmount CSDN YXZ 2020-02-20
译文推荐：
我们们中国人一生的最高追求，为天地立心，为生民立命，为往圣继绝学，为万世开太平。以一人之力系。他们真是做到了，武汉加油，中国加油！
2023-04-13 00:22:29
36.37MB
1
Neo4j 可视化知识图谱所需的两个软件包：java.rar 和 neo4j-community-3.5.5-windows.zip
对应博文教程：https://angxiao.blog.csdn.net/article/details/127300818
2023-04-12 18:47:11
337.28MB
1
邵老师-知识图谱技术实践-机器学习-深度学习
内容安排
·知识图谱的基础知识
·基本概念
·发展现状
·困难与挑战
·知识图谱的生命周期
·知识抽取
·知识融合
·图谱存储
·图谱查询
·知识表示
·知识推理
·知识图谱的行业应用
·公安案例
·金融案例
·智能问答
2023-04-05 03:01:17
56.72MB
1
Yeo7网络 17网络的AAL90 脑图谱的 映射关系模板https://www.freesurfer.net/fswiki/CerebellumParcellation_Buckner2011
参考文献：Yeo BT, Krienen FM, Sepulcre J, Sabuncu MR, Lashkari D, Hollinshead M, Roffman JL, Smoller JW, Zollei L., Polimeni JR, Fischl B, Liu H, Buckner RL. The organization of the human cerebral cortex estimated by intrinsic functional connectivity. J Neurophysiol 106(3):1125-65, 2011
2023-03-31 09:57:33
5.56MB
1
本文介绍了知识图谱在推荐系统中的应用。推荐系统如何提供个性化推荐并提高推荐的准确度和用户满意度是当前研究的主要问题。知识图谱的出现为推荐系统的改进提供了新的途径。本文研究了知识图谱近年来在推荐系统中的应用，包括知识图谱的构建、知识图谱的表示学习、基于知识图谱的推荐算法等。最后，本文总结了知识图谱在推荐系统中的应用现状和未来发展方向。
2023-03-29 23:39:24
782KB
1
本文介绍了数据化建设知识图谱2.0的相关知识，包括知识图谱的定义、构建方法、应用场景等。作者指出，知识图谱是一种基于语义的知识表示方法，可以将各种不同类型的数据进行关联和整合，从而实现知识的共享和利用。在构建知识图谱时，需要进行数据抽取、实体识别、关系抽取等多个步骤。知识图谱的应用场景包括智能问答、智能客服、智能推荐等。最后，作者还介绍了知识图谱的未来发展方向和挑战。
2023-03-29 14:41:01
362KB
1
plot_qshq_rwtp.py 使用python，neo4j绘制群山回唱人物关系图
qshc.txt 群山回唱人物关系
neo4j-community-3.5.31-windows.zip
neo4j-community-4.4.18-windows.zip
neo4j-community-5.5.0-windows.zip
graph.png 人物关系图谱png
graph.svg
2023-03-26 14:11:07
366.98MB
1
规范髓鞘水图谱是通过在 MNI 空间中对来自 50 个健康大脑的髓鞘图像进行联合配准和平均来创建的，以描绘大脑中髓鞘含量的总体平均值和变异性。 使用髓鞘水成像获取个体受试者的髓鞘图像。 有关髓鞘水成像技术及其分析的详细信息，请访问：https://mriresearch.med.ubc.ca/news-projects/myelin-water-fraction/。 创建的髓鞘水图谱及其标准偏差可作为您自己的髓鞘相关研究的参考。 这项工作的完整描述可以在这篇论文中找到：https://www.ncbi.nlm.nih.gov/pubmed/31347238。
2023-03-23 13:52:08
41.78MB
1
目录：
编者寄语
第一章:简介
第二章: ChatGPT 的基础知识
第三章: ChatGPT 的实现
第四章: ChatGPT 的进阶应用
1基于 chatGPT 的对话生成
2基于chatGPT 的文本生成
3基于 chatGPT 的推荐系统
4.基于 chatGPT 的知识图谱构建
第五章:chatGPT 行业应用研究
第六章:ChatGPT 的最新进展第七章: 总结与展望结语
本书将全面介绍 ChatGPT 技术的原理、实现和应用。第二部分将介绍 ChatGPT的基础知识，包括深度学习基础自然语言处理基础、循环神经网络基础和注意力机制基础。第三部分将介绍 ChatGPT 的实现，包括数据预处理、模型架构、训练和优化以及部署和应用。第四部分将介绍 ChatGPT 的进阶应用，包括基于 ChatGPT 的对话生成文本生成、推荐系统和知识图谱构建。第五部分将介绍 ChatGPT 的最新进展，包括 ChatGPT-3 的介绍、GPT 模型的变种和改进，以及基于 ChatGPT 的未来展望。最后一部分将对 ChatGPT 进行总结和展望，包括 ChatGPT 的有缺点分析
2023-03-22 12:02:14
27.48MB
1