知识库 接口 机器 文档
.Net Core Redis缓存接口以及实现
群里的老表说用 StackExchange.Redis 遇到超时问题 Timeout performing GET my_141 (5000ms), inst: 30, qu: 0, qs: 20, in: 20320, serverEndpoint: 172.16.3.119:6379, mgr: ......
webpack文档打包html,css,js文件
先用npm init -y，快速生成package.json文件，package-lock.json文件是用来固化依赖包的版本的，导入包后会自行生成，提交给他人项目时，只需要给这两个配置文件，然后输入npm i，即可自动下载依赖。 新建一个webpack.config.js配置文件，以下是配置文件的 ......
excel对比两个文档，判断范围内的取值是否在另一个列表内存在（vlookup函数的使用）
背景： sheet1表为原始数据： sheet2表为新的数据副本， 目标是查询sheet2列表中是否存在sheet1表的数据，并且标记出来，且获取sheet2列表的一些数据至sheet1列表中，补充D与E两列的数据情况： 一、vlookup函数介绍： 作用：垂直查找（按列号查找） 函数说明：vloo ......
Neo4j+Langchain实现非结构化知识图谱增强QA
微信公众号的一篇文章，着重介绍如何使用知识图谱来增强大语言模型QA的问答效果 1. 核心架构 核心架构如下： 可以通过Neo4j的向量索引和Neoconj图数据的强大能力来实现检索增强的生成系统，提供精确且上下文丰富的答案。 两条路： 向量相似性搜索来检索非结构化信息， 访问图数据库来提取结构化信息 ......
x86机器上运行arm64 docker
Docker Hub 上可以找到各种非 x86_64 平台的镜像，但是在x86上直接运行会报错： panic: standard_init_linux.go:175: exec user process caused “exec format error” [recovered] 在 x86_64 ......
springboot使用requestmapping创建xml响应体接口
entity下创建类文件，类名分别为：ResponseXml,ResponseItemcontroller下创建xml响应体实现方法 getResponseWithXml ResponseXml Start import javax.xml.bind.annotation.*; //根标签@XmlR ......
Go实现Zabbix企业微信机器人告警
企业微信 应用通知的程序相对复杂点，见上篇文章 机器人告警相对简单点，只需一个url即可 企业微信里创建一个机器人 注意机器人的url，后续程序中需要使用 直接上程序sjgzbx_machine.go package main import ( "bytes" "encoding/json" "fm ......
机器学习——通过时间反响传播
我们在 4.7节中描述了多层感知机中的 前向与反向传播及相关的计算图。 循环神经网络中的前向传播相对简单。 通过时间反向传播（backpropagation through time，BPTT） (Werbos, 1990)实际上是循环神经网络中反向传播技术的一个特定应用。 它要求我们将循环神经网络 ......
机器学习——循环神经网络的实现
独热编码 回想一下，在train_iter中，每个词元都表示为一个数字索引， 将这些索引直接输入神经网络可能会使学习变得困难。 我们通常将每个词元表示为更具表现力的特征向量。 最简单的表示称为独热编码（one-hot encoding）， 它在 3.4.1节中介绍过。 简言之，将每个索引映射为相互不 ......
java项目实战-mybatis-基本用法02接口绑定实现类-day23
目录1. 复习 什么是接口 什么是类？2. mybatis接口绑定实现类 来实现查询3. 参数的传递4 插入数据 1. 复习 什么是接口 什么是类？ public interface Speak { void say(); } Speak这个接口里面定义了say方法 所有实现了Speak的类 都必须 ......
【RAG问答相关】复杂知识库问答综述（下）
前言 大模型落地应用过程中，一般形式还是问答形式，无论是人机对话还是机机对话，都是靠问答来解决一系列问题。无论是要求大模型给出具体的专业化知识，还是要求大模型进行某项作业的开展，都是以问题（指令其实也是一种特殊的问题）的形式进行。所以在RAG中，如何将问题转化为大模型能够理解的问题，转化为各种知识库 ......
机器学习——循环神经网络
隐状态 无隐状态的神经网络 有隐状态的循环神经网络 循环神经网络（recurrent neural networks，RNNs） 是具有隐状态的神经网络。 基于循环神经网络的字符级语言模型 回想一下 8.3节中的语言模型， 我们的目标是根据过去的和当前的词元预测下一个词元， 因此我们将原始序列移位一 ......
解码知识图谱：从核心概念到技术实战
知识图谱是近年来人工智能和数据科学领域的焦点。本文深入探索了知识图谱的核心概念、发展历程、研究内容以及其在表示、存储、获取、构建和推理方面的技术细节。结合Python和PyTorch示例代码，文章旨在为读者提供一个全面、深入且实用的知识图谱概览，帮助广大技术爱好者和研究者深化对此领域的认识。 关注T ......
带你了解被罩、床单入门知识
起因 双11临近，早上从床上起来，摸着起球的枕套、床单，下定决心换一个床单被套。购物软件搜索一下琳琅满目，但是哪个是适合自己的呢？适合-合适：（拿最少的钱，办最好的事）。 床上用品概念 什么是支？ 商品简介中多次显示 床上四件套多少支，60支、100支，什么是‘支’？ 支：支数（S）代表了纱线的粗细 ......
R语言机器学习方法分析二手车价格影响因素
原文链接:https://tecdat.cn/?p=34238 原文出处：拓端数据部落公众号 分析师：Siming Yan 比较多种机器学习方法优劣性，分析二手车价格影响因素，训练模型预测二手车价格。 任务 / 目标 根据印度二手车交易市场1996-2019年数据，进行清洗，建模，预测。 数据源准备 ......
使用ResponseSelector实现校园招聘FAQ机器人
本文主要介绍使用ResponseSelector实现校园招聘FAQ机器人，回答面试流程和面试结果查询的FAQ问题。FAQ机器人功能分为业务无关的功能和业务相关的功能2类。 一.data/nlu.yml文件 与普通意图相比，ResponseSelector训练数据中的意图采用group/intent格 ......
Burpsuite抓包pycharm接口请求信息
一、原因 内部app可以打开log日志，抓取https接口，通过pycharm可以进行快速调试，但是后续场景需要通过burp工具进行接口渗透测试 二、操作步骤 步骤01： burp-代理（proxy）-选项（options）-添加一个代理 步骤02： pycham请求接口时，修改参数如下： fidd ......
安装本地化docker registry，使其他机器能够发布容器
sudo docker pull registry:latest docker run -d -p 5000:5000 --name registry registry:latest http://localhost:5000/v2/_catalog, 检查运行成功 此时在子机3号上访问： http ......
Nature Plants | 从卫星监测的全大陆田间试验数据中获得主要作物性状的可解释机器学习模型
目录背景信息论文背景:过去方案:论文的Motivation:实验方法主要结果代码获取 澳大利亚国立大学生物研究院研究团队使用机器学习模型分析了大规模农田试验数据和卫星数据，成功预测了重要农作物特征，并揭示了作物行为的驱动因素和复杂相互作用。 背景信息 论文背景: 预计到2050年，全球人口将增加20 ......
知识图谱博士研究计划书
知识图谱博士研究计划书 一、研究背景与意义 随着大数据时代的到来，信息呈现爆炸式增长，传统信息检索技术已经无法满足人们对于深层次、多维度信息的需求。知识图谱作为一种以图形化的方式呈现知识的技术，能够将复杂的知识结构化、可视化，提高信息获取和处理的效率。在医疗、金融、智能家居等领域，知识图谱的应用已经 ......
JavaSE day05【泛型，数据结构，List接口，Set接口】测评题
选择题 题目1(单选): 查看下列代码,选出正确的传参( ) public class Test2 { public static void main(String[] args) { ArrayList<Integer> list1 = new ArrayList<Integer>(); Arra ......
LoRAShear:微软在LLM修剪和知识恢复方面的最新研究
LoRAShear是微软为优化语言模型模型(llm)和保存知识而开发的一种新方法。它可以进行结构性修剪，减少计算需求并提高效率。 LHSPG技术（ Lora Half-Space Projected Gradient）支持渐进式结构化剪枝和动态知识恢复。可以通过依赖图分析和稀疏度优化应用于各种llm ......
STM32F103:SWJ调试接口设置成普通的IO口——PA13,PA14,PA15,PB3,PB4
一、STM32调试端口 STM32有两种程序调试接口，具体如下： SWD调试接口： PA13、PA14共两个引脚。 JTAG调试接口： PA13、PA14、PA15、PB3、PB4共五个引脚。 单片机启动后，初始状态这五个引脚就默认是调试接口。而实际使用中，一般只使用 SWCLK、SWDIO这两个引 ......
加解密相关知识
背景 在工作中，我们经常遇到加解密相关的问题，而且感觉挺高深的样子，其实难到我们的是，我们没有去真正了解它的用法，这篇文档主要记录一下相关知识，不要让这个纸老虎吓到我们。 一、RSA 算法相关 https://www.cnblogs.com/gordon0918/p/5363466.html ......
初步理解知识图谱
知识图谱说白了就是一个作为数据库用的东西，那它跟数据库的区别就在于它的拓扑结构，它的表与表之间的建立的关系； 构建： 通过海量的数据提取，应该是nlp去理解一个文章或是页面中的内容中的语意去输出各种带有属性的内容，比如我理解了n份报纸，输出了多个表格，表头可能包括： 日期、标题、颜色等..然后通过很 ......
机器学习——语言模型和数据集
语言模型 马尔可夫模型和n元语法 自然语言统计 读取长序列数据 由于序列数据本质上是连续的，因此我们在处理数据时需要解决这个问题。 在 8.1节中我们以一种相当特别的方式做到了这一点： 当序列变得太长而不能被模型一次性全部处理时， 我们可能希望拆分这样的序列方便模型读取。 在介绍该模型之前，我们看一 ......
机器学习——文本预处理
对于序列数据处理问题，我们在 8.1节中 评估了所需的统计工具和预测时面临的挑战。 这样的数据存在许多种形式，文本是最常见例子之一。 例如，一篇文章可以被简单地看作一串单词序列，甚至是一串字符序列。 本节中，我们将解析文本的常见预处理步骤。 这些步骤通常包括： 将文本作为字符串加载到内存中。 将字符 ......
学ai需要哪些基础知识，详细一点
学习人工智能（AI）需要一系列广泛的基础知识，涉及数学、统计学、计算机科学和机器学习等领域。以下是一份详细的基础知识清单： 数学基础： a. 线性代数：了解向量、矩阵、行列式、特征值等概念，因为它们在机器学习中经常出现。 b. 微积分：理解导数和积分，因为它们是深度学习等算法的基础。 c. 概率与统 ......
接口测试用YAML写测试用例
代码和用例分离时，测试用例用YAML或excel写都可以。一般接口测试用YAML写测试用例 原因： 1.方便的字典和YAML之间切换 2.YAML有数据类型 数据组成： 1.对象：通过字典表示 key: value 2.数组：通过列表表示，通过一组对齐的 - 表示（YAML里面字符串一般不写引号） ......