注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 【cad编程】xal(简单对齐)

  2. 【cad编程】xal(简单对齐)xal(简单对齐)------------------ by lxx.2007.9功能: 取两点即可模拟align进行旋转对齐(不缩放).支持3种选集构成模式:1.有预选，自动取预选，不提示选取实体2.有夹点选集，自动取夹点选集，不提示选取实体3.提示选择实体.

  3. 所属分类：其它

    • 发布日期：2008-03-15
    • 文件大小：2048
    • 提供者：dreamskylxx

  1. VFP]对报表.FRX文件的分析

  2. 字段名称 类型 长度 小数 说明 　 1 PLATFORM C 8 操作平台(_DOS或_WINDOWS) 　 2 UNIQUEID C 10 唯一标识(当NAME合EXPR都为空时以_RHE开头, 否则以_RNR开头) 　 3 TIMESTAMP N 10 时间标签(先后次序) 　 4 OBJTYPE N 2 目标类型(1.环境; 2.数据库; 5.文字; 8.变量;9.TIMESTAMP为空; 23.TIMESTAMP为空) 5 OBJCODE N 3 目标代码(1.;4.;7.;53)

  3. 所属分类：其它

    • 发布日期：2012-03-29
    • 文件大小：5120
    • 提供者：yll148

  1. 专业高速分区工具，不用4K对齐

  2. 很快的好东西，PE下可运行。全局唯一标识分区表编辑gpt保护分区即全局唯一标识分区表。 全局唯一标识分区表（GUID Partition Table，缩写：GPT）是一个实体磁盘的分区表的结构布局的标准。它是可扩展固件接口（EFI）标准（被Intel用于替代个人计算机的BIOS）的一部分，被用于替代BIOS系统中的一32bits来存储逻辑块地址和大小信息的主引导记录（MBR）分区表。 GPT分配64bits给逻辑块地址，因而使得最大分区大小在2-1个扇区成为了可能。对于每个扇区大小为512字节

  3. 所属分类：Microsoft

    • 发布日期：2014-02-19
    • 文件大小：5242880
    • 提供者：u013709900

  1. 知识图谱-数据融合

  2. 知识图谱多源数据融合的流程，方法，非常实用，全面解决知识图谱遇到的问题

  3. 所属分类：其它

    • 发布日期：2017-03-29
    • 文件大小：2097152
    • 提供者：hupeng614

  1. 知识图谱_数据融合 (DataMatching)

  2. Data matching: concepts and techniques for record linkage, entity resolution, and duplicate detection

  3. 所属分类：机器学习

    • 发布日期：2017-07-10
    • 文件大小：2097152
    • 提供者：lqk1985

  1. 知识库实体对齐技术综述

  2. 知识库实体对齐技术综述。知识图谱相关技术。属于综述。

  3. 所属分类：机器学习

    • 发布日期：2018-08-12
    • 文件大小：3145728
    • 提供者：shibutao

  1. 胡伟. 知识图谱融合方法. CCF 学科前沿讲习班

  2. 内容包括原PPT、实体对齐部分的论文、知识融合部分的论文。 整理论文也不容易~~~ # 知识图谱融合方法 CCF 学科前沿讲习班第 108 期：知识图谱融合方法，2019/11/9，北京 ( CCF ADL #108: Tutorial on Knowledge Graph Fusion, 2019/11/9, Beijing ) ## 摘要 知识图谱以结构化的方式描述客观世界中的概念、实体及其间的关系，将万维网的信息表达成更接近人类认知世界的形式，提供了一种更好地组织、管理和理解

  3. 所属分类：互联网

    • 发布日期：2020-11-27
    • 文件大小：30408704
    • 提供者：weixin_41753316

  1. MMEA:MMEA-源码

  2. MMEA：多模态知识图的实体对齐 在第13届知识科学，工程与管理国际会议（KSEM'2020）上发表的论文“ ”的模型代码和数据集。 实体对齐在知识图（KG）集成中起着至关重要的作用。 尽管已经在探索不同知识图之间的关系嵌入的关联上进行了大量的努力，但是它们可能无法在实际应用场景中有效地描述和集成多模式知识。 为此，在本文中，我们提出了一种新颖的解决方案，称为多模式实体对齐（MMEA），以解决多模式视图中的实体对齐问题。 具体来说，我们首先设计一种新颖的多模式知识嵌入方法，以分别生成关系

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：327680
    • 提供者：weixin_42151373

  1. 使用双重分解的联合词对齐和双语命名实体识别

  2. 使用双重分解的联合词对齐和双语命名实体识别

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：417792
    • 提供者：weixin_38535848

  1. EA_for_KG-源码

  2. 引文 如果在调查文件中使用数据集，请按以下方式引用： Bayu Distiawan Trisedya，齐建中和张睿。 “使用属性嵌入的知识图之间的实体对齐。”在AAAI人工智能会议论文集上。 33，不。 01，第297-304页。 2019。 张睿，巴渝大帝崔斯特雅，李Li，姜勇和祁建中。 “关于通过表示学习进行的知识图实体对齐的全面调查”。在arXiv中。 2021。 inproceedings{trisedya2019entity, title={Entity alignment b

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：30408704
    • 提供者：weixin_42162171

  1. NLP_resorce_pool:整理NLP相关学习资料，提供系统化的学习路径-源码

  2. NLP_resorce_pool 整理NLP相关学习资料，提供系统化的学习路径。 NLP资源： 事件抽取： 知识图谱： 1）实体链接 2）知识推理 3）本体提取 4）多模态知识图谱 5）实体分类[NET] 6）知识图谱/知识库 [各种常识文献]（ “ openkg整理”） 7）关系抽取 8）本体匹配，实体对齐和知识融合 9）公斤推荐 KG推荐KG推荐先关注这几篇论文：（用数据试一试） a）关于推荐（AAAI 2019）知识图的可解释推理b）中的多任务功能学习的知识图增强

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：89128960
    • 提供者：weixin_42136365

  1. 基于网络语义标签的多源知识库实体对齐算法

  2. 基于网络语义标签的多源知识库实体对齐算法

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：376832
    • 提供者：weixin_38656741

  1. Knowledge-Graph-Tutorials-and-Papers:关于知识图的见解丰富的教程和论文-源码

  2. 各个领域的论文和材料 注意：数据库区域中的论文（或以数据库样式撰写）标有 :glowing_star: 知识库构建（演示或系统） 关于特定领域的知识库 命名实体识别，实体提取和实体键入 共指解析度 实体链接和实体消歧 实体分辨率，实体匹配和实体对齐 一般关系提取 开放信息提取 关系链接和关系消歧 知识图嵌入，学习，推理，规则挖掘和路径查找 知识库优化（不完整，不正确和新鲜） 知识融合，清洁，评估和真相发现 知识图问答（KGQA） 知识图推荐 其他有趣的作品

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：730112
    • 提供者：weixin_42175516

  1. FREERL：融合关系嵌入式表示学习框架的方面提取

  2. 意见对象属性提取是细粒度情感分析的基本任务之一。 它是通过识别意见方面实体（包括对象实体和属性实体），然后将对象实体与属性实体对齐来实现的。 对知识图的最新研究表明，通过在观点方面实体之间添加语义结构的嵌入，基于结构的学习模型可以比传统方法在链接预​​测中实现更好的性能。 但是，这些研究仅集中于学习方面实体之间的语义结构，没有考虑语言表达特征。 在本文中，我们提出了融合关系嵌入式表示学习（FREERL）框架，通过该框架，可以将语义结构和语言表达特征（如统计共现或依赖语法）融合到对象实体和属性实体

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：883712
    • 提供者：weixin_38679839

  1. 本体对齐和本体实体可视化概述

  2. 本体对齐和本体实体可视化概述

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：733184
    • 提供者：weixin_38734993

  1. 中老双语命名实体对位研究

  2. 中老双语NE对齐具有非常重要的意义。 本文提出了三种实体对齐方法。 首先，提出了双语实体模糊匹配问题的相似性。 其次，我们采用双语实体词序列模式相似度提出中文实体模型来匹配老挝实体方法。 然后，通过挖掘中文实体的知识信息词，建立了朴素的贝叶斯双语NE对齐模型，以在可比语料库中对齐中文和老挝命名实体。 最后，结合三种方法的优点提出了规则，以达到最佳效果。

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：117760
    • 提供者：weixin_38621150

  1. spede-sampler:运行GMYC的R Shiny App对选定文件夹（由FastTree或RAxML生产）中的所有树文件进行分析。 记录每棵树的簇和实体的数量，并将其存储在表中。 用户可以下载此数据和/或结果图-源码

  2. 速度采样器（GMYC） 该R Shiny App是SPEDE-SAMPLER程序的最后部分，允许用户在通过对对齐的Fasta文件中的序列进行随机重采样而创建的多个系统发育树上运行GMYC分析。 要通过R运行此应用，请在控制台中输入以下内容： install.packages("shiny") # install the shiny package library(shiny) # load up the shiny library shiny::runGitHub("spede-sam

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：1048576
    • 提供者：weixin_42122988

  1. reskins-compatibility:[Mod] [Factorio] Reskins物品，实体和结构，这些物品，实体和结构是由精选的mods列表添加的，与主要的Artisnal Reskin mods视觉对齐-源码

  2. 手工Reskins：兼容性 Reskins系列改装 正在努力兼容小型mods和Artisnal Reskins 该mod可以作为统一位置来统一和协调一次性的mod或玩家可能会在Artisanal Reskins的mod套件中遇到的兼容性问题的中心位置。 如果您想使用某个Artisanal Reskins不支持的mod，请在“讨论”选项卡上创建一个主题。 如果您是mod的作者，并且想要支持Artisanal Reskins，并且发现自己想将此依赖添加为依赖，请停下来与我联系。 更新这个m

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：22020096
    • 提供者：weixin_42101720

  1. 基于自学习和嵌入的实体对齐

  2. 基于自学习和嵌入的实体对齐

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：506880
    • 提供者：weixin_38685831

  1. 多峰对齐框架：MAF的实现：多峰对齐框架-源码

  2. 多式联运框架 MAF的实施：用于弱监督短语接地的多峰对齐框架。 我们的某些代码基于 。 谢谢！ TODO提供了Faster R-CNN特征提取脚本。 先决条件 的Python 3.7 pytorch 1.4.0 数据 Flickr30k实体 我们使用flickr30k数据集来训练和验证我们的模型。 原始数据集可在找到 运行sh tools/prepare_data.sh以下载并处理Flickr30k注释，图像和手套字嵌入。 对象提案 下载对象建议： 我们使用在Visual Genome

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：251904
    • 提供者：weixin_42181693
« 12 3 4 5 6 7 »