<sup id="gs2s0"></sup>
<sup id="gs2s0"></sup>
<acronym id="gs2s0"><center id="gs2s0"></center></acronym>
<rt id="gs2s0"><center id="gs2s0"></center></rt>
  • MOSI數據集,內含網盤鏈接

    MOSI數據集收集了YouTube上關于電影評論視頻為主的視頻博客(vlog)。視頻的長度從2-5分鐘不等,總共隨機收集了93個視頻,這些視頻來自89位不同的講述者,其中有41位女性和48位男性,大多數演講者的年齡大約在20到30歲之間,來自不同的種族背景。這些視頻的標注由來自亞馬遜眾包平臺的五個標注者進行標注并取平均值,標注為從-3到+3的七類情感傾向。該數據集的情感標注不是觀看者的感受,而是標注視頻中的評論者的情感傾向。

    2020-10-20
    47
  • 大連理工大學情感詞匯本體及其他詞庫.zip

    中文情感詞匯本體庫是大連理工大學信息檢索研究室在林鴻飛教授的指導下經過全體教研室成員的努力整理和標注的一個中文本體資源。該資源從不同角度描述一個中文詞匯或者短語,包括詞語詞性種類、情感類別、情感強度及極性等信息。 資源中還包括:臺大NTUSD,知網HowNet,清華大學褒貶義詞典

    2020-10-13
    50
  • MFCC解析.zip

    該資源是關于介紹聲譜圖如何轉化成頻譜圖,并如何提取聲音中的信息:包絡。另外還簡單介紹了梅爾頻率。該資源是關于介紹聲譜圖如何轉化成頻譜圖,并如何提取聲音中的信息:包絡。另外還簡單介紹了梅爾頻率。該資源是關于介紹聲譜圖如何轉化成頻譜圖,并如何提取聲音中的信息:包絡。另外還簡單介紹了梅爾頻率。

    2020-09-08
    9
  • 人臉識別中的庫文件下載.zip

    opencv_contrib_python-4.3.0.38-cp36-cp36m-win_amd64.whl opencv_python-4.4.0-cp36-cp36m-win_amd64.whl 在下載opencv時候下載很慢,可以使用whl文件進行安裝。

    2020-08-12
    9
  • Anaconda3下載

    此版本為:Anaconda3-2020.07-Windows-x86_64.exe,當然也可以前往官方網址進行下載:https://www.anaconda.com/products/individual

    2020-07-28
    48
  • KnowledgeGraphCourse.zip

    原資源可在github中搜索到,這里只是用于個人學習方便。 課程內容 第1講 知識圖譜概論 (2019-3-1,2019-3-8) 1.1 知識圖譜起源和發展 1.2 知識圖譜 VS 深度學習 1.3 知識圖譜 VS 關系數據庫 VS 傳統專家庫 1.4 知識圖譜本質和核心價值 1.5 知識圖譜技術體系 1.6 典型知識圖譜 1.7 知識圖譜應用場景 第2講 知識表示 (2019-3-15) 2.1 知識表示概念 2.2 知識表示方法 語義網絡 產生式系統 框架系統 概念圖 形式化概念分析 描述邏輯 本體 本體語言 統計表示學習 第3講 知識建模 (2019-3-15,2019-3-22) 3.1 本體 3.2 知識建模方法 本體工程 本體學習 知識建模工具 知識建模實踐 第4講 知識抽取基礎:問題和方法(2019-3-22) 4.1 知識抽取場景 4.2 知識抽取挑戰 4.3 面向結構化數據的知識抽取 4.4 面向半結構化數據的知識抽取 4.5 面向非機構化數據的知識抽取 第5講 知識抽取:數據采集(2019-3-29) 5.1 數據采集原理和技術 爬蟲原理 請求和響應 多線程并行爬取 反爬機制應對 5.2 數據采集實踐 百科 論壇 社交網絡等爬取實踐 第6講 知識抽取:實體識別(2019-3-29) 6.1 實體識別基本概念 6.2 基于規則和詞典的實體識別方法 6.3 基于機器學習的實體識別方法 6.4 基于深度學習的實體識別方法 6.5 基于半監督學習的實體識別方法 6.6 基于遷移學習的實體識別方法 6.7 基于預訓練的實體識別方法 第7講 知識抽取:關系抽?。?019-4-19,2019-4-26) 7.1 關系基本概念 7.2 語義關系 7.3 關系抽取的特征 7.4 關系抽取數據集 7.5 基于監督學習的關系抽取方法 7.6 基于無監督學習的關系抽取方法 7.7 基于遠程監督的關系抽取方法 7.8 基于深度學習/強化學習的關系抽取方法 第8講 知識抽取:事件抽?。?019-3-29) 8.1 事件抽取基本概念 8.2 基于規則和模板的事件抽取方法 8.3 基于機器學習的事件抽取方法 8.4 基于深度學習的事件抽取方法 8.5 基于知識庫的事件抽取方法 8.6 基于強化學習的事件抽取方法 第9講 知識融合(2019-4-28) 9.1 知識異構 9.2 本體匹配 9.3 匹配抽取和匹配調諧 9.4 實體匹配 9.5 大規模實體匹配處理 9.6 知識融合應用實例 第10講 知識圖譜表示學習(2019-5-5) 10.1 知識表示學習概念 10.2 基于距離的表示學習模型 10.3 基于翻譯的表示學習模型 10.4 基于語義的表示學習模型 10.5 融合多源信息的表示學習模型 10.6 知識圖譜表示學習模型的評測 10.7 知識圖譜表示學習前沿進展和挑戰 第11講 知識存儲(2019-5-10) 11.1 知識存儲概念 11.2 圖數據庫管理系統、模型、查詢語言 11.3 RDF數據庫管理系統、模型、查詢語言 11.4 基于關系型數據庫的知識存儲 第12講 基于知識的智能問答(2019-5-10) 12.1 智能問答基礎 12.2 問題理解 12.3 問題求解 12.4 基于模板的知識問答方法 12.5 基于語義分析的知識問答方法 12.6 基于深度學習的知識問答方法 12.7 IBM Watson原理和技術剖析 12.8 微軟小冰的原理和技術剖析 第13講 實體鏈接(2019-5-17) 13.1 實體鏈接基本概念 13.2 基于概率生成模型的實體鏈接方法 13.3 基于主題模型的實體鏈接方法 13.4 基于圖的實體鏈接方法 13.5 基于深度學習的實體鏈接方法 13.6 基于無監督的實體鏈接方法 第14講 知識推理(2019-5-17) 14.1 知識推理基礎概念 14.2 基于邏輯的知識推理方法 14.3 基于統計學習的知識推理方法 14.4 基于圖的知識推理方法 14.4 基于神經網絡的知識推理方法 14.5 多種方法混合的知識推理方法

    2020-07-08
    10
  • 學生信息管理系統

    基于javaweb的學生信息管理系統報告,前端框架是easyui,后端語言是java,開發工具采用的是idea。

    2019-01-13
    15
上傳資源賺積分or賺錢
炫乐彩票