首页 文章 精选 留言 我的

精选列表

搜索[智能体构建]，共10000篇文章
优秀的个人博客,低调大师

《数据虚拟化：商务智能系统的数据架构与管理》一 2.6 标准化模式、星形模式和雪花模式

2.6 标准化模式、星形模式和雪花模式 每种数据存储都有一种模式，所有列、主键和外键形成了这样一个模式。例如，网络内容管理的数据库包括像CUSTOMER、CUSTOMER_ORDER和DVD_RELEASE这样表的定义。某些特定的模式流行起来以至于它们被命名。我们在整本书中都提到的最有名的4个模式是：标准化模式非标准化模式星形模式雪花模式本节可以看作一个模式形式的进阶课程，更详细的描述见文献［27］和文献［25］。此外，对于模式形式，并没有一个完全的清单。例如，其他模式形式如电子资料室（见文献［28］）是值得一说的，但是我们把它们写在了更专业化的书中。 2.6.1 标准化模式 标准化模式是4个模式中最古老的。第一篇关于标准化模式的文章写于20世纪70年代（例如，见文献［29］和文献［30］）。标准状态下，每个商务实例中只存储一次，或者换
2017-09-07
优秀的个人博客,低调大师

《中国人工智能学会通讯》——第3章 3.1基于深度学习的网络表示研究进展

第3章 3.1基于深度学习的网络表示研究进展 网络结构在现实世界中无处不在（如航线网络、通信网络、论文引用网络、世界万维网和社交网络等），在此基础之上的应用和研究问题受到了学术界和工业界的广泛关注，这些研究问题包括链接预测[1] 、网络节点分类 [2-3] 、推荐 [4]和异常检测[5]等。随着计算机信息技术的高速发展和迅速普及，现实世界中的网络结构，尤其是以 Twitter、Facebook和 Weibo 为代表的大规模社交网络进入了亿级节点时代。除网络结构之外，网络节点自身也会产生大量的相关信息。如今，大规模的网络结构数据和丰富的网络节点信息对相关的研究方法提出了新的挑战。 表示学习 (representation learning) 旨在通过无监督的方法 , 将符号化的数据 (symbolic data)编码到低维、连续、稠密的向量空间中[6] 。相比传 统 的 独 热 表 示 (one-hot representation), 表 示学习能够抓住数据之间的相似性 , 同时缓解数据稀疏性问题 (data sparsity)。在网络表示学习中，传统的基于特征向量的降维方法[7-8]需要构造亲和度矩阵 (affinity matrix)，通过特征向量求解的方法获得网络节点的低维表示。特征向量求解的方 法 有 MDS [9] 、IsoMap [10] 、LLE [11] 和 LaplacianEigenmap [12] 等，这些算法的复杂度通常平方正比于网络结构中节点的数量，所以并不适用于大规模的网络结构。最近，基于神经网络的表示学习方法在视觉、语音识别和自然语言处理等领域获得了成功。在自然语言处理中，文本表示学习模型（如词表示学习[13-14]和文档的表示学习[15] ）具有算法高效性的特点，能够处理大规模文本数据，受到了极大的关注。文献 [16] 分析了社交网络中随机游走的序列，发现序列中的网络节点的频率分布类似于自然语言中词频的幂律分布。在最新的科学研究中，文本表示学习模型被广泛用于网络表示学习模型中。 本文介绍近年内出现的有代表性的基于深度学习的网络表示模型，其中包括 : ① 考虑网络结构 信 息 网 络 表 示 方 法 DeepWalk [16] 、LINE [17] 和GraRep [18] ; ② 同时考虑网络结构信息和网络节点多源信息 (multi-source) 的网络表示方法 TADW [19] 和Multi-faceted Representations [20] ，并分析了这两类模型的特点，指明了进一步研究的方向。文献 [21]介绍了五类主要的网络表示方法，包括基于谱方法的网络表示学习、基于最优化的网络表示学习（与任务相关属于半监督学习方法）、概率生成式模型的网络表示学习、基于力导向绘图的网络表示学习和基于深度学习的网络表示学习。与文献 [21] 不同的是，本文重点关注近年来基于深度学习的网络表示方法，所涉及的模型更加全面，同时给出了详细的推导和分析。
2017-09-03
优秀的个人博客,低调大师

《中国人工智能学会通讯》——1.16 聊天机器人系统的组成结构及关键 技术

1.16 聊天机器人系统的组成结构及关键 技术 通常来说，聊天机器人的系统框架如图 1 所示，包含五个主要的功能模块。语音识别模块负责接收用户的语音输入，并将其转换成文字形式交由自然语言理解模块进行处理。自然语言理解模块在理解了用户输入的语义之后，将特定的语义表达式输入到对话管理模块中。对话管理模块负责协调各个模块的调用及维护当前对话状态，选择特定的回复方式并交由自然语言生成模块进行处理。自然语言生成模块生成回复文本输入给语音合成模块，将文字转换成语音输出给用户。这里我们仅以文本输入形式为例介绍聊天机器人系统，语音识别和语音合成相关技术则不做展开介绍。
2017-09-03
优秀的个人博客,低调大师

中国人工智能学会通讯——深度学习与推荐系统 2 深度学习在推荐系统的应用

2 深度学习在推荐系统的应用 深度学习指代多层级的人工神经网络，近年来在语音识别、计算机视觉和自然语言处理等领域取得了巨大成功[32]。根据深度学习技术在推荐系统中的应用方式，将相关工作大体分为两类：①作为一种基于数据的表征学习的方法，深度学习技术可以从语义较为丰富的输入数据（如语音、图片、文本等）中抽取出有效的特征表示，以方便下游应用，如检索和推荐等[11,14,17,33-40 ]；②作为一种通用的数据建模方法，深度学习对数据进行多层非线性变换，可以拟合出较为复杂的预测函数。推荐系统中的核心算法是协同过滤，其目标从机器学习的角度可以看成拟合用户和物品之间的交互函数（user-item interaction function），因此近期一系列的工作也将深度学习技术应用于学习协同过滤的交互函数上[6,12,20,23,27,41-44]。本章主要探讨以上两类基于深度学习的推荐系统预测模型。模型的优化目标函数和已有推荐系统工作基本一致（见1.1节）。
2017-08-31

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

时间: 2026-10-18 大小: 211.28KB 下载: 56次
腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

时间: 2026-08-21 大小: 1MB 下载: 10次
Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

时间: 2026-09-24 大小: 189MB 下载: 9次
Spring

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

时间: 2026-08-21 大小: 5MB 下载: 2次
热门标签
DeepSeek Jdk25 OpenAi HarmonyOS6 Nacos3 SpringBoot4 SpringCloud Docker Kubernetes Service Mesh Redis Gemini3 Rocky

欢迎您来访！

登录后，您将获得更多功能！
热门文章
联系我们

有任何问题或合作意向欢迎联系我们

Email: 99873273@qq.com

QQ: 99873273

用户登录
用户注册