随笔-关系抽取(三) — Dependency-based Models
关系抽取(三) — Dependency-based Models
- Improved Relation Classification by Deep Recurrent Neural Networks with Data Augmentation
- 现状
- 模型
- Bidirectional Recurrent Convolutional Neural Network for Relation Classification
- 模型
- 贡献
- 模型架构
- 代码
Improved Relation Classification by Deep Recurrent Neural Networks with Data Augmentation
现状
使用feature-based和kernel-based方式:feature: lexical, syntactic, semantic one; kernel: require predefined similarity measure of two data samples, a kernel along the shortest dependency path (SDP) between two entities
当前的NN都是single layer,需要用一个deep的架构
模型
- 将SDP拆分成两条sub-path,每个sub-path用RNN处理。
- 每个RNN利用4个channel:word embeddings, POS embeddings, grammatical relation embeddings, and WordNet embeddings
- 层叠拼接4个RNN层StackedRNNCells
- 每个RNN后接一个max-pooling来搜集信息
- 所有的max-pooling结果concatenation在一起送入softmax
- 为了解决deep数据不足的问题,通过将SDP反向+directed relation来进行data augmentation
Bidirectional Recurrent Convolutional Neural Network for Relation Classification
模型
最短依存路径SDP
贡献
- 提出RCNN,通过two-channel LSTM捕捉SDP的全局特征,通过CNN捕捉相邻节点的局部特征
- 提出沿着SDP双向BiRCNN,从两个方向去捕捉信息。
模型架构
- SDP作为输入,包括words和relation,其中words用预训练向量初始化,relation随机初始化。将words和relation分别通过embedding层送入LSTM组成two-channel LSTM(words和relation分别通过不同的LSTM, 互不影响,是两个channel)
- CONV从LSTM结果中捕捉dependency unit的局部特征(两个word+一个relation),再通过max-pooling搜集全局信息
- 损失函数
其中前两项对应是forward和backward的损失函数,第三项对应拼接forward和backward的损失函数,第4项是l2正则项。
预测:
代码
def model(input_, word_vec_matrix_pretrained, keep_prob, config):word_vec = tf.constant(value=word_vec_matrix_pretrained, name="word_vec", dtype=tf.float32)rel_vec = tf.Variable(tf.random_uniform([config.rel_size, config.rel_vec_size], -0.05, 0.05), name="rel_vec", dtype=tf.float32)#tf.add_to_collection(l2_collection_name, word_vec)tf.add_to_collection(l2_collection_name, rel_vec)# 前向two-channel BiLSTM + CNNwith tf.name_scope("look_up_table_f"):inputs_words_f = tf.nn.embedding_lookup(word_vec, input_["sdp_words_index"])inputs_rels_f = tf.nn.embedding_lookup(rel_vec, input_["sdp_rels_index"])inputs_words_f = tf.nn.dropout(inputs_words_f, keep_prob)inputs_rels_f = tf.nn.dropout(inputs_rels_f, keep_prob)with tf.name_scope("lstm_f"):words_lstm_rst_f = lstm_layer(inputs_words_f, length2(input_["sdp_words_index"]), config.word_lstm_hidden_size, config.forget_bias, "word_lstm_f")rels_lstm_rst_f = lstm_layer(inputs_rels_f, length2(input_["sdp_rels_index"]), config.rel_lstm_hidden_size, config.forget_bias, "rel_lstm_f")tf.summary.histogram("words_lstm_rst_f", words_lstm_rst_f)tf.summary.histogram("rels_lstm_rst_f", rels_lstm_rst_f)with tf.name_scope("conv_max_pool_f"):conv_output_f = conv_layer(words_lstm_rst_f, rels_lstm_rst_f, input_["mask"], config.concat_conv_size, config.conv_out_size, "conv_f")pool_output_f = pool_layer(conv_output_f, config)tf.summary.histogram("conv_output_f", conv_output_f)tf.summary.histogram("pool_output_f", pool_output_f)# 后向two-channel BiLSTM + CNNwith tf.name_scope("look_up_table_b"):inputs_words_b = tf.nn.embedding_lookup(word_vec, input_["sdp_rev_words_index"])inputs_rels_b = tf.nn.embedding_lookup(rel_vec, input_["sdp_rev_rels_index"])inputs_words_b = tf.nn.dropout(inputs_words_b, keep_prob)inputs_rels_b = tf.nn.dropout(inputs_rels_b, keep_prob)with tf.name_scope("lstm_b"):words_lstm_rst_b = lstm_layer(inputs_words_b, length2(input_["sdp_rev_words_index"]), config.word_lstm_hidden_size, config.forget_bias, "word_lstm_b")rels_lstm_rst_b = lstm_layer(inputs_rels_b, length2(input_["sdp_rev_rels_index"]), config.rel_lstm_hidden_size, config.forget_bias, "rel_lstm_b")tf.summary.histogram("words_lstm_rst_b", words_lstm_rst_b)tf.summary.histogram("rels_lstm_rst_b", rels_lstm_rst_b)with tf.name_scope("conv_max_pool_b"):conv_output_b = conv_layer(words_lstm_rst_b, rels_lstm_rst_b, input_["mask"], config.concat_conv_size, config.conv_out_size, "conv_b")pool_output_b = pool_layer(conv_output_b, config)tf.summary.histogram("conv_output_b", conv_output_b)tf.summary.histogram("pool_output_b", pool_output_b)with tf.name_scope("softmax"):# 拼接前向和后向的输出pool_concat = tf.concat([pool_output_f, pool_output_b], 1)logits_f, hypothesis_f = softmax_layer(pool_output_f, config.conv_out_size, 19, "softmax_f")logits_b, hypothesis_b = softmax_layer(pool_output_b, config.conv_out_size, 19, "softmax_b")logits_concat, hypothesis_concat = softmax_layer(pool_concat, 2*(config.conv_out_size), 10, "softmax_concat")# L2 regularizationregularizers = 0vars = tf.get_collection(l2_collection_name)for var in vars:regularizers += tf.nn.l2_loss(var)# loss function# 损失函数loss = tf.nn.softmax_cross_entropy_with_logits(logits=logits_f, labels=input_["label_fb"])loss += tf.nn.softmax_cross_entropy_with_logits(logits=logits_b, labels=input_["label_fb"])if config.has_corase_grained:loss += tf.nn.softmax_cross_entropy_with_logits(logits=logits_concat, labels=input_["label_concat"])loss_avg = tf.reduce_mean(loss) + config.l2 * regularizers# gradient cliptvars = tf.trainable_variables()grads, _ = tf.clip_by_global_norm(tf.gradients(loss_avg, tvars), config.grad_clip)#train_op = tf.train.AdamOptimizer(config.lr)train_op = tf.train.AdadeltaOptimizer(config.lr)optimizer = train_op.apply_gradients(zip(grads, tvars))# get predict results# 预测prediction = get_prediction(hypothesis_f, hypothesis_b, config.alpha)correct_prediction = tf.equal(prediction, tf.argmax(input_["label_fb"], 1))accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))loss_summary = tf.summary.scalar("loss", loss_avg)accuracy_summary = tf.summary.scalar("accuracy_summary", accuracy)grad_summaries = []for g, v in zip(grads, tvars):if g is not None:grad_hist_summary = tf.summary.histogram("{}/grad/hist".format(v.name), g)sparsity_summary = tf.summary.histogram("{}/grad/sparsity".format(v.name), tf.nn.zero_fraction(g))grad_summaries.append(grad_hist_summary)grad_summaries.append(sparsity_summary)grad_summaries_merged = tf.summary.merge(grad_summaries)summary = tf.summary.merge_all()return loss_avg, accuracy, prediction, optimizer, summary
如若内容造成侵权/违法违规/事实不符,请联系编程学习网邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
相关文章
- 水仙花数拓展
“水仙花数”是指一个三位数,其各位数字的立方和等于该数本身。例如153 = 1^3 + 3^3 + 5^3 = 1 + 27 + 125 = 153。小璇同学觉得这样的定义太局限了,所以她要扩展一下”水仙花数“的定义 - 任何正整数其各位数字的立方和等于该数本身,该数即为”扩展水仙花数“。 请你输出小…...
2024/3/29 7:05:53 - Task4_聚类
学习内容 1.相关概念(无监督学习、聚类的定义) 2.性能度量(外部指标、内部指标) 3.距离计算 4.原型聚类 K均值 LVQ 5.高斯混合聚类 层次聚类 AGNES 自顶而下 6.密度聚类 DBSCAN 其他密度聚类算法 7.优缺点 8.sklearn参数详解 1.相关概念无监督学习: 无监督学习是机器学习的一…...
2024/3/29 7:05:52 - Node文件操作相对路径的问题
__dirname 可以用来获取当前文件模块所属目录的绝对路径(文件所在文件夹)__filename 可以用来获取当前文件的绝对路径(包含文件名字)Node中文件操作的路径被设计为相对于执行node命令所处的路径为了解决以上问题,我们可以通过__dirname 或者__filename将相对路径变为绝对路…...
2024/5/6 10:21:38 - 年薪百万大佬花十年时间整理的Java程序员面试笔试真题与解析
对于大多数人而言,有很强的专业知识,但是就是缺少表达能力,不知道如何去把自己推销出去,说出自己的亮点,吸引到面试官,小编想说的是,面试是需要专业知识和面试技巧相结合的,一个被企业吸引人,绝对是内在与外在相结合起来的,都是不断的磨练自身,已达到更高的境界!下…...
2024/5/6 6:43:55 - 简易扫雷(win32-非MFC-纯C语言版)
简易扫雷(win32-非MFC-纯C语言版) 起因 因转专业前后课程不一样,所以现在大二要补大一的程序设计实践,老师要求要想得高分就必须从这里面选:***,***,。。。 因为我比较喜欢玩扫雷,于是就选了扫雷。又不甘心写纯黑的控制台程序,就打算借此机会深入一下win32编程。废话不…...
2024/5/6 13:45:17 - DOM property 和 attribute 的区别
DOM property 和 attribute 的区别引言明确概念讨论原因详细解释总结参考文档 引言 之前在阅读vue 的api的时候,在解释指令v-bind时,其中关于修饰符 .prop 的解释是- 作为一个 DOM property 绑定而不是作为 attribute 绑定。 令我挺好奇的,虽然干了这么久前端还未详细探究过…...
2024/4/26 20:54:41 - 负数赋值给无符号数的陷阱
有没有人尝试过将负数赋给一个无符号整型变量?知不知道这样做会发生什么?还没有尝试的就让我们来探索下无符号整型隐藏的秘密。先来看看下面代码:int main() {unsigned int val = -1;cout<<val<<endl;return 0; }执行的结果:4294967295 请按任意键继续. . .---…...
2024/4/8 19:01:52 - Bootstrap介绍
1、JSON简单介绍JSON格式2、动态老黄历制作 从 json文件中取数据,每次取不同的数据显示在浏览器上。请求方式采用 ajax的 get方法。3、Bootstrap-简单介绍 提供响应式布局,可以适应不同大小的屏幕,显示不同的布局,提高用户体验。布局容器,为页面内容和栅格系统包裹一个容器…...
2024/5/6 9:36:06 - bean的作用域---单列(指的是bean的配置,和对象无关,区分单列模式)?
1.单列? 2.没有获取bean对象,但是在初始化容器的时候创建一个bean对象?bean是单列的,只要创建容器对象,bean对象就会被获取。。。 单列bean的创建时机是在ioc容器创建的时候 单列的bean只会被创建一次 多列的和单列的是相反的...
2024/5/6 9:46:48 - 【软件工程基础】个人项目-数独-代码质量分析及性能测试
一、代码质量分析 由Visual Studio自带的代码分析工具,可以看出代码无错误和警告。 二、性能分析从调试菜单中选择性能探查器,打开如上图的界面,设置完命令行参数后,点击开始,生成报告如下图。这是设置命令行参数为-c 1000的情况下,即生成1000个数独终局。这是CPU使用状况…...
2024/3/29 13:34:55 - 「自然语言处理(NLP)」入门系列(二)什么才是真正的深度学习?
来源:AINLPer微信公众号(点击了解一下吧) 编辑: ShuYini 校稿: ShuYini 时间: 2020-01-08本次主要内容: 1、深度学习(DL)与机器学习(ML)之间的联系。 2、利用深度学习(DL)做自然语言处理(NLP)的优势。深度学习(DL)是机器学习(ML)的关系? 深度学习(DL)是机器学习…...
2024/5/1 21:05:05 - C++_vector操作
文章目录vector: 1.1 vector 说明 1.2 vector初始化: 1.3 vector对象的常用内置函数使用(举例说明)顺序访问vector的几种方式,举例说明 2.1. 对向量a添加元素的几种方式 2.2 从向量中读取元素 3.几个常用的算法vector: 1.1 vector 说明vector是向量类型,可以容纳许多类型…...
2024/3/29 13:34:54 - Pandas基础入门(9)Pandas字符串函数和选项自定义
学习汇总:点这里 字符串函数 Pandas提供了一组字符串函数,可以方便地对字符串数据进行操作。 最重要的是,这些函数忽略(或排除)丢失/NaN值。几乎这些方法都使用Python字符串函数(请参阅:这里 )。 因此,将Series对象转换为String对象,然后执行该操作。编号 函数 描述1 low…...
2024/3/29 13:34:52 - Git和GitHub基础
Git简介 Git是一个开源的分布式版本控制系统,可以有效,高速地处理项目的版本管理。Git起初是Linus为了帮助管理Linux内核开发而开发的一个开源的版本控制工具。 Git优点: 1 适合分布式开发 2 公共服务器压力和数据量都不会太大 3 速度快,灵活 4 相对容易的解决冲突 5 大部…...
2024/5/6 15:06:47 - Unity Prerfab 环形依赖
Unity 中如果 Prefab 依赖形成环形依赖,是不能拖到一起的,会报错如下ArgumentException: Cyclic nesting detected...
2024/5/6 6:12:18 - 【Java】掌握Java 集合框架的简单使用
什么是集合框架:类似于C语言中的数据结构,Java中的集合框架也是对数据进行集合存储的的一种方法,并是为了方便开发者去使用,Java集合框架将常见的数据结构规范化方便开发者使用。这是一个较为庞大的体系,其中我们常用的是ArrayList、LinkedList、HashSet、LinkedHashSet、…...
2024/5/6 6:20:29 - LeetCode343,整数拆分
/*暴力搜索 class Solution {public int integerBreak(int n) {if(n == 2){return 1;}int res = -1;for (int i = 1; i <= n - 1; i++) {res = Math.max(res, Math.max(i*(n-i), i*integerBreak(n-i)));}return res;} }*/ /*记忆化搜索 class Solution {int[] memory;public…...
2024/3/29 13:34:48 - R语言控制鼠标和键盘
R语言控制鼠标和键盘 想做一个简单的网页滑动然后点赞的小玩意,但是不想使用python和selenium,主要是很久不用了也不熟悉,然后刚巧发现那个网页很简单,只要将鼠标点击就可以了。 找了很久,国内都没有说这个包的,后来看google看到了。这个包叫KeyboardSimulator,直接可以…...
2024/4/5 12:05:03 - Python的 5 种高级用法,效率提升没毛病!
任何编程语言的高级特征通常都是通过大量的使用经验才发现的。比如你在编写一个复杂的项目,并在 stackoverflow 上寻找某个问题的答案。然后你突然发现了一个非常优雅的解决方案,它使用了你从不知道的 Python 功能!这种学习方式太有趣了:通过探索,偶然发现什么。 下面是 P…...
2024/3/29 7:05:58 - 「自然语言处理(NLP)」入门系列(三)单词表示、损失优化、文本标记化?
来源:AINLPer微信公众号(点击了解一下吧) 编辑: ShuYini 校稿: ShuYini 时间: 2020-01-09本次主要内容: 1、知道词向量如何表示单词意思 2、如何可视化词向量 3、损失函数与优化 4、文本标记化(Tokenization)自然语言处理下的单词表示在我们建立一个模型并使用深度学习进行…...
2024/4/27 13:11:16
最新文章
- TRIZ理论助力充电桩产业跨越技术瓶颈,实现产业升级!
随着新能源汽车市场的迅猛发展和电动汽车保有量的不断增加,充电桩作为电动汽车的“能量补给站”,其重要性日益凸显。然而,充电桩产业在发展过程中也面临着诸多技术瓶颈,如何突破这些瓶颈,推动充电桩产业升级成为行业亟…...
2024/5/6 16:58:23 - 梯度消失和梯度爆炸的一些处理方法
在这里是记录一下梯度消失或梯度爆炸的一些处理技巧。全当学习总结了如有错误还请留言,在此感激不尽。 权重和梯度的更新公式如下: w w − η ⋅ ∇ w w w - \eta \cdot \nabla w ww−η⋅∇w 个人通俗的理解梯度消失就是网络模型在反向求导的时候出…...
2024/5/6 9:38:23 - 【UE5 C++】各个头文件的含义
#pragma once 预处理程序指令 作用:保护同一个文件不会被多次包含,使得头文件只会被编译一次, #include “CoreMinimal.h” 包含了一套来自UE4的核心编程环境的普遍存在类型 #include “GameFramework/GameModeBase.h” 基于GameModeBas…...
2024/5/5 1:29:43 - 最新在线工具箱网站系统源码
内容目录 一、详细介绍二、效果展示1.部分代码2.效果图展示 三、学习资料下载 一、详细介绍 系统内置高达72种站长工具、开发工具、娱乐工具等功能。此系统支持本地调用API,同时还自带免费API接口, 是一个多功能性工具程序,支持后台管理、上…...
2024/5/3 2:32:18 - c++类的继承方式
在 C 中,类的继承方式有三种:公有继承(public inheritance)、保护继承(protected inheritance)和私有继承(private inheritance)。这些继承方式决定了派生类对基类成员的访问权限。 …...
2024/5/3 14:42:38 - 【外汇早评】美通胀数据走低,美元调整
原标题:【外汇早评】美通胀数据走低,美元调整昨日美国方面公布了新一期的核心PCE物价指数数据,同比增长1.6%,低于前值和预期值的1.7%,距离美联储的通胀目标2%继续走低,通胀压力较低,且此前美国一季度GDP初值中的消费部分下滑明显,因此市场对美联储后续更可能降息的政策…...
2024/5/4 23:54:56 - 【原油贵金属周评】原油多头拥挤,价格调整
原标题:【原油贵金属周评】原油多头拥挤,价格调整本周国际劳动节,我们喜迎四天假期,但是整个金融市场确实流动性充沛,大事频发,各个商品波动剧烈。美国方面,在本周四凌晨公布5月份的利率决议和新闻发布会,维持联邦基金利率在2.25%-2.50%不变,符合市场预期。同时美联储…...
2024/5/4 23:54:56 - 【外汇周评】靓丽非农不及疲软通胀影响
原标题:【外汇周评】靓丽非农不及疲软通胀影响在刚结束的周五,美国方面公布了新一期的非农就业数据,大幅好于前值和预期,新增就业重新回到20万以上。具体数据: 美国4月非农就业人口变动 26.3万人,预期 19万人,前值 19.6万人。 美国4月失业率 3.6%,预期 3.8%,前值 3…...
2024/5/4 23:54:56 - 【原油贵金属早评】库存继续增加,油价收跌
原标题:【原油贵金属早评】库存继续增加,油价收跌周三清晨公布美国当周API原油库存数据,上周原油库存增加281万桶至4.692亿桶,增幅超过预期的74.4万桶。且有消息人士称,沙特阿美据悉将于6月向亚洲炼油厂额外出售更多原油,印度炼油商预计将每日获得至多20万桶的额外原油供…...
2024/5/6 9:21:00 - 【外汇早评】日本央行会议纪要不改日元强势
原标题:【外汇早评】日本央行会议纪要不改日元强势近两日日元大幅走强与近期市场风险情绪上升,避险资金回流日元有关,也与前一段时间的美日贸易谈判给日本缓冲期,日本方面对汇率问题也避免继续贬值有关。虽然今日早间日本央行公布的利率会议纪要仍然是支持宽松政策,但这符…...
2024/5/4 23:54:56 - 【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响
原标题:【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响近日伊朗局势升温,导致市场担忧影响原油供给,油价试图反弹。此时OPEC表态稳定市场。据消息人士透露,沙特6月石油出口料将低于700万桶/日,沙特已经收到石油消费国提出的6月份扩大出口的“适度要求”,沙特将满…...
2024/5/4 23:55:05 - 【外汇早评】美欲与伊朗重谈协议
原标题:【外汇早评】美欲与伊朗重谈协议美国对伊朗的制裁遭到伊朗的抗议,昨日伊朗方面提出将部分退出伊核协议。而此行为又遭到欧洲方面对伊朗的谴责和警告,伊朗外长昨日回应称,欧洲国家履行它们的义务,伊核协议就能保证存续。据传闻伊朗的导弹已经对准了以色列和美国的航…...
2024/5/4 23:54:56 - 【原油贵金属早评】波动率飙升,市场情绪动荡
原标题:【原油贵金属早评】波动率飙升,市场情绪动荡因中美贸易谈判不安情绪影响,金融市场各资产品种出现明显的波动。随着美国与中方开启第十一轮谈判之际,美国按照既定计划向中国2000亿商品征收25%的关税,市场情绪有所平复,已经开始接受这一事实。虽然波动率-恐慌指数VI…...
2024/5/4 23:55:16 - 【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试
原标题:【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试美国和伊朗的局势继续升温,市场风险情绪上升,避险黄金有向上突破阻力的迹象。原油方面稍显平稳,近期美国和OPEC加大供给及市场需求回落的影响,伊朗局势并未推升油价走强。近期中美贸易谈判摩擦再度升级,美国对中…...
2024/5/4 23:54:56 - 【原油贵金属早评】市场情绪继续恶化,黄金上破
原标题:【原油贵金属早评】市场情绪继续恶化,黄金上破周初中国针对于美国加征关税的进行的反制措施引发市场情绪的大幅波动,人民币汇率出现大幅的贬值动能,金融市场受到非常明显的冲击。尤其是波动率起来之后,对于股市的表现尤其不安。隔夜美国股市出现明显的下行走势,这…...
2024/5/6 1:40:42 - 【外汇早评】美伊僵持,风险情绪继续升温
原标题:【外汇早评】美伊僵持,风险情绪继续升温昨日沙特两艘油轮再次发生爆炸事件,导致波斯湾局势进一步恶化,市场担忧美伊可能会出现摩擦生火,避险品种获得支撑,黄金和日元大幅走强。美指受中美贸易问题影响而在低位震荡。继5月12日,四艘商船在阿联酋领海附近的阿曼湾、…...
2024/5/4 23:54:56 - 【原油贵金属早评】贸易冲突导致需求低迷,油价弱势
原标题:【原油贵金属早评】贸易冲突导致需求低迷,油价弱势近日虽然伊朗局势升温,中东地区几起油船被袭击事件影响,但油价并未走高,而是出于调整结构中。由于市场预期局势失控的可能性较低,而中美贸易问题导致的全球经济衰退风险更大,需求会持续低迷,因此油价调整压力较…...
2024/5/4 23:55:17 - 氧生福地 玩美北湖(上)——为时光守候两千年
原标题:氧生福地 玩美北湖(上)——为时光守候两千年一次说走就走的旅行,只有一张高铁票的距离~ 所以,湖南郴州,我来了~ 从广州南站出发,一个半小时就到达郴州西站了。在动车上,同时改票的南风兄和我居然被分到了一个车厢,所以一路非常愉快地聊了过来。 挺好,最起…...
2024/5/4 23:55:06 - 氧生福地 玩美北湖(中)——永春梯田里的美与鲜
原标题:氧生福地 玩美北湖(中)——永春梯田里的美与鲜一觉醒来,因为大家太爱“美”照,在柳毅山庄去寻找龙女而错过了早餐时间。近十点,向导坏坏还是带着饥肠辘辘的我们去吃郴州最富有盛名的“鱼头粉”。说这是“十二分推荐”,到郴州必吃的美食之一。 哇塞!那个味美香甜…...
2024/5/4 23:54:56 - 氧生福地 玩美北湖(下)——奔跑吧骚年!
原标题:氧生福地 玩美北湖(下)——奔跑吧骚年!让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 啊……啊……啊 两…...
2024/5/4 23:55:06 - 扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!
原标题:扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!扒开伪装医用面膜,翻六倍价格宰客!当行业里的某一品项火爆了,就会有很多商家蹭热度,装逼忽悠,最近火爆朋友圈的医用面膜,被沾上了污点,到底怎么回事呢? “比普通面膜安全、效果好!痘痘、痘印、敏感肌都能用…...
2024/5/5 8:13:33 - 「发现」铁皮石斛仙草之神奇功效用于医用面膜
原标题:「发现」铁皮石斛仙草之神奇功效用于医用面膜丽彦妆铁皮石斛医用面膜|石斛多糖无菌修护补水贴19大优势: 1、铁皮石斛:自唐宋以来,一直被列为皇室贡品,铁皮石斛生于海拔1600米的悬崖峭壁之上,繁殖力差,产量极低,所以古代仅供皇室、贵族享用 2、铁皮石斛自古民间…...
2024/5/4 23:55:16 - 丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者
原标题:丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者【公司简介】 广州华彬企业隶属香港华彬集团有限公司,专注美业21年,其旗下品牌: 「圣茵美」私密荷尔蒙抗衰,产后修复 「圣仪轩」私密荷尔蒙抗衰,产后修复 「花茵莳」私密荷尔蒙抗衰,产后修复 「丽彦妆」专注医学护…...
2024/5/4 23:54:58 - 广州械字号面膜生产厂家OEM/ODM4项须知!
原标题:广州械字号面膜生产厂家OEM/ODM4项须知!广州械字号面膜生产厂家OEM/ODM流程及注意事项解读: 械字号医用面膜,其实在我国并没有严格的定义,通常我们说的医美面膜指的应该是一种「医用敷料」,也就是说,医用面膜其实算作「医疗器械」的一种,又称「医用冷敷贴」。 …...
2024/5/4 23:55:01 - 械字号医用眼膜缓解用眼过度到底有无作用?
原标题:械字号医用眼膜缓解用眼过度到底有无作用?医用眼膜/械字号眼膜/医用冷敷眼贴 凝胶层为亲水高分子材料,含70%以上的水分。体表皮肤温度传导到本产品的凝胶层,热量被凝胶内水分子吸收,通过水分的蒸发带走大量的热量,可迅速地降低体表皮肤局部温度,减轻局部皮肤的灼…...
2024/5/4 23:54:56 - 配置失败还原请勿关闭计算机,电脑开机屏幕上面显示,配置失败还原更改 请勿关闭计算机 开不了机 这个问题怎么办...
解析如下:1、长按电脑电源键直至关机,然后再按一次电源健重启电脑,按F8健进入安全模式2、安全模式下进入Windows系统桌面后,按住“winR”打开运行窗口,输入“services.msc”打开服务设置3、在服务界面,选中…...
2022/11/19 21:17:18 - 错误使用 reshape要执行 RESHAPE,请勿更改元素数目。
%读入6幅图像(每一幅图像的大小是564*564) f1 imread(WashingtonDC_Band1_564.tif); subplot(3,2,1),imshow(f1); f2 imread(WashingtonDC_Band2_564.tif); subplot(3,2,2),imshow(f2); f3 imread(WashingtonDC_Band3_564.tif); subplot(3,2,3),imsho…...
2022/11/19 21:17:16 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机...
win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”问题的解决方法在win7系统关机时如果有升级系统的或者其他需要会直接进入一个 等待界面,在等待界面中我们需要等待操作结束才能关机,虽然这比较麻烦,但是对系统进行配置和升级…...
2022/11/19 21:17:15 - 台式电脑显示配置100%请勿关闭计算机,“准备配置windows 请勿关闭计算机”的解决方法...
有不少用户在重装Win7系统或更新系统后会遇到“准备配置windows,请勿关闭计算机”的提示,要过很久才能进入系统,有的用户甚至几个小时也无法进入,下面就教大家这个问题的解决方法。第一种方法:我们首先在左下角的“开始…...
2022/11/19 21:17:14 - win7 正在配置 请勿关闭计算机,怎么办Win7开机显示正在配置Windows Update请勿关机...
置信有很多用户都跟小编一样遇到过这样的问题,电脑时发现开机屏幕显现“正在配置Windows Update,请勿关机”(如下图所示),而且还需求等大约5分钟才干进入系统。这是怎样回事呢?一切都是正常操作的,为什么开时机呈现“正…...
2022/11/19 21:17:13 - 准备配置windows 请勿关闭计算机 蓝屏,Win7开机总是出现提示“配置Windows请勿关机”...
Win7系统开机启动时总是出现“配置Windows请勿关机”的提示,没过几秒后电脑自动重启,每次开机都这样无法进入系统,此时碰到这种现象的用户就可以使用以下5种方法解决问题。方法一:开机按下F8,在出现的Windows高级启动选…...
2022/11/19 21:17:12 - 准备windows请勿关闭计算机要多久,windows10系统提示正在准备windows请勿关闭计算机怎么办...
有不少windows10系统用户反映说碰到这样一个情况,就是电脑提示正在准备windows请勿关闭计算机,碰到这样的问题该怎么解决呢,现在小编就给大家分享一下windows10系统提示正在准备windows请勿关闭计算机的具体第一种方法:1、2、依次…...
2022/11/19 21:17:11 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”的解决方法...
今天和大家分享一下win7系统重装了Win7旗舰版系统后,每次关机的时候桌面上都会显示一个“配置Windows Update的界面,提示请勿关闭计算机”,每次停留好几分钟才能正常关机,导致什么情况引起的呢?出现配置Windows Update…...
2022/11/19 21:17:10 - 电脑桌面一直是清理请关闭计算机,windows7一直卡在清理 请勿关闭计算机-win7清理请勿关机,win7配置更新35%不动...
只能是等着,别无他法。说是卡着如果你看硬盘灯应该在读写。如果从 Win 10 无法正常回滚,只能是考虑备份数据后重装系统了。解决来方案一:管理员运行cmd:net stop WuAuServcd %windir%ren SoftwareDistribution SDoldnet start WuA…...
2022/11/19 21:17:09 - 计算机配置更新不起,电脑提示“配置Windows Update请勿关闭计算机”怎么办?
原标题:电脑提示“配置Windows Update请勿关闭计算机”怎么办?win7系统中在开机与关闭的时候总是显示“配置windows update请勿关闭计算机”相信有不少朋友都曾遇到过一次两次还能忍但经常遇到就叫人感到心烦了遇到这种问题怎么办呢?一般的方…...
2022/11/19 21:17:08 - 计算机正在配置无法关机,关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机...
关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!关机提示 windows7 正在配…...
2022/11/19 21:17:05 - 钉钉提示请勿通过开发者调试模式_钉钉请勿通过开发者调试模式是真的吗好不好用...
钉钉请勿通过开发者调试模式是真的吗好不好用 更新时间:2020-04-20 22:24:19 浏览次数:729次 区域: 南阳 > 卧龙 列举网提醒您:为保障您的权益,请不要提前支付任何费用! 虚拟位置外设器!!轨迹模拟&虚拟位置外设神器 专业用于:钉钉,外勤365,红圈通,企业微信和…...
2022/11/19 21:17:05 - 配置失败还原请勿关闭计算机怎么办,win7系统出现“配置windows update失败 还原更改 请勿关闭计算机”,长时间没反应,无法进入系统的解决方案...
前几天班里有位学生电脑(windows 7系统)出问题了,具体表现是开机时一直停留在“配置windows update失败 还原更改 请勿关闭计算机”这个界面,长时间没反应,无法进入系统。这个问题原来帮其他同学也解决过,网上搜了不少资料&#x…...
2022/11/19 21:17:04 - 一个电脑无法关闭计算机你应该怎么办,电脑显示“清理请勿关闭计算机”怎么办?...
本文为你提供了3个有效解决电脑显示“清理请勿关闭计算机”问题的方法,并在最后教给你1种保护系统安全的好方法,一起来看看!电脑出现“清理请勿关闭计算机”在Windows 7(SP1)和Windows Server 2008 R2 SP1中,添加了1个新功能在“磁…...
2022/11/19 21:17:03 - 请勿关闭计算机还原更改要多久,电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机怎么办...
许多用户在长期不使用电脑的时候,开启电脑发现电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机。。.这要怎么办呢?下面小编就带着大家一起看看吧!如果能够正常进入系统,建议您暂时移…...
2022/11/19 21:17:02 - 还原更改请勿关闭计算机 要多久,配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以...
配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!配置windows update失败 还原更改 请勿关闭计算机&#x…...
2022/11/19 21:17:01 - 电脑配置中请勿关闭计算机怎么办,准备配置windows请勿关闭计算机一直显示怎么办【图解】...
不知道大家有没有遇到过这样的一个问题,就是我们的win7系统在关机的时候,总是喜欢显示“准备配置windows,请勿关机”这样的一个页面,没有什么大碍,但是如果一直等着的话就要两个小时甚至更久都关不了机,非常…...
2022/11/19 21:17:00 - 正在准备配置请勿关闭计算机,正在准备配置windows请勿关闭计算机时间长了解决教程...
当电脑出现正在准备配置windows请勿关闭计算机时,一般是您正对windows进行升级,但是这个要是长时间没有反应,我们不能再傻等下去了。可能是电脑出了别的问题了,来看看教程的说法。正在准备配置windows请勿关闭计算机时间长了方法一…...
2022/11/19 21:16:59 - 配置失败还原请勿关闭计算机,配置Windows Update失败,还原更改请勿关闭计算机...
我们使用电脑的过程中有时会遇到这种情况,当我们打开电脑之后,发现一直停留在一个界面:“配置Windows Update失败,还原更改请勿关闭计算机”,等了许久还是无法进入系统。如果我们遇到此类问题应该如何解决呢࿰…...
2022/11/19 21:16:58 - 如何在iPhone上关闭“请勿打扰”
Apple’s “Do Not Disturb While Driving” is a potentially lifesaving iPhone feature, but it doesn’t always turn on automatically at the appropriate time. For example, you might be a passenger in a moving car, but your iPhone may think you’re the one dri…...
2022/11/19 21:16:57