Entity Linking with a Knowledge Base:Issues, Techniques, and Solutions
Entity Linking with a Knowledge Base:Issues, Techniques, and Solutions
阅读文献笔记
1 引言
1.1 动机
1. 网络数据的快速增加
2. 大部分数据都是自然语言,命名实体的歧义
3. 知识共享社区(维基百科)的出现和信息抽取技术促进了知识库的发展1. DBpedia [1], YAGO [2], Freebase [3], KnowItAll [4], ReadTheWeb [5], and Probase [6].
4. 将网络中的数据与知识库链接,有助于实现语义网络的愿景(给网络中大量的原生数据和噪声数据添加注释)
5. 实体链接能推动KBP、知识问答、信息集成1. KBP(Knowledge base population)任务的主要目标是知识库扩展和填充,将新抽取的信息与知识库做一个映射2. 为了回答一个问题What is the birthdate of the famous basketball player Michael Jordan?需要实体链接技术映射Michael Jordan到NBA运动员,而不是其他人,再检索出其生日。
6. 实体链接有助于集成不同页面、文档和站点上的实体的信息。
7. 实体链接任务具有挑战性1. 一个命名实体有多种表面形式:全称、部分名称、别名、缩写和替代拼写。2. 一个实体提及可能表示不同的命名实体。(Sun可以表示太阳、跨国公司、美国电视剧)
1.2 任务描述
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Gz1Q1jOU-1643023452715)(media/16381530900823/16386783621134.jpg)]
1. 实体链接也称为命名实体消歧Named Entity Disambiguation (NED)
2. 实体链接之前要先做命名实体识别
3. 实体链接和命名实体识别相互作用
4. 词义消歧
5. 共指消解
6. 记录链接:匹配不同数据库的指向同一条实体的记录。1. 例如匹配一篇论文的两条出版记录
7. 如果能从文本中抽取提及的属性,记录链接也能应用到实体链接(不可行,太难)
8. 实体链接的三个模块(降低复杂度):1. 生成候选实体:过滤掉知识库中不相关的实体2. 候选实体排序:找到提及最可能指向的实体3. 不可链接提及预测:对于没有链接实体的提及标记为NIL
1.3 在各个领域的应用
1.3.1 信息抽取
1.3.2 信息检索
1.3.3 内容分析
1.3.4 问答
1.3.5 知识库扩充
1.4 四种知识库简介
维基百科、YAGO、DBpedia、Freebase
2 候选实体生成
主要基于实体提及的各种表面形式和知识库中实体的字符串匹配
2.1 基于命名词典的方法(主要方法)
维基百科提供了一系列有用的特征,实体页,重定向页,消歧页,粗体短语,超链接。结合这些特征构建词典,词典中包含了大量命名实体的各种名称,例如名字变体、缩写,易混淆的名字,拼写变体,昵称。
实体页维基百科中的每个实体页面都描述了一个单独的实体,并包含了关于这个实体的信息。一般来说,每个页面的标题是这个页面中描述的实体的最常见的名称,例如,页面标题“Microsoft”是总部位于雷德蒙德的大型软件公司。因此,将实体页的标题以名称k添加到D中的键列中,并将该页中描述的实体添加为k.value。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-lOddaqPO-1643023452716)(media/16381530900823/16386979071482.jpg)]
重定向页重定向页面包含了同义术语、 缩写、或指向实体的其他变体。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6T5DlM6D-1643023452716)(media/16381530900823/16386978627992.jpg)]
消歧页面当多个实体被赋予相同的名字时,会提供一个消歧页面来区分它们。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-N7cN20rE-1643023452717)(media/16381530900823/16386981125483.jpg)]
首段的粗体短语通常,维基百科的首段是全文的总结,其中的粗体短语表示的是昵称、别名或全名。可以把惠普加在key中,也可以将惠普公司加在key中。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HbdEiNgf-1643023452717)(media/16381530900823/16386985289705.jpg)]
超链接指向实体页面的链接的锚文本提供了指向实体的同义词和其他名称变体。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-bgmvAGrV-1643023452717)(media/16381530900823/16386988558514.jpg)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-bR5svqoM-1643023452718)(media/16381530900823/16386988911245.jpg)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-irVUQLUq-1643023452718)(media/16381530900823/16386990668523.jpg)]
除了维基百科,还可以利用查询点击日志和WEB文档来找实体的同义词。对于构建的词典,提及和key之间的匹配一般采用如下方式:1. 实体名包含提及2. 实体名与提及的所有单词的首字母匹配3. 实体名与提及有共同的几个单词4. 实体名和提及有很强的字符串相似性。1. character Dice score, skip bigram Dice score, Hamming distance,5. 这种局部匹配产生的噪音也很大6. 检查提及是否拼写错误,例如使用拼写检查器,维基百科的搜索引擎(did you mean),谷歌搜索引擎
2.2 局部文档的表面形式扩展
获取提及的扩展变体(全名)
2.2.1 启发式方法
1. 括号匹配
2. N-Gram方法,删除停止词后,检查是否存在N个连续的单词与提及有一样的首字母。
3. 命名实体:如果某个命名实体包含提及,则认为这个实体是提及的扩展形式。
4. 缩写探测器:使用网络数据来确认缩写的扩展形式
2.2.2 监督学习方法
1. 启发式方法无法识别缺失或交换首字母的单词(CCP,Communist Party of China)(DOD,United States Department of Defense)
2. 通过一些预先定义的策略(文本匹配,首字母匹配)来识别候选扩展集。
3. 对每个候选扩展词和提及对使用SVM分类器输出置信度分数,选择分数最高的。
2.3 基于搜索引擎的方法
1. 将提及和简短的上下文提交给搜索引擎接口,然后获取维基百科的页面,维基百科页面对应的实体被加入到候选实体集中。
2. 直接将提及交给谷歌搜索引擎,然后获取返回页面的前20个结果内的维基百科页面。
3. 过滤了一些明显不相似的结果
4. 用维基百科进行关键词搜索,返回一个相关实体列表页
3 候选实体排序
1. 候选实体的数量一般不唯一,在TAC-KBP数据集上,平均数量大约为13,CoNLL上为73。
2. 候选实体排序分为两种办法:1. 有监督的排序方法1. 二分类方法2. 学习排序方法3. 概率统计方法4. 基于图的方法2. 无监督的排序方法1. 基于向量空间模型(VSM)的方法2. 基于信息检索的方法
3. 实体排序方法被分为三类:1. 单实体排序方法:不需要依赖提及之间的关系,主要利用提及的上下文相似性和候选实体相关联的文档2. 多实体排序方法:假设一个文档中的实体是相互依赖的,有一个或多个相关的主题。在这些方法中,一个文档中的提及通过“主题一致性”连接起来。3. 协同排序方法:识别其他文档中的具有相似表面形式和相似上下文的实体,他们利用跨文档信息进行排序。
3.1 特征
1. 上下文独立特征1. 仅仅依赖提及的表面形式,不依赖于提及的上下文信息
2. 上下文相关特征1. 与提及上下文相关,包括文档的其他提及的上下文
3.1.1 上下文独立特征
3.1.1.1 名称字符串匹配
1. 名称字符串比较是实体指称项和候选实体最直接的特征。
2. 字符串相似度计算方法:edit distance、Dice coefficient score、character Dice、skip bigram Dice、left and right Hamming distance scores。
3. 比较的特征包括:1. 是否提及正好与候选实体匹配2. 提及是否是候选实体名称的开始或者结束3. 候选实体是否是提及的前缀或者后缀4. 提及是否完全包含候选实体,反之亦然5. 是否有相同顺序的字符串在提及和候选实体中同时出现6. 提及和候选实体中相同的单词数目7. 最长公共子序列占两者中较短的序列的长度比例
3.1.1.2 实体流行度
用于表示候选实体集合中某实体的先验概率,例如:当我们谈论纽约,New York大多是指的城市,而不是一部名为New York的电影。
实体流行度特征的定义:
Pop(ei)=countm(ei)∑ej∈Emcountm(ej)Pop(e_i)=\frac{count_m(e_i)}{\sum_{e_j\in{E_m}}{count_m(e_j)}}Pop(ei)=∑ej∈Emcountm(ej)countm(ei)
countm(ei)count_m(e_i)countm(ei)是提及mmm指向实体eie_iei的链接数量,分母是所有链接的数量。
候选实体加入了其他的一些额外特征,例如结点的入度、出度、维基百科页面的字节长度、谷歌的页面排名。
3.1.1.3 实体类型
这个特性是用来表示文本中提到的实体(即人、位置和组织)的类型是否与知识库中候选实体的类型一致。
用内部的实体类型识别器,根据自己的数据集构建的识别器。
根据维基百科页面的infobox判断实体类型。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7mbxHozY-1643023452718)(media/16381530900823/16387583696058.jpg)]
使用CiceroLite NER system识别提及的实体类型,对于候选实体,如果当前知识库中没有,则在CiceroLite, DBpedia, WRATS中找
3.1.2 上下文相关特征
3.1.2.1 文本上下文
文本上下文最直接的特征是计算提及上下文和候选实体的关联文档之间的相似性
1. 词袋:1. 对于提及的上下文,可以用提及的整个文档或者提及的合适的窗口收集的词袋表示。2. 对于每个候选实体的上下文,可以用来自整个维基百科页面、维基百科页面的首段描述、维基百科页面出现的实体的合适的窗口、维基百科页面的top-k的TF-IDF表示。
2. 概念向量:1. 对于提及出现的文档或者候选实体出现的维基百科文章,系统提取关键词、锚文本信息、命名实体、分类、描述标签和维基百科的概念组成一个向量来表示文档的语义概念。2. 对于候选实体的上下文,可以用维基百科的相关链接实体、属性以及它的infobox中已知的事实表示。
3. 对于不同形式的表示,为了计算提及和候选实体之间相似性,转换为向量表示。向量相似度计算包括:点积、余弦距离、Dice coefficient 、word overlap、KL-散度、n-gram度量、Jaccard相似度。
4. 一元语言模型:对每个候选实体的上下文编码,输出每个实体出现在特定上下文中的可能性。
5. 主题模型:对文档的语义主题建模,计算上下文相似性。
6. 深度学习技术:正确的映射实体与提及的上下文的相似性应该更高。
7. 生成式模型:以实体-词分布的形式,挖掘内部和外部语料库信息,增强知识库中实体的上下文信息。
3.1.2.2 映射实体的一致性
对于一个提及,该文档中的其他提及对其链接也很重要。因为同一文档中的多个提及对应的实体通常有主题一致性。
WLM为了测量映射实体间的一致性,假设如果有多个文章链接到2个实体,则认为这两个实体是语义相关的。WLM基于谷歌距离建模,给定两个实体u1u_1u1和u2u_2u2,主题一致性定义如下:
CohG(u1,u2)=1−log(max(∣U1∣,∣U2∣))−log(∣U1∩U2∣)log(∣WP∣)−log(min(∣U1∣,∣U2∣))Coh_G(u_1,u_2)=1-\frac{\log{(max(|U_1|,|U_2|))}-\log{(|U_1\cap U_2|)}}{\log{(|WP|)}-\log{(\min{(|U_1|,|U_2|)})}}CohG(u1,u2)=1−log(∣WP∣)−log(min(∣U1∣,∣U2∣))log(max(∣U1∣,∣U2∣))−log(∣U1∩U2∣)
U1,U2U_1,U_2U1,U2 表示 u1,u2u_1,u_2u1,u2 链接的文章数。WPWPWP 表示所有的文章数
其他度量方式:
PMI-like(Point-wise Mutual Information):
CohP(u1,u2)=∣U1∩U2∣/∣WP∣∣U1∣/∣WP∣⋅∣U2∣/∣WP∣Coh_P(u_1,u_2)=\frac{|U_1\cap U_2|/|WP|}{|U_1|/|WP|\cdot |U_2|/|WP|}CohP(u1,u2)=∣U1∣/∣WP∣⋅∣U2∣/∣WP∣∣U1∩U2∣/∣WP∣
Jaccard distance:
CohJ(u1,u2)=∣U1∩U2∣∣U1∪U2∣Coh_J(u_1,u_2)=\frac{|U_1\cap U_2|}{|U_1\cup U_2|}CohJ(u1,u2)=∣U1∪U2∣∣U1∩U2∣
以上三个方法基于维基百科的链接结构。然而,对于长尾和没有相关链接的新实体,以上方法表现不好。
利用了两类信息:
基于类型层级的相似性:类型层次在位置上接近,那么在语义上也接近
基于分布式上下文相似性:出现在相似上下文的实体语义上也相似
尽管一致性特征很有效,但是成本太高。为了计算一致性,需要知道其他提及的对应实体,表现出NP-hard问题。
总结:
1. 以上所介绍的各种特征是实体链接系统采用的主要特征,没有任何一个特征在任何数据集上都优于其他特征。所以在实体链接系统设计时,需要考虑多方面的因素,比如精度和效率的平衡,以及数据集的特性。
2. 对数据集依赖太高,某些特征在这个数据集上表现的特别鲁棒,但是换到其他数据集,表现的就会很差。而且有些特征效率特别低。
3.2 有监督的排序方法
3.2.1 二分类方法
给定<提及,候选实体>,用分类器判断该提及是否指向候选实体。
在数据集中,如果提及指向候选实体,则标记为正样本,否则标记为负样本。每一对$<m,e_i>$都表示为特征向量。
如果有多个候选实体被标记为正向实体,则会使用其他方法选择最有可能的一项。
例如:1.基于置信度的方法;2.基于VSM的方法;3.基于SVM 排序模型
对于二分类器,大部分系统采用支持向量机。此外还有逻辑回归二分类器,朴素贝叶斯分类器,KNN分类器。
缺点:
- 正负例样本的极度不均衡。
- 多个候选实体被分为正样本,则需要使用其他的技术去选择出最适合的一个。
3.2.2 学习排序方法
学习排序方法考虑了同一提及的不同候选实体之间的关系。
该方法的目的是从训练数据中,自动化构建一个排序模型。
排序模型的训练数据包含一些特定顺序的item的列表。
对于实体链接,仅关注候选实体集中的正确映射实体,因此加了一个宽松的要求,正确的映射实体排名最高。
解决了二分类中的问题:1. 训练数据是平衡的,因为我们对每个提及都有一个单一的排名示例。2. 在测试阶段,不需要求助于其他技术,只需要选择分数最高的实体作为正确的映射实体。
大多数链接系统使用ranking SVM framework学习模型。
除此之外,其他框架:3. the pairwise framework Ranking Perceptron4. the listwise framework ListNet
3.2.3 概率方法
提出了一个能够将一个文档中所有提及连接起来的系统。利用了文档的主题一致性来解决候选实体排序问题。
3.2.4 图方法
基于图的方式是在一个文档中将所有的实体构建一个图,通过上下文文本相似性、以及实体映射一致性作为实体间的关系,采用PageRank的方法进行推理。
具体来说将提及和候选实体集合作为图的节点构建无向图,边有两类,提及——候选实体;候选实体A——候选实体B。每个边拥有权重,权重可以以上述特征做组合或者是使用单一特征,利用相似度计算方法得到该值。
最后该图就是由提及和候选实体构成的,利用PageRank算法即可求得重要性的排序,最终得到候选实体。
3.2.5 模型结合方法
模型组合,也称为集成方法,通常将性质和特征显著不同的学习算法聚合在一起,并试图获得比它们组合的任何模型更好的预测性能。模型组合越来越受欢迎,因为它可以克服单个模型的缺点。1. 开发了三个单系统,基于信息检索的系统、基于排序方法的系统、基于二分类的系统,然后融合成一个系统。2. 用一个SVM三分类器判断该选择哪个系统。3. 还有人整合了TAC-KBP上的top-9的系统4. 整合了8个系统,包括4种监督和非监督
3.2.6 训练数据生成
使用维基百科的文章链接构建数据集
模糊提及的名称来生成更多的数据集
3.3 非监督排序方法
3.3.1 基于VSM的方法
将提及和候选实体用向量表示,然后计算相似度,选择得分最高的作为映射实体。
1. Cucerzan1. 对于候选实体,抽取了所有候选实体文章中的提及和候选实体文章的类别标签来构建候选实体向量。2. 对于提及,通过提及和上下文构建向量。3. 通过最大化两者之间的相似度
2. Han and Zhao1. 从提及的上下文和候选实体文章中识别出维基百科的所有概念2. 通过维基百科概念间的语义相关度的加权平均值来计算向量相似度。
3.3.2 基于信息检索的方法
在这类模型中,将每一个候选实体索引为一个单独的文本,由提及产生query。query可以来自于提及本身,也可以来自于实体的上下文。
根据提及和候选实体中的概率分布,计算KL散度,从而得到最终的相似度。
4 不可链接的提及预测
在实际中,一些提及在知识库中并没有对应的实体,因此,必须处理不可链接实体的预测问题。
1. 如果候选实体集为空,则标记为NIL。
2. 使用一个NIL阈值来判断。如果得分最高的候选实体小于阈值,则返回NIL。
3. 二分类:给定<m,etop><m,e_{top}><m,etop>,用二分类器判断etope_{top}etop是否是提及mmm的映射实体。
4. 在候选实体集中加入一个NIL实体,让其一起进行排序。
5 评估
5.1 评估方法
5.2 实体链接数据集
6 未来方向和总结
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
- 使用K55实现Linux x86_64进程注入
关于K55 K55是一款 Payload注入工具,该工具可以向正在运行的进程注入x86_64 shellcode Payload。该工具使用现代C11技术开发,并且继承了某些传统的C Linux函数,比如说ptrace()等等。在目标进程中生成的shellcode长度为27个字节,并…...
2024/4/14 6:07:03 - 在学习28BYJ-48步进电机中遇到的坑,网上流传的原理图还是错的
这是错误的版本: 来源: 实际上内部的原理图(从别的up视频里截取的) 定子:可以看到它实际上是上下两层,每一层有八个梯形铁片 转子实际结构为16个磁极,正负磁极交错分布 对着错误的原理图&#…...
2024/4/7 16:40:30 - Springboot整合FreeMarker
目录 一、创建项目 二、配置文件 三、语法模板 四、编码 boolean类型 时间类型 空值处理 显示数据list if指令 assign指令 global指令 项目地址全路径: 一、创建项目 勾选FreeMarker模板引擎 二、配置文件 yml文件中增加配置freemarker freemark…...
2024/4/14 6:06:48 - gradle排除引入jar包中的依赖
去掉org.springframework.boot:spring-boot-starter-web 中对tomcat的依赖 implementation("org.springframework.boot:spring-boot-starter-web") {exclude group: org.springframework.boot, module: spring-boot-starter-tomcat }...
2024/4/14 7:15:14 - 求出小于45岁的各个老师所带的大于12岁的学生人数
数据库中有3个表 teacher 表,student表,tea_stu关系表。 teacher 表 teaID name age student 表 stuID name age teacher_student表 teaID stuID 要求用一条sql查询出这样的结果 1.显示的字段要有老师name, age 每个老师所带的学生人数 2 只列出老师age为…...
2024/4/18 0:10:08 - StegBrute:如何在CTF中快速进行隐写爆破
StegBrute StegBrute是一款功能强大的隐写术暴力破解工具,该工具基于Rust开发,并且引入了线程机制以提升其性能,可以帮助广大研究人员在CTF比赛中迅速对隐写内容进行暴力破解。 工具依赖 StegBrute的运行必须依赖于Steghide,因此…...
2024/4/16 21:58:30 - IntelliJ IDEA内置Maven的settings.xml文件在哪里?
IDEA 内置的 Maven 没有 settings.xml 文件,如果你自己不安装 Maven,而你又想设置 Maven 的资源仓库,你要怎么做呢? 参见:https://blog.csdn.net/Li_Ya_Fei/article/details/104432073...
2024/4/15 22:06:41 - 【职场观点】嵌入式硬件转软件的几点建议
嵌入式系统设计不仅要求了解硬件,还要求了解软件的作用方式,以及如何与之交互。设计硬件需要的某种范式可能与设计软件完全相反。当从硬件设计转向包含软件的设计时,硬件工程师应牢记以下十个技巧。 建议1:流程图第一,…...
2024/4/27 4:30:00 - ImHex:十六进制编辑器
ImHex ImHex是一款功能强大的十六进制编辑器,该工具专为逆向工程分析师、编程开发人员以及那些想好好保护自己眼睛的安全人员所设计。哪怕你每天工作到凌晨三点(虽然不建议),也不会伤害你的眼睛! 功能介绍 功能丰富的…...
2024/4/14 6:07:54 - 全栈学习之JavaWeb基础
JavaWeb1、基本概念1.1、 前言1.2、 web应用程序1.3、静态web1.4、动态web2、web服务器2.1、三个技术2.2、web服务器3、Tomcat3.1、安装Tomcat3.2、Tomcat启动3.3、Tomcat配置3.4、发布一个web网站4、http4.1、什么是http4.2、http的两个时代4.3、http请求请求行消息头4.4、htt…...
2024/4/14 6:08:04 - 删除除了id号不同,其他都相同的学生冗余信息
2.学生表 如下:id号 学号 姓名 课程编号 课程名称 分数1 2005001 张三 0001 数学 692 2005002 李四 0001 数学 893 2005001 张三 0001 数学 69A: delete from tablename where id号 not in(select min(id号) from tabl…...
2024/4/18 13:14:00 - 【Java基础必刷题P2】Java基本语法
好久不见,甚是想念! 我是微风洋洋 今天这篇文章就是Java基本语法的必刷题,帮助大家巩固一下基础,接下来将会出现比较多编程题了,可以期待一下。下一篇将是关于程序流程控制的必刷题~ 文章目录1. 标识符的命名规则有哪…...
2024/4/14 6:09:05 - 【例6-15】二维数组练习
//将3 x 3 的矩阵存入二维数组中,找出其中的最大值以及对应的行下标、列下标 #include<stdio.h> int main() {int a[3][3], i, j; //定义一个二维数组a[3][3];i,j用于控制数组输入循环int max, H, L; //max用于存储最大值ÿ…...
2024/4/5 4:18:27 - [python3][题解]拖拉机
题目 题目描述 干了一整天的活,农夫约翰完全忘记了他把拖拉机落在田地中央了。 他的奶牛非常调皮,决定对约翰来场恶作剧。 她们在田地的不同地方放了 N 捆干草,这样一来,约翰想要开走拖拉机就必须先移除一些干草捆。 拖拉机的…...
2024/4/19 17:23:10 - Matlab操作界面
目录 命令行窗口 设定当前文件夹 命令行窗口 可表示转行但不执行 设定当前文件夹 在某盘中先建立文件夹,再进行设定 cd e:\work 上述命令为放在e盘的work文件夹中...
2024/4/19 16:20:48 - 读懂:无人机飞控三大算法
无人机飞控三大算法: 捷联式惯性导航系统 卡尔曼滤波算法 飞行控制PID算法 01 捷联式惯性导航系统 说到导航,不得不说GPS,他是接受卫星发送的信号计算出自身位置的,但是当GPS设备上方被遮挡后,GPS设备无法定位了。比如在室内、隧道内、地下等场所,基本收不到GPS信号。…...
2024/4/14 6:08:04 - build error: ‘ParseCommandLineFlags‘ is not a member of ‘google‘
将google修改为gflags即可 #include <gflags/gflags.h> int main(int argc, char* argv[]) { gflags::ParseCommandLineFlags(&argc, &argv, true); ........... }...
2024/4/26 14:17:03 - Firefox 96.0.2 发布,修复了影响音频播放的问题
1 月 20 日,Firefox 96.0.2 发布。新版本中有一些改进,修复了导致在 Linux 上播放音频时选项卡高度显示不一致的问题;修复了导致在隐私浏览模式下 Lastpass 下拉菜单显示为空白的问题;修复了在调整 Facebook 应用程序大小时遇到…...
2024/4/14 6:07:49 - 异步电路设计(单bit和多bit)
异步电路设计就是要解决亚稳态的问题。异步电路设计一般有几个方法: ⚫ 单 bit 信号:直接多级寄存器同步法,一般采用 2-3 级寄存器进行同步处理,这个 2-3 级寄存器也 称作同步器,在 ASIC 设计中,一般都有提…...
2024/4/16 21:58:32 - 你真的知道如何正确的使用ROS中的动态调参机制吗?
ROS中动态调整参数的原理 我们在现实中有个需求:我们希望可以改变参数服务器中的参数用于调试机器人,而且我们不希望每改一遍参数之后必须重启一次相关节点才可以生效,这样耗时耗力太麻烦。我们期望的是:我们既可以改变参数服务器…...
2024/4/14 6:07:39
最新文章
- linux-journal日志文件特别大怎么办,journal日志文件学习
今天发现磁盘容量不多了,就去清理磁盘,发现这个文件特别大:journal,特此来学习下 rootmain1:/var/log# du -sh * | sort -rh 3.9G journal 14M syslog.1 2.6M auth.log 1.7M syslog 1.4M nginx 1.2M auth.log.1 972K cloud-init.…...
2024/4/29 0:06:04 - 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…...
2024/3/20 10:50:27 - 01背包问题 小明的背包
2.小明的背包1 - 蓝桥云课 (lanqiao.cn) #include <bits/stdc.h> using namespace std; const int N1010;//开始写的105 开小了 样例过了但最后只过了很少一部分 int n,m; int v[N],w[N]; int f[N][N];int main() {cin>>n>>m;for(int i1;i<n;i){cin>&…...
2024/4/28 7:27:18 - C++ 2024-4-2 作业
1.模板类实现顺序栈 #include <iostream> #define MAX 8 using namespace std; template<typename T> class stack {T data[MAX];int top; public:stack():top(-1){}bool empty_stack();bool full_stack();void push_stack(T data);void pop_stack();void show();…...
2024/4/28 3:02:21 - 【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…...
2024/4/28 13:52:11 - 【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…...
2024/4/28 3:28:32 - 【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…...
2024/4/26 23:05:52 - 【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…...
2024/4/28 13:51:37 - 【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…...
2024/4/27 17:58:04 - 【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…...
2024/4/27 14:22:49 - 【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…...
2024/4/28 1:28:33 - 【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…...
2024/4/28 15:57:13 - 【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…...
2024/4/27 17:59:30 - 【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…...
2024/4/25 18:39:16 - 【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、…...
2024/4/28 1:34:08 - 【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…...
2024/4/26 19:03:37 - 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…...
2024/4/28 1:22:35 - 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…...
2024/4/25 18:39:14 - 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…...
2024/4/26 23:04:58 - 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…...
2024/4/27 23:24:42 - 「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…...
2024/4/28 5:48:52 - 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…...
2024/4/26 19:46:12 - 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」。 …...
2024/4/27 11:43:08 - 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…...
2024/4/27 8:32:30 - 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