企业官网建设流程全解析

顺德网站制作案例平台,优设网设计服务平台,手机网站建设市场,网站做多久一:查询语言介绍1.为什么不使用sql关系型数据库查询语言——SQL方式#xff1a;数据以表的形式存在, 有比较强的schema定义, 表和表之间的数据关联以join的方式实现.缺点#xff1a;MySQL主要是存储和查询二维表数据#xff0c;对三元组数据没有单独意义#xff1b;多跳关联…一:查询语言介绍1.为什么不使用sql关系型数据库查询语言——SQL方式数据以表的形式存在, 有比较强的schema定义, 表和表之间的数据关联以join的方式实现.缺点MySQL主要是存储和查询二维表数据对三元组数据没有单独意义多跳关联查询需要多表连接效率低2.图数据查询语言的区别二:命名实体识别(NER)2.1基础知识2.1.1什么是NER实体文本之中承载信息的语义单元。常见的实体包括七种类别人名、地名、机构名、时间、日期、货币、百分比。实体抽取又称为命名实体识别,指的是从文本之中抽取出命名性实体并把这些实体划分到指定的类别。2.1.2识别后格式原文本:命名实体后的文本:总体是字典格式,里面的命名实体是双层列表嵌套格式,下标是左闭右开.补充:文本分类后的格式2.2命名实体识别的方法2.2.1基于规则的方法实现NER使用自定义规则匹配NER:eg:使用正则表达式匹配NER优点:方便,快捷缺点:泛用性差,后期格式越来越复杂,难以维护2.2.2基于机器学习方法实现NER机器学习把NER转换为序列标注任务1.实现步骤:人工选择特征训练模型预测实体2.模型选择机器学习的方法是把实体抽取任务转换为序列任务,每个token做标注(理论上所有分类模型都可以作为标注模型,但是效果最好的是条件随机场(CRF)):B:开头E:结尾3.缺点:缺点:依赖特征的选择,特征选择的不好,很难有好的效果.2.2.3基于深度学习的方法实现NER深度学习也是把NER转换为序列标注任务1.概念:基于深度学习的方法主要使用神经网络模型结合条件随机场模型。常用的神经网络模型包括卷积神经网络CNN)、循环神经网络(RNN)、长短期记忆网络(LSTM等其中BiLSTM-CRF是目前最为常用的命名实体识别模型2.原理:3.优缺点优点:特征靠模型自己提取缺点:需要大量的标注文本2.3NER评测标准精确率模型识别出来的实体中被所有预测为正的样本中实际为正样本的概率召回率模型识别出来的实体中实际为正的样本中被预测为正样本的概率F1值: 准确率和召回率的调和平均值可以对系统的性能进行综合性的评价