新手在执行neo4j查询时，先要了解一些常识：1、查询后展示时，选择text格式后所展示的是每个节点的各项属性；table格式所展示的是节点的全部json信息。

{代码...} 使用： {代码...} 结果：瑕疵：如上图，容易把一些段落解析成表格，没有直接使用wps来的精确。

1、一上午半下午的时间都花在了安装上，最后弄明白了ltp和pyltp不一样，而且成熟的版本是3.4.0。2、（就是这么菜）弄明白了github的一些项目上面还能查看历史的release，正儿八经的3.4.0就是从release里边找着的复杂性：

ps：上表的顺序仅是实例展示，不代表selected_data.xlsx中的真实情况。 实验步骤： 1、将每一句话用BIO标注方式标注 2、写dataloader3、使用crf模型训练 下面我们介绍详细的标注工具及步骤

①最好安装neo4j，因为neo4j(v3)安装后在bin中使用命令$sudo ./neo4j console时候会出error②要记住，(v4)对应jdk11，(v3)对应jdk8

本文概述：复现知乎-KG开源项目集中的BERT-NER-pytorch项目之后，进行的一些学习记录，对同样刚入行的小白来说有参考意义。资料：关于BERT模型中的transformer介绍，必须分享的是Jay Alammar的动画图，看完后我捶胸顿首的为什么没有早早看到这样的国外佳作？一、准备...

文章结论：BERT模型效果爆炸，但创新一般（真自信）。下面按照历史沿革分为 个部分做记录：一、预训练——从CV讲到NLP二、WE考古史三、从Word Embedding到ELMo四、从Word Embedding到GPT五、BERT诞生

让深度学习模型能够使用KG中的知识。全面的分为：翻译(TransE, TransH, TransR, etc)、双线性(RESCAL, DisMult, ComplEx, etc)、双曲几何(Poincare, MuRE, etc)、神经网络(ConvE, CapsE, etc)、旋转(RotatE, QuatE, DihEdral, etc)类别

放弃之前的计划：经过开会讨论，仅爬取心理学领域的知识来构建心理沙盘的知识图谱是不可取的（事实上，项目的目标是根据用户设计的沙盘场景推理出用户的心理状态，而不是做心理学百科知识的科普）。这一知识图谱构建方向上的改变归功于我们小组的讨论和 《知识图谱-...

上一期知识获取思路：从搜狗下载心理学词库，然后爬取这些词汇的百度百科页面。但是这些词汇只有3600个，现在我们要丰富实体，为下一阶段的命名实体识别做准备。

1、关系抽取(RE)的功能完整的关系抽取系统包括三部分：1）NER 2）实体链接 3）关系分类关系分类是重点和难点。如图：关系分类就是把包含两个实体的句子分类为已经定义好的某种关系。2、介绍3类方法

组内的知识图谱项目需要有专业领域的实体名词和关系来构建，而心理学词库我已经从搜狗官网下载到了，使用词库这一想法来自于知乎一篇文章《只要5分钟！各专业词库任你挑》。词库下载后需要将.scel文件格式转换为.txt，附上Github。