NLP Knowledge Graph

หากคุณต้องการมีส่วนร่วมในโครงการโอเพ่นซอร์สนี้โปรดติดต่อฉัน

• การเรียนรู้อย่างลึกซึ้งสำหรับกราฟความรู้
  • ลิงค์ภายนอกทรัพยากร
  • ชีวิตในอดีตและปัจจุบันของกราฟความรู้
  • รายการสรุปการวิจัย
    • งานวิจัยพิเศษ
    • การวิเคราะห์ทฤษฎีที่เกี่ยวข้องของ KG & QA
    • การวิเคราะห์เอกสารที่เกี่ยวข้องกับ NLP
    • งานวิจัยเกี่ยวกับโครงสร้างของเอกสารทางการเงินของจีน
    • การประชุมที่เกี่ยวข้องกับกราฟความรู้
    • การเปรียบเทียบข้อเท็จจริง
    • เทคโนโลยีระบบบทสนทนา
    • เกี่ยวข้องกับการค้าของ NLP/Dialogue/kg (สำหรับการสื่อสารและการเรียนรู้เท่านั้น)
    • รายชื่อระบบถาม & ตอบและระบบการสนทนาโอเพ่นซอร์ส
    • รายการแพลตฟอร์มความหมายหลัก
    • รายการเครื่องมือประมวลผลข้อความภาษาจีนและภาษาอังกฤษ
    • เครื่องมือจัดเก็บกราฟและเครื่องมือค้นหา
    • เครื่องมือสร้างภาพ
    • รายการชุดข้อมูลกราฟความรู้ภาษาจีนและภาษาอังกฤษ
  • การประกวด
  • คิด
  • ประวัติดาว
  • อธิบาย
  • ติดต่อ

การเรียนรู้อย่างลึกซึ้งสำหรับกราฟความรู้

สำรวจซีรี่ส์องค์ความรู้ความเข้าใจ --- แนวโน้ม: 1. ข้อมูลความรู้ฟิวชั่นข้อมูล; 2. ทั้งหมดใน LLM รวมถึงการได้มาซึ่งความรู้การก่อสร้างฐานความรู้และชุดของการวิจัยทางเทคนิคและการประยุกต์ใช้ระบบตอบคำถามตามฐานความรู้ มันเกี่ยวข้องกับเทคโนโลยีที่ทันสมัยและเอกสารในสาขาของ NLP

ลิงค์ภายนอกทรัพยากร

• NLP-Progress

  ที่เก็บเพื่อติดตามความคืบหน้าในการประมวลผลภาษาธรรมชาติ (NLP) รวมถึงชุดข้อมูลและสถานะปัจจุบันของงานศิลปะสำหรับงาน NLP ที่พบบ่อยที่สุด

• PaperswithCode

  มีการจัดทำเอกสารและรหัส

• เทคโนโลยีออนไลน์

  เทคโนโลยีรายวันส่วนตัวและเว็บไซต์แชท

---

ชีวิตในอดีตและปัจจุบันของกราฟความรู้

หมายเลขซีเรียล	บทความ
1	เหตุใด "กราฟความรู้" กลับไปปี 1956?

รายการสรุปการวิจัย

งานวิจัยพิเศษ

1. ระบบบทสนทนาที่ใช้กราฟความรู้

การวิเคราะห์ทฤษฎีที่เกี่ยวข้องของ KG & QA

1. สรุปกราฟความรู้
2. ความท้าทายของกราฟความรู้
3. กราฟการเรียนรู้และความรู้อย่างลึกซึ้ง
4. CN-DBPEDIA: ระบบสกัดความรู้ภาษาจีนที่ไม่มีที่สิ้นสุด
5. KBQA
6. Zhao Tingyang: การรับรู้ตนเองของปัญญาประดิษฐ์เป็นไปได้อย่างไร? 1-3
7. NLP University เปิด Daji-Teacher Li Wei, Simon Fraser University, Ph.D.
8. ACL 2019 บทสรุปที่ครอบคลุมของกราฟความรู้

การวิเคราะห์เอกสารที่เกี่ยวข้องกับ NLP

1. หม้อแปลงภาพประกอบ
2. การสำรวจแบบจำลองความสนใจที่เอาใจใส่
3. เบิร์ต: การเป็นตัวแทนของตัวเข้ารหัสแบบสองทิศทางจากหม้อแปลง
4. เออร์นี่: การเป็นตัวแทนที่ได้รับการปรับปรุงผ่านการบูรณาการความรู้
5. Ernie: การเป็นตัวแทนภาษาที่ได้รับการปรับปรุงด้วยหน่วยงานที่ให้ข้อมูล
6. Google T5: Transformer การถ่ายโอนข้อความเป็นข้อความ

งานวิจัยเกี่ยวกับโครงสร้างของเอกสารทางการเงินของจีน

1. doc2edag

การประชุมที่เกี่ยวข้องกับกราฟความรู้

หมายเลขซีเรียล	ชื่อ	ระดับ	พิมพ์	สนาม
1	ACL	คลาส A	การประชุมวิชาการ	AI
2	CVPR	คลาส A	การประชุมวิชาการ	AI
3	ICML	คลาส A	การประชุมวิชาการ	AI
4	ijcai	คลาส A	การประชุมวิชาการ	AI
5	emnlp	คลาส B	การประชุมวิชาการ	AI
6	CIKM	คลาส B	การประชุมวิชาการ	ฐานข้อมูล/ข้อมูลการขุด/การดึงเนื้อหา
7	ไจ่	คลาส A	การประชุมวิชาการ	AI
8	sigkdd	คลาส A	การประชุมวิชาการ	ฐานข้อมูล/ข้อมูลการขุด/การดึงเนื้อหา
9	tkde	คลาส A	วารสารวิชาการ	(ฐานข้อมูล/ข้อมูลการขุด/การดึงเนื้อหา)
10	ซิกีร์	คลาส A	การประชุมวิชาการ	ฐานข้อมูล/ข้อมูลการขุด/การดึงเนื้อหา

การเปรียบเทียบข้อเท็จจริง

1. สรุปของแผนที่เรื่อง
2. Bai Shuo: หกคำถามและหกคำตอบที่แผนที่ของสิ่งต่าง ๆ

เทคโนโลยีระบบบทสนทนา

1. CSDN | หมายเหตุชั้นเรียนแบบเปิด: คำอธิบายโดยละเอียดเกี่ยวกับการจัดการความรู้ในบทสนทนาแบบฮิวริสติก _aispeech
2. การทบทวนบทสนทนาอย่างเป็นระบบ
3. เทคโนโลยีความเข้าใจในการพูด (SLU) ในระบบบทสนทนา

เกี่ยวข้องกับการค้าของ NLP/Dialogue/kg (สำหรับการสื่อสารและการเรียนรู้เท่านั้น)

1. เทคโนโลยีการประมวลผลภาษาธรรมชาติในการโต้ตอบด้วยเสียง-Xiaomi
2. วิธีการกราฟความรู้แบบลีนวิธีการอินเทอร์เน็ต
3. การวิจัยและความคืบหน้าของหุ่นยนต์ Xiaoi ในแพลตฟอร์มเปิดความหมายของจีน-หุ่นยนต์ Xiaoi
4. iflytek ดูที่คุณค่าและความท้าทายของกราฟความรู้จากมุมมองของแอปพลิเคชัน-ถ้า

---

รายชื่อระบบถาม & ตอบและระบบการสนทนาโอเพ่นซอร์ส

หมายเลขซีเรียล	ชื่อ	ที่อยู่
1	ระบบคำถาม	ระบบ Wuternansweringsystem เป็นระบบคำถามและคำตอบของคอมพิวเตอร์และคอมพิวเตอร์ที่สามารถวิเคราะห์คำถามได้โดยอัตโนมัติและให้คำตอบแก่ผู้สมัครโดยอัตโนมัติ
2	qabasedonmedicaknowledgegraph	ตั้งแต่เริ่มต้นเราจะสร้างกราฟความรู้ด้านการแพทย์ที่เน้นโรคเป็นศูนย์กลางและใช้กราฟความรู้นี้เพื่อให้บริการคำถามและคำตอบอัตโนมัติและบริการวิเคราะห์อัตโนมัติ งูหลาม
3	Deeppavlov	ไลบรารีโอเพนซอร์สสำหรับการเรียนรู้ระบบโต้ตอบแบบ end-to-end และ chatbots งูหลาม

รายการแพลตฟอร์มความหมายหลัก

หมายเลขซีเรียล	ชื่อ
1	แพลตฟอร์ม Semantic จีน Tencent Wenzhi
2	iflytek เปิดแพลตฟอร์มความหมาย
3	แพลตฟอร์มเปิดความหมายของจีน
4	Harbin Institute of Technology Language Language Cloud

รายการเครื่องมือประมวลผลข้อความภาษาจีนและภาษาอังกฤษ

หมายเลขซีเรียล	ชื่อ	ฟังก์ชั่นหลัก
1	Thulac	เครื่องมือวิเคราะห์คำศัพท์จีนรองรับ C ++/Java/Python โดย Tsinghua
2	LTP	แพลตฟอร์มเทคโนโลยีภาษา Pylyp LTP Python บรรจุภัณฑ์โดย Harbin Institute of Technology
3	Hanlp	สนับสนุน Java
4	การพูดติดอ่าง	คำนามคำภาษาจีน (เฉพาะคำนามคำนาม), Java, Python, C ++
5	เจือ	ให้ฟังก์ชั่นการประมวลผลภาษาธรรมชาติทั่วไปเช่นการแบ่งส่วนคำภาษาจีนคำอธิบายประกอบส่วนหนึ่งของคำพูดการจดจำเอนทิตีการตั้งชื่อการสกัดคำหลักสรุปข้อความและการค้นพบคำใหม่ งูหลาม
6	ฟัน.	คำนามคำภาษาจีน (คำนามคำ, คำอธิบายประกอบส่วนหนึ่งของคำพูด, การจดจำเอนทิตีการตั้งชื่อ), รองรับ Java
7	Deepdive Deepdive	เครื่องมือสกัดความรู้โอเพ่นซอร์สของมหาวิทยาลัยสแตนฟอร์ด (การสกัดสามครั้ง) รองรับ Python
8	fudandnn-nlp3.0	ใช้สำหรับการแบ่งส่วนคำภาษาจีน, การจดจำการตั้งชื่อ, คำอธิบายประกอบส่วนหนึ่ง, การจำแนกประเภทประโยค, การวิเคราะห์ความหมาย, การเข้าถึงฐานความรู้, คำถามการสนทนาและคำตอบและสนับสนุน Java ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
9	Stanford Corenlp	เครื่องหมายการจำแนกเอนทิตี้การตั้งชื่อตัวแยกวิเคราะห์ (ประโยคและโครงสร้างไวยากรณ์), การอ้างอิงถึงการอ้างอิง (นั่นคือคำถามของการพิจารณาว่าคำนามวลีคำสรรพนามชี้ไปที่บท)

เครื่องมือจัดเก็บกราฟและเครื่องมือค้นหา

หมายเลขซีเรียล	ชื่อ	ฟังก์ชั่นหลัก
1	neo4j	ฐานข้อมูลกราฟโอเพ่นซอร์สพัฒนาโดย Java
2	OrientDB	ฐานข้อมูล NOSQL โอเพ่นซอร์สที่สามารถจัดการเอกสารกราฟิกและส่วนประกอบฐานข้อมูลแบบดั้งเดิม เขียนโดย Java, Fast Storage
3	ผู้มีสติปัญญา	รองรับการสืบค้น RDF และ SPARQL
4	ไททัน	สามารถรวมเข้ากับ Gremlin/HBase เพื่อเปิดใช้งานการจัดเก็บข้อมูลแบบกระจายและการประมวลผลข้อมูลกราฟการคำนวณ
5	Apache Jena-Idb	ดำเนินการ RDF ภายใต้ Java ในหมู่พวกเขา TDB ใช้ Triple Store เพื่อจัดหาร้านค้าถาวรสำหรับข้อมูล RDF TDB เร็วกว่าและปรับขนาดได้มากกว่า RDB และ SDB
6	cypher	ภาษาคิวรีกราฟที่ประกาศออกมาสืบค้นที่มีประสิทธิภาพและอัพเดตฐานข้อมูลกราฟ
7	กรีนลิน	ภาษาการไหลของข้อมูลที่ใช้งานได้ซึ่งช่วยให้ผู้ใช้สามารถแสดงการสำรวจหรือการสืบค้นของกราฟคุณสมบัติที่ซับซ้อนในวิธีที่รัดกุม
8	sparql	โปรโตคอลการสอบถามภาษาและข้อมูลที่พัฒนาขึ้นสำหรับ RDF
9	rdflib	ตัวแยกวิเคราะห์และ serializer เขียนขึ้นอยู่กับ Python, RDF/XML, N3, Ntriples, N-Quads, Turtle, Trix, RDFA และ Microdata รองรับ SPARQL 1.1 Query และข้อความอัปเดต

เครื่องมือสร้างภาพ

หมายเลขซีเรียล	ชื่อ	ฟังก์ชั่นหลัก
1	เสียงก้อง	เครื่องมือโอเพ่นซอร์ส Baidu, การห่อหุ้ม API ที่สมบูรณ์, ง่ายและใช้งานง่ายและใช้งานง่าย แต่ไม่รองรับการประมวลผลเหตุการณ์
2	cytoscape.js	สำหรับกราฟิกและเครือข่ายการโต้ตอบของเหตุการณ์นั้นดีและใช้งานง่าย
3	d3.js	เกณฑ์การใช้งานสูง แต่รองรับโปรเซสเซอร์เหตุการณ์ D3 มีค่าใช้จ่ายขนาดเล็กมากรองรับพฤติกรรมแบบไดนามิกของชุดข้อมูลขนาดใหญ่และภาพเคลื่อนไหวแบบโต้ตอบและรองรับกราฟิกที่หลากหลาย

รายการชุดข้อมูลกราฟความรู้ภาษาจีนและภาษาอังกฤษ

หมายเลขซีเรียล	ชื่อ	งานแอปพลิเคชัน
1	OpenKg	กราฟความรู้เปิด
2	CN-probase	แผนที่แนวคิดภาษาจีนขนาดใหญ่
3	ซ้อม	ฐานความรู้ทางอารมณ์ของจีนแสดงให้เห็นว่าผู้คนอธิบายถึงนิติบุคคลได้อย่างไรรวมถึงข่าวการท่องเที่ยวและการจัดเลี้ยงทั้งหมด 300,000 คู่
4	กราฟความรู้ด้านดนตรี	กราฟความรู้ด้านดนตรีจีนนักร้องเพลงและข้อมูลอื่น ๆ
5	ตัวละคร RDF ความรู้	ความรู้ตัวละครที่รวบรวมได้จากเว็บไซต์สารานุกรมรวม 650,000 RDF Triples ทั้งหมด
6	กราฟความรู้ของสถานที่ท่องเที่ยวจีน	แผนที่ความรู้ของจีนเกี่ยวกับสถานที่ท่องเที่ยวการท่องเที่ยวจีนเป็นส่วนหนึ่งของแผนที่ความรู้ CASIA-KB สกัดจากสารานุกรม Baidu และสารานุกรมแบบโต้ตอบ แผนที่ความรู้ของสถานที่ท่องเที่ยวสามารถใช้ในภูมิศาสตร์ชีวิตความบันเทิงและแอพพลิเคชั่นอื่น ๆ
7	ข้อมูลภาพบุคคล 2 ล้านรายการ	ข้อมูลนี้เป็นบทสรุปของข้อมูลภาพบุคคลที่สะสมโดย Bai Dan ในเจ็ดปีของการดำเนินการ Bai Dan ได้สร้างระบบการจำแนกอีคอมเมิร์ซที่หลากหลายและระบบการจำแนกประเภทสื่อ
8	ธนาคารอาการจีน	นี่คือชุดข้อมูลที่มีเอนทิตีที่มีอาการและทริปเปิลที่เกี่ยวข้องกับอาการ ข้อมูลจากฐานข้อมูลอาการของจีนมาจากเว็บไซต์ให้คำปรึกษาด้านสุขภาพหลัก 8 แห่งเว็บไซต์สารานุกรมจีน 3 แห่งและเวชระเบียนอิเล็กทรอนิกส์
9	กราฟความรู้สนามบิน CNSchema	กราฟความรู้สนามบินที่ใช้ CNSchema สามารถสอบถามคุณสมบัติของสนามบินทั่วโลกรวมถึงชื่อเขตเวลารหัสสนามบินที่ตั้งทางภูมิศาสตร์ (ละติจูดและลองจิจูด) ฯลฯ
10	กราฟความรู้ข้อพระคัมภีร์เจ็ดตัวอักษร	ข้อมูลนี้มีสารานุกรมรวม 80 ล้านตัวซึ่งเป็นส่วนหนึ่งของชุดย่อยของบทกวีเจ็ดตัวละครและจะยังคงเปิดกว้างมากขึ้นในอนาคต Qiluo-7lore เป็นกราฟความรู้สารานุกรมที่สร้างขึ้นอย่างระมัดระวังโดยเทคโนโลยีหญ้า Dogtail มันเป็นคอลเลกชันของความรู้อันยิ่งใหญ่ในโลกมนุษย์ มันมีสิ่งต่าง ๆ ข้อเท็จจริงแนวคิดกฎ ฯลฯ

การประกวด

1. ATEC ANT Developer Competition การแข่งขันการแข่งขัน-ปัญหา NLP การคำนวณความคล้ายคลึงกัน-2019-3
2. Baidu 2019 ภาษาและเทคโนโลยีอัจฉริยะการแข่งขันแทร็กที่สอง-บทสนทนาที่ขับเคลื่อนด้วยความรู้-2019-4
3. SMP2019 การประเมินเทคโนโลยีการเจรจากับคอมพิวเตอร์ของมนุษย์จีน (ECDT), Subtask: การจำแนกประเภทโดเมน, การจดจำความตั้งใจและการเติมสล็อตความหมาย -Task1: การทำความเข้าใจภาษาธรรมชาติการประเมินผล-2019-5

---

คิด

• การสร้างกราฟความรู้เป็นโครงการวิศวกรรมที่เป็นระบบ ปัจจุบันการรวมเทคโนโลยีการเรียนรู้อย่างลึกซึ้งและความรู้การประมวลผลภาษาธรรมชาติได้ปรับปรุงประสิทธิภาพของการก่อสร้างในระดับหนึ่งและลดค่าใช้จ่าย สถานะของกราฟความรู้อยู่ในแง่ที่ว่าความรู้ความเข้าใจเกี่ยวกับความรู้ความเข้าใจเป็นสิ่งอำนวยความสะดวกด้านทรัพยากรพื้นฐานซึ่งสามารถใช้ในคำถามและคำตอบการสนทนาระบบแนะนำและเพิ่มความสามารถในการตีความ
• ในปัจจุบันมีความต้องการจำนวนมากสำหรับการสร้างกราฟความรู้ในสาขาแนวตั้ง ในแง่ของแอปพลิเคชันการฝึกฝนคำถามและคำตอบที่ชาญฉลาดและระบบการสนทนาที่ใช้งานอยู่เป็นหัวข้อที่ค่อนข้างร้อนแรง
• โดยส่วนตัวแล้วฉันคิดว่าระบบตัวรวบรวมข้อมูลสามารถให้แหล่งความรู้ที่ได้รับการปรับปรุงแบบไดนามิกสำหรับฐานความรู้
• ระบบบทสนทนาที่รวมความรู้/สามัญสำนึกด้วยความแม่นยำและความหลากหลายมากขึ้นเป็นทิศทางที่ควรค่าแก่การศึกษาทำให้เครื่องจักรเป็นแนวทางให้ผู้ใช้สื่อสารหัวข้อ ตัวอย่างเช่นเกมข้างต้น 2 คือแอปพลิเคชันในทิศทางนี้
• เกณฑ์สำหรับการประมวลผล/ความเข้าใจภาษาธรรมชาติได้รับการยกให้เบิร์ตซึ่งโดยทั่วไปแล้วจะต้องมีในงานจำนวนมากโดยใช้หม้อแปลงเป็นเครื่องเข้ารหัส! วิธีการรวมความรู้ (สามารถเป็นหลายรูปแบบ) เข้ากับการฝึกอบรมแบบจำลองได้กลายเป็นประเด็นร้อนในการวิจัย ตัวอย่างเช่นเมื่อเร็ว ๆ นี้ Baidu เสนอว่ารูปแบบการเป็นตัวแทนของ Ernie แนะนำแนวคิดนี้ซึ่งได้รับผลลัพธ์ที่ดีในงานดาวน์สตรีม
• การฝังกราฟความรู้ (KGE) เป็นฮอตสปอตการวิจัยในปัจจุบัน
• การบูรณาการความรู้ด้านข้อมูลหลายรูปแบบควรเป็นขั้นตอนการสำรวจที่สำคัญสำหรับหน่วยสืบราชการลับของเครื่องจักรโดเมนที่จะก้าวไปสู่ความรู้ทั่วไป ครั้งแรกเนื่องจากลักษณะของข้อมูลหลายรูปแบบตัวเองโครงสร้างมีความสำคัญมาก หลังจากโครงสร้างมันสามารถเพิ่มองค์ประกอบความรู้ของกราฟความรู้อย่างมากและเสริมสร้างการแสดงออก ประการที่สองมันให้ความรู้สึกที่น่าสนใจมากขึ้นหากส่วนประกอบ CV และ NLP สามารถเชื่อมต่อและทำงานร่วมกันได้เช่นเนื้อหาตอบกลับของสถานการณ์คำถามและคำตอบนั้นยิ่งใหญ่ขึ้นและการสื่อสารที่เป็นธรรมชาติมากขึ้นกับผู้คน
• <strong> สำหรับโครงสร้างของข้อมูลข้อความนอกเหนือจากการใช้วิธีการเรียนรู้ของเครื่องแล้วการแสดงออกปกติยังสามารถใช้สำหรับการสกัดข้อมูลการเชื่อมโยงการประมวลผลระดับกลางในการสร้างแบบจำลอง ฯลฯ ตัวอย่างเช่น: นิพจน์ทั่วไปรวมกับการเรียนรู้ลึก </strong>
• 20230226: การพัฒนาของ NLP เป็นอีกหนึ่งการเปลี่ยนแปลงกระบวนทัศน์จากครึ่งหลังของปี 2022 เป็น 2023 ด้วยการถือกำเนิดของ CHATGPT ทุกคนทั้งในและนอกสนามเป็นที่รู้จัก ตัวอย่างเช่น LLM (รูปแบบภาษาขนาดใหญ่), AIGC (เนื้อหาที่สร้างขึ้น AI) และงานย่อยบางอย่างของ NLP ได้กลายเป็นหนึ่งเดียวเนื่องจาก LLM และ LLM ได้กลายเป็นหัวข้อของโครงสร้างพื้นฐานในอุตสาหกรรมต่างๆ การเกิดขึ้นของ CHATGPT คือการทำให้ผู้คนประหลาดใจเพื่อให้ความเป็นไปได้ในการสำรวจใหม่ของผู้คนและ AI เพื่อเป็นที่นิยม
  • จากมุมมองของการประสบกับ CHATGPT ฉันได้กล่าวถึงความคิดก่อนหน้าทั้งหมดทั้งหมดรวมถึงการสกัดข้อมูลการสนทนาการสร้างความคิดเห็นห่วงโซ่การคิด-มีเหตุผลความรู้ใหม่สามารถเพิ่มความรู้ในการอัปเดตและรหัส สิ่งที่น่าประหลาดใจที่สุดคือฉันสามารถพูดคุยอย่างจริงจังและแสดงขั้นตอนสำหรับปัญหาเชิงตรรกะ
  • เรียนรู้เพิ่มเติมเกี่ยวกับหลักการจากกระดาษ สำหรับการพัฒนา GPT-1 ถึง GPT3 ให้เข้าใจโครงสร้างพื้นฐานของหม้อแปลง
• 20230521: ความเร็วในการติดตาม LLM ในประเทศนั้นเร็วมากและรุ่นภาษาขนาดใหญ่ที่พัฒนาขึ้นเองได้รับการปล่อยตัวและยังมีโอเพ่นซอร์สเช่น Chatglm-6/130b ของ Tsinghua ระบบนิเวศรอบ LLM ก็กำลังพัฒนาอย่างรวดเร็ว แอปพลิเคชั่นต่าง ๆ เช่น chatpdf, ปลั๊กอิน ฯลฯ เมื่อเร็ว ๆ นี้ Openai เปิดตัวเวอร์ชัน chatgpt iOS ซึ่งได้ดำเนินการตามขั้นตอนใหญ่ของ LLM มันสามารถจินตนาการได้ว่าแอปพลิเคชันจำนวนมากในอนาคตจะขึ้นอยู่กับความสามารถของ LLM เกี่ยวกับวิธีการสร้างแอปพลิเคชันบางอย่างตาม LLM เฟรมเวิร์กโอเพนซอร์ซ Langchain วนซ้ำอย่างรวดเร็ว รหัสสองสามบรรทัดสามารถช่วยให้คุณได้สัมผัสอย่างรวดเร็วเช่นคำถามและคำตอบตามเอกสารส่วนบุคคลการคำนวณเวกเตอร์การจัดเก็บ ฯลฯ ซึ่งสะดวกและรวดเร็ว ขอแนะนำให้ทุกคนเรียนรู้และใช้งาน สำหรับข้อความข้อความส่วนใหญ่ไม่มีโครงสร้างจริงเช่น PDF, Word, HTML ฯลฯ จำเป็นต้องมีโครงสร้างตามเครื่องมืออื่น ๆ และ Langchain ยังให้วิธีโอเพนซอร์ส ความสามารถในการปรับใช้ LLM แบบแปรรูป + การเข้าถึงความรู้ที่มีการแปล + การขยายปลั๊กอินของ LLM คือทิศทางการพัฒนาปัจจุบัน

ประวัติดาว

อธิบาย

• เนื้อหาข้างต้นทั้งหมดเกี่ยวข้องกับกระบวนการเรียนรู้ของแต่ละบุคคล (รวมถึงเนื้อหาอินเทอร์เน็ตบันทึกส่วนตัว ฯลฯ ) ฉันหวังว่ามันจะเป็นประโยชน์กับเพื่อนในสาขาการศึกษาความรู้ความเข้าใจ

ติดต่อ

• CSDN
• เว็บไซต์ส่วนตัว
• บทสรุปด้านเทคนิควิกิ
• อีเมล: [email protected]
• เวลาอัปเดต: 2023.5.21
• หลี่ฮังฮัง