最早將深度學習應用到關係抽取的文章出現在COLING 2014上，近年來，基於深度學習的關係抽取呈現出蓬勃發展的趨勢。但一直以來，學者們大都致力於解決遠端監督標註資料產生的噪聲問題，將一些在通用自然語言處理任務

距離過完年也已經大半個月了，距離 【The Design and Implementation of XiaoIce, an Empathetic Social Chatbot】 論文釋出也已經過去了三個月。

在之前的 《如何判斷一個多邊形是否合法》 一文中有提到，用無人機規劃飛行路線前，往往需要框選一個多邊形的區域。 而在地圖控制元件上顯示這個多邊形區域時，往往會遇到這樣一個需求：需要把所要測繪的多邊形區域

利用無人機對一片區域進行測繪前，我們會先在地圖上框選一個區域，然後再規劃飛行的路線，而需要測繪的這片區域往往是一個多邊形。在 MeshKit iOS 中，我們加入了多邊形區域的編輯功能，其中就涉及判斷使用者所

給定特徵集合{a1,a2,…,ad}，可將每個特徵看做一個候選子集，對這d個候選單特徵子集進行評價，選出一個最優的，然後加入一個特徵，構成包含兩個特徵的候選子集…假定在k+1輪時，最後的候選（k+1）個特徵子集

一.先看看實現效果圖 (左邊的2d圖片如何運動出右邊3d的效果) 引言： 對於這個題目，真的很尷尬，不知道取啥，就想了這個題目，涵蓋範圍很廣，很抽象，算是通用知識點吧。想要了解下面幾個

Source: Deep Learning on Medium David Huang Compare Mu

定義:從一個可行解中找到一個最好的元素。 通常來說優化問題都可以寫成如下的形式： 最小化目標函式： m個約束函式： 凸規劃與非凸規劃 凸規劃滿足: 凸規劃都是相對

問題是這樣，如果我們知道兩個向量v1和v2，計算從v1轉到v2的旋轉矩陣和四元數，由於旋轉矩陣和四元數可以互轉，所以我們先計算四元數。 我們可以認為v1繞著向量u旋轉θ​ 角度到v2，u垂直於v1

本文作者提出GATs方法，利用一個隱藏的self-attention層，來處理一些圖卷積中的問題。不需要複雜的矩陣運算或者對圖結構的事先了解，通過疊加self-attention層，在卷積過程中將不同的重要性分

在去年，我們團隊決定參加由愛奇藝聯合PRCV會議舉辦的第一屆多模態視訊人物識別挑戰賽，為了這個挑戰賽愛奇藝準備了迄今為止最大的人物視訊資料集(IQIYI_VID)。參賽比賽的過程中我們團隊經歷了沉穩-自信-壓力

來源：NAACL 2016 連結： https://aclanthology.info/papers/N16-1034/n16- I Introduction 對於一段待進行事件抽

來源：NAACL 2018 原文： Generating topic-oriented summaries using neural attention Introduction

列表與資料框 到目前為止，向量、陣列、矩陣這些前面提到的所包含的元素型別都是相同的，而列表 和資料框 允許把不同的資料型別合併到單一變數中。

用手機攝影成了普通人的日常，可是和專業攝影器材相比，手機經常感覺“力不從心”，大視野、廣角、遠距離等等都難以hold住。而一部智慧手機跟隨“天智一號”衛星升空，卻可以在太空裡給地球高清實拍。 “天智一號衛星