摘要：
重点：介绍了几种关于空间推理的方法。定量，精确的定义好对象，但是由于种种限制，例如物体关系等等，并不总是和通常的推理方式相匹配，定性，讲到了艾伦区间，RCC区域连接演算，和区域轨迹验算RCC+艾伦区间，提及了很多推理上需要用到的共识和模糊推理对这些公式的应用。 阅读全文
摘要：
主要分为几个部分： NER+消歧，NERC+CRF，POS Tagging+HMM+实例提取，事实提取+信息提取+马尔科夫逻辑，语义网+可决定性，数据安全。 NER+消歧： NER目的：找entity名字 NER的两种方式：字典，正则 字典分为两类：传统字典和TRIE，传统字典慢，TRIE是单词树， 阅读全文
摘要：
hacker可以做的事情，什么样的密码不好，什么样的密码好，如何保护密码，加密的方法，DICE和RSA的具体算法 阅读全文
摘要：
总结：这个章节随他而去吧 可决定问题：可以回答yes或no的问题 不可决定问题：不能回答yes或no的问题 例如：这个程序是否能停止 Entscheidungs problem：半决定问题 FOL是不可决定问题 阅读全文
摘要：
关于URI的构成，命名空间，命名空间prefix，curie，turtle，关于RDFa 阅读全文
摘要：
马尔科夫你需要知道这么几个点：
第一个是要知道如何形成马尔科夫随机场的条件，就是当有多个随机变量满足：Xi只由他的邻居决定，至于邻居是可以形成无向图，邻居是点，邻居和邻居的连线是边。
第二个要清楚的是Hammersley-Clifford-Theorem形成的条件，很容易，是说马尔科夫随机场里面的P都大于0的时候，这个也叫作矢量化，在CRF里面有提到，也就是当P大于0的时候，x也就是一条一条的rules，当他们成立的时候的概率等于势函数的乘积。
第三个要知道MRF和rules有什么关系，为什么要在这里运用MRF，MRF是可以计算所有KB的权重不同的时候的概率，概率是怎么算的呢，在第二条我讲过了，就是当rules成立的时候势函数的乘积，但是在计算KB的总权重时，并不是每个rules都会成立，我们根据式子，可以知道P是是函数的乘积，势函数是e的权重次方，e是单调递增函数，所以权重越大，那么势函数越大，那么P就越大，当权重最大的时候，也就是rules都成立的时候，就是KB权重最大的时候。 阅读全文
摘要：
如何扩张KB并且使KB打到最大权重即MAXSAT，可以使用穷举法或者Unit Propagation方法，各有利弊。要知道如何使用在有命名的corpus上对实例做标记，例如@D42，利用occurs，means，R等进行pattern detection和pattern application以及消除过程中二义性等问题的方法。 阅读全文
摘要：
介绍了DIPRE算法，即利用模式提取和模式应用实现事实提取来得到新fact，并不断把fact添加至KB，再得到新fact来使KB扩张，我们要清楚模式提取和模式应用的方法，及DIPRE算法可能遇到的的问题。 阅读全文
摘要：
介绍了isA这种二元关系和它的应用即推理Taxonomy以得到完整的Taxonomy，再就是介绍了set expansion方法，从种子出发，找到文本中两个与种子相同的实例，就把该文本中其他的实例都添加至种子表中来逐渐的提取实例的方法，此方法也可以应用于HTML表格中。 阅读全文
摘要：
Pos Tagging的目的是利用POS，对句子中的每个单词找到对应的Tag，如果用概率来做这个过程的话，就叫做probabilistic POS Tagging，利用概率计算的话，就需要用到隐式马尔科夫模型，关于这个模型我们需要知道两个马尔科夫假设(tag只由它的predecessor决定和word只由它的tag决定)和两个同质假设(tag在任何位置的概率是相同的即tagA的后面跟着tagB在句子中的任何位置这个概率都是相同的，word在任何位置的概率都是相同的即由tag决定的word在句子中的任何位置出现的概率是相同的)，很重要的两个概率：跃进概率和发射概率，跃进概率代表从一个tag后跟着另一个tag的概率，发射概率代表该tag下选择某词的概率，知道这两个概率，就可以根据带有概率的图示计算最大可能的路径，要利用到Virterbi算法，即找到一条路径到END的时候概率为最大。POS Tag可以帮助实例提取，比方说我们可以规定只提取出什么样词性的词。 阅读全文