... 机器学习－学习方式 监督学习- 人工干预和验证的要求,算法：Logistic Regression，Back Propagation Neural Network 等。例如：照片分类和标签 无监督学习- 无人工干预的要求, 算法: Apriori算法以及k-Means。例如：对于文档的基于上下 文的自动分类 半监督学习 - 介于监督学习和无监督学习之间，算法: Graph Inference 评估模型的准确性 提高模型精度 什么是深度学习？ "深度学习是机器学习的一个分支，是一组在多个层次上 学习的算法，分别对应不同级别的抽象" 深度学习 VS. 机器学习 ML 的算法包括监督学习和无监督学习 适用非线性处理单元的多层次的特征提取和转换 基于对多个层的特征或者表象的学习，形成一个由低级 到高级的层次结构特征 传统的机器学习关注于特征工程,深度学习关注于端到 端的基于原始数据的学习

分类每一个条文的条文的种类（每个种类的风 险都不一样） • 根据条文的种类判断条文的内容的有利方。 对甲方有利 对乙方有利 利益平等 第i条 〇〇〇〇〇〇〇〇〇〇〇〇 第i条 条文种类「保密范围」 无监督学习 监督学习 预测合同的风险① 79% |################################################################################ 但是，我们需要考虑到合同文章的“甲” 和“乙”利益相反的这一点。 选BERT等可以考虑到文章的前后关系的 模型。 （可是需要大量数据，还要考虑到可解 释性的问题） <解决办法1> <解决办法2> 采取监督学习的模型，做分类问题 预测合同的风险② 92% |####################################################################### section3 • 使用RandomForest分类器(RF)做两种分类 1. 预测条文的种类的multiclass分类 2. 预测条文甲方有利/平等/乙方有利的multiclass分类 • 监督学习 …… Test data 训练好的条文种类分类模型 训练好的有利方分类模型 OUTPUT是 ① 条文的种类 ② 甲方有利、平等、乙方 有利其中一种。 4 总结 94% |###

分类每一个条文的条文的种类（每个种类的风 险都不一样） • 根据条文的种类判断条文的内容的有利方。 对甲方有利 对乙方有利 利益平等 第i条 〇〇〇〇〇〇〇〇〇〇〇〇 第i条 条文种类「保密范围」 无监督学习 监督学习 预测合同的风险① 79% |################################################################################ 但是，我们需要考虑合同文章的“甲” 和“乙”利益相反的这一点。 选BERT等可以考虑到文章的前后关系的 模型。（可是需要大量数据，还要考虑 到可解释性的问题） <解决办法1> <解决办法2> 采取监督学习的模型，做分类问题 预测合同的风险② 92% |####################################################################### section3 • 使用RandomForest分类器(RF)做两种分类 1. 预测条文的种类的multiclass分类 2. 预测条文甲方有利/平等/乙方有利的multiclass分类 • 监督学习 …… Test data 训练好的种类分类模型 训练好的利方分类模型 OUTPUT是 ① 条文的种类 ② 甲方有利、平等、乙方 有利其中一种。 4 总结 人生苦短，快去NLP。

X is purchased by Y X is bought by Y  基于机器学习的关系抽取方法 • 有监督的关系抽取方法（e.g., 基于特征工程的方法，基于核函数的方法，基于神经网络的方法） • 弱监督的关系抽取方法 Distant Supervision（远程监督），即如果两个实体之间存在某种关系，则所有包含这两个实体的句子都 表达了这种关系，这些句子的集合被称为一个“包”。

Ø 泛化能力差 各个击破－第二次建模 • Baseline：检索＋匹配 • 排序（Ranking） Ø 用知识库内的相似问，构造句对训练数 据，训练有监督的模型 Ø 基于通用领域的问答对，构造句对训练 数据，训练通用领域内有监督的模型 Ø 模型融合 Ø 判断（query，question）相关性打分， 返回top n作为最终命中知识点，给出对 应知识点的答案回复用户 • 依赖工具

首先，创建一个JIT函数时，它只有一个base method, 和普通的Python代码差不多，由cython和restrain优 化，性能比Python代码强一些。 Base method里有一个监督器，每一次进入base method的调用，都会计算每一个参数的type id, 所有 参数的typeid组成了一个tuple, 这个tuple被添加到一 个叫jit_call_recorder的尾部。

版本不匹配，你 可以通过点击页面右下角的切换版本按钮来转到适合你版本的教程，或者你可以选择将 Django 升 级到最新版本。如果你还在用 Python 2.7，你将需要对教程中的代码作一些微调，微调内容会被写 在代码的注释里。 你可以查看文档 快速安装指南（zh） 来获得关于移除旧版本，安装新版本的建议。 哪里可以获得帮助： 如果你在阅读或实践本教程中遇到困难，请发消息给 django-users 型的迁移数据，它被储存在 polls/migrations/0001_initial.py 里。别担心，你不需要每次都阅读迁移文件，但是它们被 设计成人类可编辑的形式，这是为了你能手动对它们进行微调。 Django 有一个自动执行数据库迁移并同步管理你的数据库结构的命令 - 这个命令是 migrate， 我们马上就会接触它 - 但是首先，让我们看看迁移命令会执行哪些 SQL 语句。sqlmigrate

失、文字歧义、解 释不清晰、行文结构不合理等问题，请您帮忙修正，以帮助其他读者获取更优质的学习内容。所有撰稿人将被 展示在仓库与网站主页，以感谢他们对开源社区的无私奉献！ 12.2.1. 内容微调 每个页面的右上角都有一个「编辑」图标，你可以按照以下步骤修改文字或代码： 1. 点击编辑按钮，如果遇到提示“需要 Fork 此仓库”，请通过； 2. 修改 Markdown 源文件内容，并检查内容正确性，尽量保持排版格式统一；

失、文字歧义、解 释不清晰、行文结构不合理等问题，请您帮忙修正，以帮助其他读者获取更优质的学习内容。所有撰稿人将被 展示在仓库与网站主页，以感谢他们对开源社区的无私奉献！ 12.2.1. 内容微调 每个页面的右上角都有一个「编辑」图标，你可以按照以下步骤修改文字或代码： 1. 点击编辑按钮，如果遇到提示“需要 Fork 此仓库”，请通过； 2. 修改 Markdown 源文件内容，并检查内容正确性，尽量保持排版格式统一；

字歧义、解释不清晰或行文结构不合理等问题，请协助我们进行修正，以帮助其他读者获得更优质的学习资 源。所有撰稿人将在仓库和网站主页上展示，以感谢他们对开源社区的无私奉献！ 16.2.1. 内容微调 在每个页面的右上角有一个「编辑」图标，您可以按照以下步骤修改文本或代码： 1. 点击编辑按钮，如果遇到“需要 Fork 此仓库”的提示，请同意该操作。 2. 修改 Markdown 源文件内