如何平衡知识结构广度与深度
如何平衡知识结构广度与深度？
近期在思考【知识广度和深度】问题，恰逢他人有这方面的分享，收集整理了下，以供参考吧他人分享1
你感兴趣的东西越多，你能够深入的就越少。你钻研的越深入，你发现感兴趣的东西越多。有点绕，不过有感而发。我想到这句话的时候其核心仍然是想表达知识的深度和广度直接的关系问题，或者说其学习的先后关系和顺序问题。
首先任何一个知识广度的扩展都需要有一个专业性方向的深度的积累，而且这个积累经过了自我的实践，通过实践转化成了知识的经验和方法。如果我们感兴趣的东西太多，而这些方面的内容我们都没有办法进行实践性领悟，那么所有你感兴趣的知识领域你都无法深入去理解和领悟。还是这句话，理论不通过实践很难转化为自我的经验并指导后续的行动。你会发现很多领域你都知道，就是不清楚具体为何得出某些结论？你想深入学习又很难，因很多东西你都没有实践。
人的精力有限，感兴趣的东西越多，每个知识领域上分到的时间自然很少，同时由于很多知识由于没有实践的机会，很多时候学完后很快就会忘记，不会带来太大的效果。只有那些真正实践后的经验是最不容易遗忘的。根据我原来谈到过的，知识的广度往往并不会产生直接的自我增值，知识广度本身是附着在某一个专业深度上的。
所以刚工作的时候，还是以某个专业领域的发展为主，很多东西可以关注，但是不用花太多的时间，一定要将时间用到专业技能的提高上面。工作前面2-3年的学习力最旺盛，只要有足够的兴趣，就有精力刨根究底深入学习，而且这个学习过程是和实践和工作完全结合的，那么学习后就很容易转化我自我经验。如果刚开始工作的时间就挑三拣四或者说换岗太快，沉迷到各种新鲜的工具，语言和技术上面，那么很可能将基础打深入的时间就荒废了。
前面几年过了后，你会发现你钻研的越深入，你有发现感兴趣的东西越多。这是完全正常的情况，任何知识领域在深入到一定的阶段后，必须要有更加广度的知识来支撑。知识本身无边界，很多时候专业性的工作也需要更加复合型的知识结构。这个时候你再去拓展知识的广度就属于完全合理的，这个时候一方面是有知识深入做积累，一方面是在拓展深度过程中遇到的问题来目标驱动广度知识的学习，更加有针对性。在广度知识学习中，你会发现很多内容跟你原来的实践总结很容易触类旁通，容易把原有疑惑的多个离散知识点融合起来。个人认为到了这个阶段最大的成果就是你会发现学习任何新知识都相当容易，基本不会遇到太多太大的困难和障碍。
在学校时更偏知识广度，刚工作阶段则需要在某个专业领域深度上扩展，后续则从深度积累上转到广度的拓展和知识的融合，这是我考虑的一个学习顺序和思路。一开始就感兴趣东西太多，往往错过了自我核心专业技能，也丧失了后续专业深入的机会；后续如果在专业深入遇到瓶颈的时候，又不能想到拓展知识面和视野，往往又在自我能力上举步不前，这是我思考该问题的一个大原因。
他人分享2
谈到个人知识管理的平衡知识结构广度与深度这块儿，有一些个人的体会和感受分享下：
1.深度远比广度重要，因为做到面广相对容易，做到精深却很难。
2.人的时间是有限的，所以真正要平衡的其实是时间分配，或者更本质的是控制注意力。
浅析如下：
为什么深度远远比广度重要？
经济学上看，市场上知识结构单一的人占多数，知识面广的其次，最稀缺的是在某领域知识精深、技艺精湛的人，即专家。专家是天然的市场壁垒，可有效提高组织竞争力、产品质量、利润率、市场占有率等。专家的收入在市场上是最高的，在领域里影响力是最大的，当然要偏向于深度。广度当然也重要，但是属于服务于深度的从属地位。特别是广度增加到一定限度，甚至还会降低个人价值，因为注意力有限。
为什么要平衡时间或注意力分配？
专家稀缺主要原因是因为精力涣散是人的本能，人很难把注意力长时间专注在一个事情上。而要成为一个专家至少需要10年以上的反复练习和经验积累。除非你很幸运，就像乔布斯一样，很早就知道自己喜欢做什么，无论什么样的逆境都不放弃。大多数人关心的是哪里给工资高、福利好去哪里，哪里工作稳定、环境舒适去哪里。今天技术明天销售后天创业，今天国企明天外企后天公务员，不会坚持一个领域做到底，更不会分配好自己的时间。
伟大的量子力学开创者，尼尔斯.玻尔说过：“专家就是那些在很窄的领域把所有能犯的错误都犯了的人！An expert is a person who has made all the mistakes that can be made in a very narrow field. ”但犯错是需要消耗大量时间的，你有多少时间可供挥霍呢？
他人分享3
人的一生可能要经历两个阶段：
阶段一：追求广度并尽量专注某些领域的深度
阶段二：专注有限几个领域的深度，并适当注意广度
在没有找到自己的真正兴趣所在时，可以追求广度，但为了混饭吃，必须有特定领域的深度。找到自己的兴趣后，广度只是为了扩大视野来增加所专注领域的深度而于。
故对大学生而言：大三以前的，可以多追求广度，大三之后，必须深度了。
如果你工作了，就只能深度，再追求广度，可能会走得慢了。
当然，方向这东西真的说不出正确性与否，没有经历过，都没有结论。也许这就是人生的兴趣。但无论如何，请关注：个人知识管理这块儿内容，会受益无穷，少走很多弯路的。
他人分享4
平衡是一种状态，例如工作和生活，这种状态因人而异，但却有共通之处，深度和广度亦是如此。我建议：
1.先深度后广度
2.深度让自己成为专家的程度
3.广度的范围围绕自己所需，不要盲目确定范围。
这个或许可以结合对自我认识和职业规划来确定
4.不断的对自己做自己，是否失去平衡。
判断失去平衡的方法也比较简单，那就是做事时能发现可能深度不够或者广度不够。
以上是他人分享的吧，但对于这个议题或许是仁者见仁智者见智，作为参考学习思考下吧
设计阶段与图纸深度
一、设计阶段的划分 （一）建筑工程设计阶段的划分 1.建筑工程设计应按方案设计、初步设计、施工图设计三个阶段进行。 2.小型或技术简单的建筑工程，经有关主管部门同意，可按方案设计审批后直接转入施工图设计的两阶段进行。 （二）与建筑工程设计文件编制深度有关规和规定 1.建设部[1992]102号文版发的行业技术管理标准《建筑工程设计文件编制深度的规定》（中南建筑主编） 2.市标准DBJ 08-64-97《建筑工程设计文件编制深度规定》（市勘察设计协会主编） （三）设计文件编制原则 设计文件编制必须贯彻国家和地方有关工程建设的政策和法令，应符合国家和地方建筑工程建设标准、设计规（规程）和制图标准，遵守设计工作程序。 各阶段的设计文件应是完整齐全，容深度要符合规定，文字说明和图纸均应表达清晰、准确，整个文件必须经严格校审，减少各种差错。 二、初步设计图纸深度 （一）区域位置图 1.地形和地物； 2.城市坐标网、坐标值； 3.工程场地围的测量座标或尺寸； 4.场地附近原有或规划的交通线路及公用设施，本工程道路、铁路接线点及进入场地的位置、坐标和标高； 5.场地附近河道、水库的名称、位置、主要高程； 6.场地附近大型公共建筑的位置和名称； 7.指北针、风玫瑰图；
8.区域位置图可视工程规模等情况与总平面图合并； 分析中国电信、金融大厦区域位置图。 （二）总平面图 1.地形和地物； 2.测量坐标网、坐标值，场地施工坐标网、坐标值（或标注尺寸），规划红线； 3.建筑物、构筑物、出入口、围墙位置，其中主要建筑物、构筑物的坐标（或相关尺寸）； 4.废旧建筑物的拆除围、相邻建筑物的名称和层数与相邻建筑物的距离、日照阴影图； 5.道路、铁路和排水沟的主要坐标（或相关尺寸）； 6.停车库（场）的车位布置、消防登高场地、绿化及美化设施的布置示意； 7.指北针、风玫瑰； 8.主要技术经济指标和工程量表； 9.说明栏应有尺寸单位、比例、场地施工座标和测量座标的关系、补充图例及必要的说明等。 分析中国电信通信总平面图。 （三）竖向布置图 1.场地施工坐标网、坐标值（或尺寸）； 2.建筑物、构筑物的名称（或编号）、室外设计标高； 3.场地外围的道路、铁路、河渠或地面的关键性标高； 4.道路、铁路、排水沟的起点、峦坡点、转折点和终点等设计标高； 5.用坡面箭头表示地面坡向； 6.指北针； 7.比例、尺寸单位；
注重参与的广度和深度
注重参与的广度和深度培养学生的创 新意识 （一）注重参与的广度，让全体学生运用多种感官参与教学的全过程，实现参与“量”的飞跃。 1、采取多种形式，让全体学生参与学习。素质教育的基本观点是使每个学生在原 有的基础上得到生动活泼的发展，为学生获得终身学习能力打好基础。因此，课堂教学必须采取“合作研讨”、“分层教学”等多种形式，引导全体学生参与学习活动。 2、展示知识的形成，让学生全过程参与学习。教学过程是一个以学生活动为主的动态发展过程。在这一过程中，教师应有意识地创设教学情境，创造条件让学生进行各种实践活动，使学生把握知识的来龙去脉，受到恰当的思维训练，完成知识的“发现”和“获取”过程。教师引导学生通过准备性参与、尝试性参与、理解性参与和巩固性参与，从而达到全程参与的目的。 3、调动多种感官，让学生全方位参与学习。多种感官协同参与学习活动，是最基本的、也是最重要的学习方法之一。读书、计算、操作、推理、判断等任何一项学习都不可能由眼、耳、口、手、脑某一感官独立完成。必须密切合，才能使学习卓有成效。心理学研究也表明：听觉通道的学习，效率只有30%，视觉通道的学习，效率为50%，而复合通道的学习效率可达70—80%。为确保学生的全方位参与，教师在课堂上应给学生提供丰富的、充足的、典型的、较为完整的感性材料，有目的地创设学生活动的空间，放手让学生动手、动口、动脑，使学生在生动活泼的实践中发现、认识、理解、掌握知识，发展自己的认知结构。（二）注重参与的深度，增强学生的独立性、主动性和创造性，实现参与“质”的飞跃。 1、培养自主意识，增强独立性。“独立性”指对自己有信心，相信自己能学好,能通过独立思考来认识和判断问题,对自己的学习结果和策略能作出适当的评价，并进行调控。 2、调动积极因素，增强主动性。“主动性”是指学生在学习时表现出的自觉性、积极性特征的总和。表现为对学习有兴趣，能主动确定较明确的学习目标，主动解决一些实际问题，有积极参与各种教学活动的热情。教学中，教师要创造条件，调动学生的内在积极因素，让学生成为信息的主动摄取者和加工者，以自身的力量去主动作用于教师的教。 （1）创设问题情境，产生认知兴趣，使学生“想学”。培养学生的学习兴趣，是学生主动学习的前提。俄国教育家乌申斯基指出：“没有丝毫兴趣的强制性学习，将会扼杀学生探求真理的欲望。” （2）教给学习方法，具有主动学习能力，使学生“会学”。“会学”是学生侧重于掌握学法，主动探求知识，提出新问题，解决新问题。要想使学生主动听课、积极动脑、学会学习，就必须教给他们科学的学习方法，养成良好的学习习惯，发展他们独立学、思、用的能力，只有这样才能使学生真正喜欢学习、主动学习。 3、注重思维发展，增强创造性。人才最本质的特点在于创造。对学生创造性品格的培养，主要包括创造意识、创造精神、创造思维、创造能力和创造人格的培养等。创造性思维是人的思维品质中最有活力、最有价值的方面。（1）发展学生的发散思维。（2）鼓励学生的直觉思维。
对照课程标准、考纲,如何把握复习中各知识点的深度和广度.
对照课程标准、考纲，如何把握复习中各知识点的深度和广度 必修3部分 1、P5对内稳态中pH的调节的处理： 需结合实例展开讲解，建议此部分可结合原教材复习。 2、P16反射的种类及其比较： 增加反射的种类及其区别：非条件反射、条件反射，从建立时间（先天、后天）、参与的神经中枢（大脑皮层及其以下区域、大脑皮层）、刺激种类（直接刺激、信号刺激）等加以区别。 3、P19神经递质的种类和作用（兴奋、抑制）: 建议介绍教材P19相关信息，并就兴奋性递质和抑制性递质做适当补充。 兴奋性递质：乙酰胆碱（对心肌是抑制性递质），谷氨酸，多巴胺，肾上腺素，去甲肾上腺素，ATP；抑制性递质：5-羟色胺，甘氨酸，γ-氨基丁酸。 4、P20人脑的功能： 适当介绍各种功能区（躯体感觉中枢、躯体运动中枢、各种语言中枢），让学生了解感觉、运动、语言、思维、记忆各功能是如何与结构相适应的。 5、P25血糖调节、P32水盐调节、体温调节的处理： 降低平衡的要求（简单介绍来源去路作为铺垫），侧重调节。其中血糖调节需重新整理调节网络，将胰岛素、胰高血糖素、肾上腺素对血糖浓度的作用都显示上，同时显示拮抗作用和协同作用，具体的可借鉴选修全一册教材。 6、P23动物激素的调节和动物激素在生产中的应用部分的处理： 此部分应该在教材的通过激素的调节部分体现，但此部分教材过于简单，因此需要补充。动物激素的调节部分应有：各种内分泌腺分泌激素的种类和作用、激素的调节、内分泌异常引起的病症及其治疗方法；动物激素在生产中的应用：催肥、促进产卵等的介绍及对人类生产生活的影响。 7、P35人体免疫系统在维持稳态中的作用的处理： 应从免疫系统的组成、免疫系统的功能两大方面展开。免疫系统的功能从防卫、监控、清除几方面加以展开，其中防卫功能又分为正常防卫（教材中介绍的非特异性免疫和重点介绍的两种特异性免疫）和异常防卫（防卫过当——自身免疫病和防卫不足——免疫缺陷病），此部分建议按照原教材进行整理。在免疫缺陷病部分，详细介绍艾滋病的发病机理、症状、传播途径及预防措施,并结合所学的知识引导周围的人远离艾滋病。 8、P50生长素的生理作用的处理： 教材对此部分的介绍过于简单，此处需要补充：促进果实发育（无子果实的产生）（可按照原必修第一册教材补充介绍）。
6个方面分析知识图谱的价值和应用
6个方面分析知识图谱的价值和应用 知识对于人工智能的价值就在于，让机器具备认知能力和理解能力。构建知识图谱这个过程的本质，就是让机器形成认知能力，理解这个世界。一、知识图谱无处不在说到人工智能技术，人们首先会联想到深度学习、机器学习技术；谈到人工智能应用，人们很可能会马上想起语音助理、自动驾驶等等，各行各业都在研发底层技术和寻求AI场景，却忽视了当下最时髦也很重要的AI技术：知识图谱。当我们进行搜索时，搜索结果右侧的联想，来自于知识图谱技术的应用。我们几乎每天都会接收到各种各样的推荐信息，从新闻、购物到吃饭、娱乐。个性化推荐作为一种信息过滤的重要手段，可以依据我们的习惯和爱好推荐合适的服务，也来自于知识图谱技术的应用。搜索、地图、个性化推荐、互联网、风控、银行……越来越多的应用场景，都越来越依赖知识图谱。二、知识图谱与人工智能的关系知识图谱用节点和关系所组成的图谱，为真实世界的各个场景直观地建模。通过不同知识的关联性形成一个网状的知识结构，对机器来说就是图谱。形成知识图谱的过程本质是在建立认知、理解世界、理解应用的行业或者说领域。每个人都有自己的知识面，或者说知识结构，本质就是不同的知识图谱。正是因为有获取和形成知识的能力，人类才可以不断进步。知识图谱对于
人工智能的重要价值在于，知识是人工智能的基石。机器可以模仿人类的视觉、听觉等感知能力，但这种感知能力不是人类的专属，动物也具备感知能力，甚至某些感知能力比人类更强，比如：狗的嗅觉。而“认知语言是人区别于其他动物的能力，同时，知识也使人不断地进步，不断地凝练、传承知识，是推动人不断进步的重要基础。”知识对于人工智能的价值就在于，让机器具备认知能力。而构建知识图谱这个过程的本质，就是让机器形成认知能力，去理解这个世界。 三、图数据库知识图谱的图存储在图数据库（Graph Database）中，图数据库以图论为理论基础，图论中图的基本元素是节点和边，在图数据库中对应的就是节点和关系。用节点和关系所组成的图，为真实世界直观地建模，支持百亿量级甚至千亿量级规模的巨型图的高效关系运算和复杂关系分析。目前市面上较为流行的图数据库有：Neo4j、Orient DB、Titan、Flock DB、Allegro Graph等。不同于关系型数据库，一修改便容易“牵一发而动全身”图数据库可实现数据间的“互联互通”，与传统的关系型数据库相比，图数据库更擅长建立复杂的关系网络。图数据库将原本没有联系的数据连通，将离散的数据整合在一起，从而提供更有价值的决策支持。四、知识图谱的价值知识图谱用节点和关系所组成的图谱，为真实世界的各个场景直观地建模，运用“图”这种基础性、通用性的“语言”，“高保真”地表达这个多姿多彩世界的各种
深度优先与广度优先
深度优先搜索和广度优先搜索的比较 （一）深度优先搜索的特点是： （1）从上面几个实例看出，可以用深度优先搜索的方法处理的题目是各种各样的。有的搜索深度是已知和固定的，如例题2-4，2-5，2-6；有的是未知的，如例题2-7、例题2-8；有的搜索深度是有限制的，但达到目标的深度是不定的。 但也看到，无论问题的内容和性质以及求解要求如何不同，它们的程序结构都是相同的，即都是深度优先算法（一）和深度优先算法（二）中描述的算法结构，不相同的仅仅是存储结点数据结构和产生规则以及输出要求。 （2）深度优先搜索法有递归以及非递归两种设计方法。一般的，当搜索深度较小、问题递归方式比较明显时，用递归方法设计好，它可以使得程序结构更简捷易懂。当搜索深度较大时，如例题2-5、2-6。当数据量较大时，由于系统堆栈容量的限制，递归容易产生溢出，用非递归方法设计比较好。 （3）深度优先搜索方法有广义和狭义两种理解。广义的理解是，只要最新产生的结点（即深度最大的结点）先进行扩展的方法，就称为深度优先搜索方法。在这种理解情况下，深度优先搜索算法有全部保留和不全部保留产生的结点的两种情况。而狭义的理解是，仅仅只保留全部产生结点的算法。本书取前一种广义的理解。不保留全部结点的算法属于一般的回溯算法范畴。保留全部结点的算法，实际上是在数据库中产生一个结点之间的搜索树，因此也属于图搜索算法的范畴。 （4）不保留全部结点的深度优先搜索法，由于把扩展望的结点从数据库中弹出删除，这样，一般在数据库中存储的结点数就是深度值，因此它占用的空间较少，所以，当搜索树的结点较多，用其他方法易产生内存溢出时，深度优先搜索不失为一种有效的算法。 （5）从输出结果可看出，深度优先搜索找到的第一个解并不一定是最优解。例如例题2-8得最优解为13，但第一个解却是17。 如果要求出最优解的话，一种方法将是后面要介绍的动态规划法，另一种方法是修改原算法：把原输出过程的地方改为记录过程，即记录达到当前目标的路径和相应的路程值，并与前面已记录的值进行比较，保留其中最优的，等全部搜索完成后，才把保留的最优解输出。 二、广度优先搜索法的显著特点是： （1）在产生新的子结点时，深度越小的结点越先得到扩展，即先产生它的子结点。为使算法便于实现，存放结点的数据库一般用队列的结构。 （2）无论问题性质如何不同，利用广度优先搜索法解题的基本算法是相同的，但数据库中每一结点内容，产生式规则，根据不同的问题，有不同的内容和结构，就是同一问题也可以有不同的表示方法。 （3）当结点到跟结点的费用（有的书称为耗散值）和结点的深度成正比时，特别是当每一结点到根结点的费用等于深度时，用广度优先法得到的解是最优解，但如果不成正比，则得到的解不一定是最优解。这一类问题要求出最优解，一种方法是使用后面要介绍的其他方法求解，另外一种方法是改进前面深度（或广度）优先搜索算法：找到一个目标后，不是立即退出，而是记录下目标结点的路径和费用，如果有多个目标结点，就加以比较，留下较优的结点。把所有可能的路径都搜索完后，才输出记录的最优路径。 （4）广度优先搜索算法，一般需要存储产生的所有结点，占的存储空间要比深度优先大得多，因此程序设计中，必须考虑溢出和节省内存空间得问题。
景观设计各阶段图纸深度要求
看看别人怎么写” 关于网站上发任务时候的参考 一、大类 策划方案 设计概念方案 施工图设计 二、具体说明 策划方案 策划方案包括一下内容 序言/前言 市场分析、市场背景 项目优劣势分析市场战略/推广策略/广告或促销策略广告促销文案 促销计划 费用预算 前景预测/ 效果评估 设计概念方案要求； 1．设计主题：通常以文字说明的形式出现。设计主题阐述设计师对地块、
规划的理解及建议，详细表明如何利用各种设计手法满足投资者、使用者的要求和满足国家及地方的有关政策要求。 2．彩色总平面布置图。根据功能的要求，图中应注明：指北针、文字说明、地块分区、节点名称等。 3．重要节点透视图、复杂关系剖面图。 4．结构分析图。交通、消防、照明、植物等场地分析。 5．提示图。小品、园路、提示牌、灯具、材料等照片。 施工图设计 施工图设计是整个图纸设计过程的最后一个步骤。图纸的编制必须符合国家有关制图规范，设计必须符合国家建设工程相关规范及强制性条文，电子文件格式必须符合我公司有关规定。 1．图纸目录。详细表达项目编号、项目名称、设计文件编号及名称等。2．设计说明。园建、植栽、结构、给排水、电气等各专业关于施工注意事项的详细说明。 3．总平面定位图。应注明园路、广场标高，等高线及标高，网格放样，分区，节点索引等。应注明指北针及设计范围线。 4．总平面铺装图。控制硬质铺装部分，包括铺装索引。 5．各分区平面定位图，铺装图等。（根据地块大小、复杂程度等决定）6．重要节点如：水池、小溪、小桥、驳岸、平台、亭、廊、景墙、挡墙、花池、踏步、栏杆、围墙、车库出入口等平、立、剖面图。上述节点细部构造、结构做法等。
深度剖析——学习中如何进行基础知识深度掌握
深度剖析——学习中如何进行基础知识深度掌握 但凡成绩优异者，问其经验，都会说：狠抓基础。但是 对基础一词，如何去理解？大多数学生对于基础的认知仅仅停留在课本上或者辅材上的黑体加重部分。确实这一部分的知识是重点不假，但是对于这些重点如何掌握，也是判定基础是否扎实的标准。 有的学生认为记住了，就说明掌握了；有的学生认为会用了，就说明掌握了。正是因为这种对基础模棱两可的判断标准，就导致了学生对于基础掌握无法做出科学理性的判定。 现象分析 我们来分析这样一种现象：基础知识自己能够记住，基础知识自己也能够理解，但是一旦将基础进行到了实际应用中 做题）的时候，就会发现用不起来、用起来很别扭、用起来特别容易出错。 很多学生认为：这是做题少的缘故。 确实，练习能够有效的缓解难用的现象，但是仅仅靠练习，是不能让自己有信心从容地面对所涉及知识点的应用的。 究其根本，学生需要对基础知识是否有深度的理解。 举个例子：在初中和高中都会讲到立体几何，随便问问周边的10 个同学，就有那么三两个同学明确的告诉你，立体几
何很简单。但是还是有大部分同学对此感觉非常吃力。 眼光重点关注在什么地方，就决定了学生对于此知识的理解深度。一维的线关注点；二维的面关注线；三维的体关注面。 所以对点线面的重点观察，则是学好立体几何的关键。 基于这样的思想，在立体几何中，三视图和直观图，以及点线面的位置关系，就变成了极其简单的知识点。 直观图T三视图或者三视图T直观图无非就是关注核心的点，关键的线，重要的面。基于点知道了大概结构；基于线知道了它的具体形状；基于面知道了它的特殊性具体的就语音讲吧，“福聿学习之道辅导”平台里有，喜马 拉雅里也有，写还不知道也写多少字。 其实举这样一个例子,无非就是告诉大家, 在学基础的时候, 不仅仅是做表面文章，还需要对知识进行深度理解。 由概念衍生出知识点，这是学习的过程; 将知识点融入概念，这是一个掌握过程; 根据知识点总结应用方向这是熟练过程; 由知识点衍生掌握和应用技巧，这是创新的过程。 而这一系列的过程都属于基础知识的范畴。 举例过程，还是得借助录音，要不然文字阐述就过于啰嗦了。 所以但凡老师都是将基础看得特别重，因为老师的成长经历和教学经验让老师都有这样的感悟：没有基础，没有高分。 学生对于基础的轻视，在于学生对“什么是基础”的理解不够透彻。老师
知识图谱发展报告(2018)
前言 1.知识图谱的研究目标与意义 知识图谱（Knowledge Graph）以结构化的形式描述客观世界中概念、实体及其关系，将互联网的信息表达成更接近人类认知世界的形式，提供了一种更好地组织、管理和理解互联网海量信息的能力。知识图谱给互联网语义搜索带来了活力，同时也在智能问答中显示出强大威力，已经成为互联网知识驱动的智能应用的基础设施。知识图谱与大数据和深度学习一起，成为推动互联网和人工智能发展的核心驱动力之一。 知识图谱技术是指知识图谱建立和应用的技术，是融合认知计算、知识表示与推理、信息检索与抽取、自然语言处理与语义Web、数据挖掘与机器学习等方向的交叉研究。知识图谱于2012年由谷歌提出并成功应用于搜索引擎，知识图谱属于人工智能重要研究领域——知识工程的研究范畴，是利用知识工程建立大规模知识资源的一个杀手锏应用。94年图灵奖获得者、知识工程的建立者费根鲍姆给出的知识工程定义——将知识集成到计算机系统从而完成只有特定领域专家才能完成的复杂任务。在大数据时代，知识工程是从大数据中自动或半自动获取知识，建立基于知识的系统，以提供互联网智能知识服务。大数据对智能服务的需求，已经从单纯的搜集获取信息，转变为自动化的知识服务。我们需要利用知识工程为大数据添加语义/知识，使数据产生智慧（smart data），完成从数据到信息到知识，最终到智能应用的转变过程，从而实现对大数据的洞察、提供用户关心问题的答案、为决策提供支持、改进用户体验等目标。知识图谱在下面应用中已经凸显出越来越重要的应用价值： -知识融合：当前互联网大数据具有分布异构的特点，通过知识图谱可以对这些数据资源进行语义标注和链接，建立以知识为中心的资源语义集 成服务； -语义搜索和推荐：知识图谱可以将用户搜索输入的关键词，映射为知识图谱中客观世界的概念和实体，搜索结果直接显示出满足用户需求的结 构化信息内容，而不是互联网网页； -问答和对话系统：基于知识的问答系统将知识图谱看成一个大规模知识库，通过理解将用户的问题转化为对知识图谱的查询，直接得到用户关 心问题的答案； -大数据分析与决策：知识图谱通过语义链接可以帮助理解大数据，获得对大数据的洞察，提供决策支持。
建筑设计阶段与出图深度(二)要点
建筑设计阶段与出图深度（二） 6．电梯大样图 （1）电梯基坑和各层井道平面大样图，包括电梯编号、墙、柱、电梯门洞、电梯轿箱和平衡重，轴线、轴线编号、轴线尺寸、井道尺寸（宽和深）、预留门洞尺寸、井道壁厚尺寸和材料、基坑标高、各层楼层电梯厅标高； （2）电梯机房平面图大样图，包括墙、柱、门、窗、幕墙、机房名称电梯井道位置、电梯编号、电梯机房净尺寸、电梯机房、尺寸与井道位置的关系尺寸、电梯机房标高； （3）剖面大样图，包括电梯井道壁、电梯门洞、电梯厅楼地面、电梯基坑底板、电梯机房楼面和顶面、门窗、幕墙、消防电梯集水井、各层层名和标高、电梯机坑标高、各层层高尺寸、基坑深度尺寸、缓冲层高度尺寸、提升高度尺寸、预留门洞高度尺寸； （4）电梯选用说明，包括选用依据、电梯编号和名称、类型和控制方式、载重量、速度、轿箱尺寸、井道尺寸、基坑深度、缓冲层高度、提升高度、停站层数、主站位置、电梯门尺寸、电梯门土建预留门洞尺寸、电梯轿箱、厅门和门套装修要求； （5）以上（1）～（4）相当于电梯招标图深度，待电梯承包商提供电梯土建工艺资料后，需补充电梯机房牵引机支架、控制柜、分体空调、排风扇布置位置和留洞图，电梯门洞牛腿节点详图，门框埋件图，呼唤钮和层显留洞图，电梯基坑检修梯，消防电梯集水井和排水口，电梯门框装修节点。 分析同济大学医学院主楼电梯大样图。 7．卫生间大样图 卫生间平面大样图，包括墙、柱、门窗、幕墙隔间布置、卫生器具布置、管道井排气道、轴线、轴线编号、轴线尺寸、卫生间净尺寸、隔间尺寸、卫生器具布置尺寸，地坪标高、地面坡度和坡向、地漏位置、地坪与走道高差、管道井挡水翻口、房间名称。 分析同济大学医学院主楼卫生间大样图。 8．门窗大样、门窗表 （1）门窗大样图包括门窗编号、门窗框和分格、材料、开启方向、洞口尺寸及分格尺寸，复杂门窗增加平面图； （2）门窗表包括类别、编号、洞口尺寸、每层数量和总数量、选用或参考图集和说明。 分析同济大学医学院主楼门窗大样图。 9．建筑幕墙 设计人员应会同业主认真选定有资质的幕墙专业公司，并提出设计要求： （1）幕墙所选用的结构形式和材料； （2）幕墙立面分格图，开启窗、开扇方式、进排风口； （3）装饰构件的断面形式和尺寸； （4）确定和检测幕墙的风压变形、空气渗透、雨水渗透的性能值；
把传统的贝叶斯因果网络和知识图谱,与深度强化学习融合
把传统的贝叶斯因果网络和知识图谱，与深度强化学习融合 DeepMind联合谷歌大脑、MIT等机构27位作者发表重磅论文，提出“图网络”（Graph network），将端到端学习与归纳推理相结合，有望解决深度学习无法进行关系推理的问题。作为行业的标杆，DeepMind的动向一直是AI业界关注的热点。最近，这家世界最顶级的AI实验室似乎是把他们的重点放在了探索“关系”上面，6月份以来，接连发布了好几篇“带关系”的论文，比如： 关系归纳偏置（Relational inductive bias for physical construction in humans and machines）关系深度强化学习（Relational Deep Reinforcement Learning） 关系RNN（Relational Recurrent Neural Networks） 论文比较多，但如果说有哪篇论文最值得看，那么一定选这篇——《关系归纳偏置、深度学习和图网络》。 这篇文章联合了DeepMind、谷歌大脑、MIT和爱丁堡大学的27名作者（其中22人来自DeepMind），用37页的篇幅，对关系归纳偏置和图网络（Graph network）进行了全面阐述。 DeepMind的研究科学家、大牛Oriol Vinyals颇为罕见的在Twitter上宣传了这项工作（他自己也是其中一位作者），并表示这份综述“pretty comprehensive”。 有很不少知名的AI学者也对这篇文章做了点评。 曾经在谷歌大脑实习，从事深度强化学习研究的Denny Britz说，他很高兴看到有人将图（Graph）的一阶逻辑和概率推理结合到一起，这个领域或许会迎来复兴。 芯片公司Graphcore的创始人Chris Gray评论说，如果这个方向继续下去并真的取得成果，那么将为AI开创一个比现如今的深度学习更加富有前景的基础。
上海市标准的设计阶段与出图深度要28页word
上海市标准的设计阶段与出图深度要求 标签：上海市标准的设计阶段与出图深度要求设计管理项目管理 上海市标准的设计阶段与出图深度初步研 内容提要： 1．设计阶段的划分 2．初步设计深度的有关规定 3．施工图设计深度的有关规定 4．设计说明的编制方法 5．实例讲解 6．关于施工配合 7．自由提问 一、设计阶段的划分 （一）建筑工程设计阶段的划分 1．建筑工程设计应按方案设计、初步设计、施工图设计三个阶段进行。
2．小型或技术简单的建筑工程，经有关主管部门同意，可按方案设计审批后直接转入施工图设计的两阶段进行。 （二）与建筑工程设计文件编制深度有关规范和规定 1．建设部[1992]102号文版发的行业技术管理标准《建筑工程设计文件编制深度的规定》（中南建筑设计院主编） 2．上海市标准DBJ 08-64-97《建筑工程设计文件编制深度规定》（上海市勘察设计协会主编） （三）设计文件编制原则 设计文件编制必须贯彻国家和地方有关工程建设的政策和法令，应符合国家和地方建筑工程建设标准、设计规范（规程）和制图标准，遵守设计工作程序。 各阶段的设计文件应是完整齐全，内容深度要符合规定，文字说明和图纸均应表达清晰、准确，整个文件必须经严格校审，减少各种差错。 二、初步设计图纸深度 （一）区域位置图 1．地形和地物； 2．城市坐标网、坐标值；
3．工程场地范围的测量座标或尺寸； 4．场地附近原有或规划的交通线路及公用设施，本工程道路、铁路接线点及进入场地的位置、坐标和标高； 5．场地附近河道、水库的名称、位置、主要高程； 6．场地附近大型公共建筑的位置和名称； 7．指北针、风玫瑰图； 8．区域位置图可视工程规模等情况与总平面图合并； （二）总平面图 1．地形和地物； 2．测量坐标网、坐标值，场地施工坐标网、坐标值（或标注尺寸），规划红线； 3．建筑物、构筑物、出入口、围墙位置，其中主要建筑物、构筑物的坐标（或相关尺寸）； 4．废旧建筑物的拆除范围、相邻建筑物的名称和层数与相邻建筑物的距离、日照阴影图； 5．道路、铁路和排水沟的主要坐标（或相关尺寸）；
深度学习基础地的知识整理
深度学习基础知识整理 Without deviation from the norm，progress is not possible（不偏离常规，就无法取得进步-Frank Zappa）
第一课：数学分析与概率论 Taylor展式及其应用、凸函数、jensen不等式、常见分布与共轭分布 第二课：数理统计与参数估计 Chebyshev不等式、大数定理、小数定理、中心极值定理、矩阵计算、最大似然估计 第三课:矩阵和线性代数 从马尔克夫模型看矩阵、特征向量、对称矩阵、线性方程 第四课:凸优化 凸函数、共轭函数、凸优化、Lagrange对偶函数 第五课：回归 高斯分布、Logistic回归、梯度下降、特征选择与过拟合欠拟合关系 应用方向：线性回归、Logistic回归实现和分析 第六课：梯度下降与拟牛顿法
梯度下降算法、自适应学习率、拟牛顿、LBFGS 应用方向：自适应学习率代码实现和参数调试分析 第七课：最大熵模型 熵、相对熵、信息增益、最大熵模型、Softmax回归 应用方向：独立成分分析ICA求解盲源分离BBS问题 第八课：决策树和随机森林（蒙特卡罗）ID3、C4.5、CART、Bagging 研究方向:使用随机森林进行数据分类（蒙特卡洛） 第九课：SVM 线性可分支持向量机、软间隔、核函数、SMO 研究方向：使用SVM进行数据分类 第十课：聚类 K-means/K-Medoids、密度聚类、谱聚类、 应用方向：K-means、谱聚类代码实现和参数调试分析
第十一课：推荐系统 相似度量方案、协同过滤（User-based/ltem-based）、PCA/SVD、随机游走 应用方向：协同过滤用于商品推荐、SVD隐变量的推荐 第十二课：提升 梯度提升决策树GBDT、Adaboost、前向分步算法 应用方向：Adaboost与随机森林（蒙特卡洛）结合、用于数据分类 第十三课：EM算法和GMM EMM算法、GMM、主题模型pLSA 应用方向：分解部分观测数据的男女身高、图像分解 第十四课：普斯贝叶斯和贝叶斯网络初步 有向分离、（隐）马尔科夫模型HMM 第十五课：主题模型用EM算法计算pLSA、Dirichiet分布、LDA、Gibbs采样
(完整版)领域应用知识图谱的技术和应用
领域应用 | 知识图谱的技术与应用 本文转载自公众号：贪心科技。 领域应用 | 知识图谱的技术与应用 李文哲开放知识图谱 1周前 本文转载自公众号：贪心科技。 作者 | 李文哲，人工智能、知识图谱领域专家 导读：从一开始的Google搜索，到现在的聊天机器人、大数据风控、证券投资、智能医疗、自适应教育、推荐系统，无一不跟知识图谱相关。它在技术领域的热度也在逐年上升。本文以通俗易懂的方式来讲解知识图谱相关的知识、尤其对从零开始搭建知识图谱过程当中需要经历的步骤以及每个阶段需要考虑的问题都给予了比较详细的解释。对于读者，我们不要求有任何AI相关的背景知识。 目录： 1.概论 2.什么是知识图谱 3.知识图谱的表示 4.知识抽取 5.知识图谱的存储 6.金融知识图谱的搭建 1.定义具体的业务问题 2.数据收集 & 预处理 3.知识图谱的设计 4.把数据存入知识图谱 5.上层应用的开发 7.知识图谱在其他行业中的应用 8.实践上的几点建议 9.结语 1. 概论
随着移动互联网的发展，万物互联成为了可能，这种互联所产生的数据也在爆发式地增长，而且这些数据恰好可以作为分析关系的有效原料。如果说以往的智能分析专注在每一个个体上，在移动互联网时代则除了个体，这种个体之间的关系也必然成为我们需要深入分析的很重要一部分。在一项任务中，只要有关系分析的需求，知识图谱就“有可能”派的上用场。 2. 什么是知识图谱？ 知识图谱是由Google公司在2012年提出来的一个新的概念。从学术的角度，我们可以对知识图谱给一个这样的定义：“知识图谱本质上是语义网络（Semantic Network）的知识库”。但这有点抽象，所以换个角度，从实际应用的角度出发其实可以简单地把知识图谱理解成多关系图（Multi-relational Graph）。 那什么叫多关系图呢？学过数据结构的都应该知道什么是图（Graph）。图是由节点（Vertex）和边（Edge）来构成，但这些图通常只包含一种类型的节点和边。但相反，多关系图一般包含多种类型的节点和多种类型的边。比如左下图表示一个经典的图结构，右边的图则表示多关系图，因为图里包含了多种类型的节点和边。这些类型由不同的颜色来标记。
谈语文课的广度与深度
谈语文课的深度与广度 河南省滑县实验学校李竹梅 近段，学校正在进行观课议课，优秀教师示范课，接着是各位教师公开课，做课中的同课异构，虽说教学重难点相同，但教学方法不同，预设内容不同，学生不同，课堂生成当然更有意料之外的惊喜，课堂犹如百花盛开，精彩纷呈。活动给老师们带来了交流进步的机会，参与做课、观课议课的老师，彼此都得到了提高。 不管是参与观课议课活动中的授课，还是我们平时的授课，借着观课议课过程中的思考，我想从课堂的广度和深度和大家交流一下。 《从百草园到三味书屋》（人教版七年级上册第9课），这是鲁迅先生经典名篇，作者笔下的百草园生机勃勃、情趣盎然。鲁迅离开家乡20年多后，为什么他会觉得百草园是如此美丽？如此迷人呢？对三味书屋的先生和生活记忆也如此清晰呢？如果我们没有联系到鲁迅先生的《朝花夕拾》，这些话难免有些苍白，在走进主题的环节，不妨走近中年的鲁迅： 作者在《朝花夕拾·小引》中说，十篇中，前两篇写于北京寓所的东壁下；中三篇是流离所作。（北洋军阀政府曾拟通缉当时北京文教界人士鲁迅等五十人，因此作者先后避居山本医院、德国医院、法国医院等处。）地方时医院和木匠房；后五篇却在厦门大学的图书馆的楼上，已经是被学者们挤出集团之后了。《从百草园到三味书屋》是第六篇，鲁迅写这篇文章的时候，是1926年的9月18日，
是在厦门大学图书馆的阁楼上。我们来听听鲁迅的心声：我常想在纷扰中寻出一点闲静来，然而委实不容易。目前是这么离奇，心里是这么芜杂。一个人做到只剩了回忆的时候，生涯大概总要算是无聊了罢，但有时竟会连回忆也没有。 …… 《朝花夕拾》。带露折花，色香自然要好得多，但是我不能够。便是现在心目中的离奇和芜杂，我也还不能使他即刻幻化，转成离奇和芜杂的文章。或者，他日仰看流云时，会在我的眼前一闪烁罢。 我有一时，曾经屡次忆起儿时在故乡所吃的蔬果：菱角、罗汉豆、茭白、香瓜。凡这些，都是极其鲜美可口的；都曾是使我思乡的蛊惑。后来，我在久别之后尝到了，也不过如此；唯独在记忆上，还有旧来的意味存留。他们也许要哄骗我一生，使我时时反顾。 …… ——《朝花夕拾·小引》 鲁迅写《从百草园到三味书屋》，他是渴望回到自己的童年，回到自己的家，他用自己的手中的笔，拨亮童年的那一盏灯，站在厦门大学图书馆的阁楼上，童年的一草一木，一花一虫，在鲁迅看来是如此的美好、难忘。 这就是四十六岁的鲁迅先生的真实心境。这些生动俏皮的文字，打开了严肃庄重的鲁迅先生的童年之窗，在这儿，我们发现了另一道风景：灿烂的春光中有童真，无味的冬天里也有童趣；自由的玩耍中
打破定性思维_培养思维深度广度
打破定性思维_培养思维深度广度 定性思维把事物的量与质统一起来，明确事物规定性的思想过程。下面就是小编给大家带来的培养学生思维深度广度的方法，希望能帮助到大家! 培养学生思维深度广度的方法 1 想要培养学生的思维深度和广度的话，我们需要在教育学生的时候，超前进行教育，一般来说，也就是如果是一年级的学生，我们在教育的时候，可以时不时带着说一些二年级的知识，这样是可以提高学生的思维深度和广度的。 2 培养学生思维深度广度的方法 想要培养学生的思维深度和广度的话，我们还需要经常性的提出一些问题，让学生自主的进行思考，当他们进行思考后，往往会遇到很多问题，这样是可以培养学生对于问题的思维深度和广度的，因为他们会不断的思考，在这其中，我们需要给予一定的帮助。 培养学生思维深度广度的方法 3 想要培养学生的思维深度和广度的话，我们需要经常加以引导，这个往往最好选择在室外进行授课，很多时候，学生的思维往往是需要引导的，因为他们的思维方式往往相对来是比较简单，深度不足，更别说广度了，当我们进行引导思维后，往往也就容易培养出他们思维的深度和广度。 培养学生思维深度广度的方法 4 想要培养学生的思维深度和广度的话，我们还需要经常性的给予学生们看一些图文书籍，这些图文书籍也是可以帮助学生们培养出思维的深度和广度的，因为图文对于学生们的吸引力还是比较大的，往往可以让他们沉浸进去，从而培养出思维的深度和广度。 培养学生思维深度广度的方法 5
想要培养学生的思维深度和广度的话，我们还需要经常让学生处于疑问的状态， 这样会让他们不断的进行思考，他们不知道的，会先进行思考，之后才会尝试寻找到 答案，这种方法也是非常好的，因为这样是容易让他们培养出思维的深度和广度的。 培养学生思维深度广度的方法 6 想要培养学生的思维深度和广度的话，在学生说出很多错误答案的时候，我们需 要告知正确的答案，当他们说的答案是错误的时候，我们也需要给予足够的赞赏，这 样也是培养他们思维深度和广度的好方法之一，是非常不错的。 如何打破固定思维 生活中，每个人的思维模式都是不一样的。可是大部分人的思维模式都是固定式 思维模式。这个与人们的生活环境，成长环境，受教育的模式，个人经历等都有很大 的关系。固定思维模式是一种自我保护式的思维模式，这是长期以来形成的思维习惯。可是现实生活中，那些取得比较大的成就的人，往往思维模式比较独特，看问题的角 度也是与众不同。那么，我们应该如何打破固定思维模式呢? 打破固定思维模式 首先，要有意识地去尝试新鲜的事物。人们都有一个特点，针对新事物，往往一 开始是看不惯的，也不愿意去尝试，一般都是等普及了以后再去做，这也是一种自我 保护的本能，怕上当。就像淘宝刚开始出来的时候，很少有人相信可以在网上买卖东西，不会轻易的尝试，那些前期尝试的人，往往都赚到了大钱。 打开思维 其次，常常让大脑进入深度思考。人的大脑就像人一样不喜欢深度思考，喜欢浅 层次的思考问题，往往很多错误的决策都是浅层次思考决策的结果。比如，冲动导致 犯错，事后又后悔就是典型的代表。只有深度思考，才能慢慢的发现事物的本质，才 会接近事物的真相，才不至于作出离谱的选择。 深度思考 最后，进行学习训练，像高人学习。其实打破固定思维模式，是可以通过学习训 练的。通过学习新的思维模式，接触新的事物，结交不同思维的人，对自己的影响应 该还是很大的。为什么很多人经过跟高手学习几年后，以前是穷困潦倒，后来发家致 富了。很大程度上是思维模式发生了转变，又遇上了比较好的机会，从而实现了人生 的华丽转变。
知识的深度与广度
你感兴趣的东西越多，你能够深入的就越少。你钻研的越深入，你有发现感兴趣的东西越多。有点绕，不过有感而发。我想到这句话的时候其核心仍然是想表达知识的深度和广度直接的关系问题，或者说其学习的先后关系和顺序问题。 首先任何一个知识广度的扩展都需要有一个专业性方向的深度的积累，而且这个积累经过了自我的实践，通过实践转化为了知识的经验和方法。如果我们感兴趣的东西太多，而这些方面的内容我们都没有办法进行实践性领悟，那么所有你感兴趣的知识领域你都无法深入去理解和领悟。还是这句话，理论不通过实践很难转化为自我的经验并指导后续的行动。你会发现很多领域你都知道，就是不清楚具体为何得出某些结论？你想深入学习又很难，很多东西你没有实践机会。 人的精力有限，感兴趣的东西越多，每个知识域上分到的时间自然很少，同时由于很多知识由于没有实践的机会，很多时候学完后很快就会忘记，不会带来太大的机制。只有真正实践后的经验是最不容易遗忘的。根据我原来谈到过的，知识的广度往往并不会产生直接的自我增值，知识广度本身是附着在某一个专业深度上的。 所以刚工作的时候，还是以某个专业领域的发展为主，很多东西可以关注，但是不用花太多的时间，一定要将时间用到专业技能的提高上面。工作前面2-3年的学习力最旺盛，只要有足够的兴趣，就有精力刨根究底深入学习，而且这个学习过程是和实践和工作完全结合的，那么学习后就很容易转化我自我经验。如果刚开始工作的时间就挑三拣四或者说换岗太快，沉迷到各种新鲜的工具，语言和技术上面，那么很可能将基础打深入的时间就荒废了。 前面几年过了后，你会发现你钻研的越深入，你有发现感兴趣的东西越多。这是完全正常的情况，任何知识领域在深入到一定的阶段后，必须要有更加广度的知识来支撑。知识本身无边界，很多时候专业性的工作也需要更加复合型的知识结构。这个时候你再去拓展知识的广度就属于完全合理的，这个时候一方面是有知识深入做积累，一方面是在拓展深度过程中遇到的问题来目标驱动广度知识的学习，更加有针对性。在广度知识学习中，你会发现很多内容跟你原来的实践总结很容易触类旁通，容易把原有疑惑的多个离散知识点融合起来。个人认为到了这个阶段最大的成果就是你会发现学习任何新知识都相当容易，基本不会遇到太多太大的困难和障碍。 在学校更偏知识广度，刚工作阶段则需要在某个专业领域深度上扩展，后续则从深度积累上转到广度的拓展和知识的融合，这是我考虑的一个学习顺序和思路。一开始就感兴趣东西太多，往往错过了自我核心专业技能，也丧失了后续专业深入的机会；后续如果在专业深入遇到瓶颈的时候，又不能想到拓展知识面和视野，往往又在自我能力上举步不前，这是我思考该问题的一个大原因。
思维的深度与理解的宽度
思维的深度与理解的宽度 要引导学生集中精力来思考问题。“未来的教育应当充分地彰显人与动物的最大区别，会的不要教，要教的是不会的。人与动物最本质的区别是什么呢？我认为是人有想象能力、抽象能力，而动物没有。”10月20日于杭州举行的首届中国小学数学教育峰会上，义务教育《数学课程标准(实验稿)》修订组组长、东北师范大学校长史宁中从追溯教育的本原开始，进行了他激情澎湃的演讲。“小学那点知识不到半年就学会了，为什么要用6年的时间来学习呢？就是要培养能力。”他进而发问：“教育是干什么用的呢?”“是要培养素质的。什么素质？向上的精神，学习的兴趣，创造的激情，社会的责任感。”他认为，一个优秀的教师最根本的表现，就是他教的孩子愿不愿意读书。“这次修改课标，对一堂好课也进行了界定。好课除了要传授知识，还要培养学生学习的兴趣和良好的学习习惯。”在常人看来，良好的学习习惯无非就是课前预习、上课认真听讲、课后复习。但是史宁中校长认为，良好的学习习惯绝不是这些。 “孩子的学习兴趣很大程度上在于他的好奇心，小孩子提前预习过了，他到学校还听不听讲？好奇心没有了，你怎么去激发他的兴趣？而且孩子的判断能力不是很强，他都不知道他懂没懂，其实没懂，他以为他懂了，又不听老师讲课了，这知识不就夹生了吗？ “我觉得良好的学习习惯第一条就是集中精力。我带了很多博士生，有些人思考就是不深人，后来我发现他们的问题出在不能集中精力。” 史宁中校长说，小学生精力集中的时间，一般只有十几分钟，最多20来分钟，老师就要在这十几二十分钟内把你要讲的东西讲出来。如果老师掌握了知识的本质以后，再精炼语言，肯定能在20分钟内讲完。而反复地唠叨、重复，反而分散了学生的精力。 作为国内研究统计与概率的数学大家，史宁中校长甚至认为，学数学不用笔不用纸，用脑袋想就能想出来，而这正是锻炼一个人集中精力思考问题的办法。教师应该引导学生真正集中精力来思考问题。 数学是思维的科学。培养思维能力也一再被我们的数学教育所强调，然而在这次峰会上，学生不会思考的问题被一再提起，这是为什么呢？史宁中校长深有感触地讲了个故事。
领域知识图谱的技术与应用
领域应用知识图谱的技术与应用 本文转载自公众号：贪心科技。 领域应用I知识图谱的技术与应用 李文哲开放知识图谱1周前 本文转载自公众号：贪心科技。 作者I李文哲，人工智能、知识图谱领域专家 导读：从一开始的Google搜索，到现在的聊天机器人、大数据风控、证券投资、智能医疗、自适应教育、推荐系统，无一不跟知识图谱相关。它在技术领域的热度也在逐年上升。本文以通俗易懂的方式来讲解知识图谱相关的知识、尤其对从零开始搭建知识图谱过程当中需要经历的步骤以及每个阶段需要考虑的问题都给予了比较详细的解释。对于读者，我们不要求有任何AI相关的背景知识。 目录: 1.概论 2.什么是知识图谱 3.知识图谱的表示 4.知识抽取 5.知识图谱的存储 6.金融知识图谱的搭建 1.定义具体的业务问题 2.数据收集&预处理 3.知识图谱的设计 4.把数据存入知识图谱 5.上层应用的开发 7.知识图谱在其他行业中的应用 8.实践上的几点建议 9.结语 1.概论 随着移动互联网的发展，万物互联成为了可能，这种互联所产生的数据也在爆发式地增长，而且这些数据恰好可以作为分析关系的有效原料。如果说以往的智能分析专注在每一个个体上，在移动互联网时代则除了个体，这种个体之间的关系也必然成为我们需要深入分析的很重要一部分。在一
项任务中，只要有关系分析的需求，知识图谱就有可能”派的上用场。
2. 什么是知识图谱? 知识图谱是由Google 公司在2012年提出来的一个新的概念。从学术的角度，我们可以 对知识图谱给一个这样的定义： 知识图谱本质上是语义网络（Sema ntic Network ）的 知识库”但这有点抽象，所以换个角度，从实际应用的角度出发其实 可以简单地把知识 图谱理解成多关系图（Multi-relational Graph 那什么叫多关系图呢？ 学过数据结构的都应该知道什么是图（Graph ）。图是由节点 （Vertex ）和边（Edge ）来构成，但这些图通常只包含一种类型的节点和边。但相反， 多关系图一般包含多种类型的节点和多种类型的边 。比如左下图表示一个经典的图结构, 右边的图则表示多关系图，因为图里包含了多种类型的节点和边。这些类型由不同的颜 色来标记。 在知识图谱 里， 我们通常用 实体（Entity ） ”来表达图里的节点、用 关系（Relation ）”来表达图里的 边”实体指的是现实世界中的事物比如人、地名、概念、药物、公司等 ，关系则用来 表达不同实体之间的某种联系， 比如人-居住在”北京、张三和李四是 朋友”逻辑回归 是深度学习的先导知识”等等。 现实世界中的很多场景非常适合用知识图谱来表达。 比如一个社交网络图谱里，我们既 可以有 人”的实体，也可以包含 公司”实体。人和人之间的关系可以是 朋友”，也可以是 同 事”关系。人和公司之间的关系可以是 现任职”或者曾任职”的关系。类似的，一个风控 知识图谱可以包含 电话”公司”的实体，电话和电话之间的关系可以是 通话”关系，而 且每个公司它也会有固定的电话。 3. 知识图谱的表示 知识图谱应用的前提是已经构建好了知识图谱 ，也可以把它认为是一个知识库。这也是 为什么它可以用来回答一些搜索相关问题的原因，比如在 Google 搜索引擎里输入“ Who is the wife of Bill Gates?，我们直接可以得到答案-“Melinda Gates 。这是因为我们在系 ）。 包含一种类型的节点和边 包含多种类型的节点和边 （不同＜^状扣師色代憑不岡评奥断节点和边） 节点 节点 边 边 节点 节点 边