lesson03
1.RNN的特点（优点缺点）
信息越来越堆积最后最多，只有单向有影响而且影响递减（需深入了解，面试100%）/*/
2.GRU
一篇经典博客，（面试可能会让画出论文图示和讲解原理）/*/
3.NER LSTM+softmax
LSTM+CRF CRF比softmax复杂，为什么要用softmax？（面试）/*/ 1.CRF可以为最后预测的标签添加一些约束来保证预测的标签是合法的。在训练数据训练时，这些约束可以通过CRF层自动学习到。 2.使用全局函数优化，使用维特比算法（详细待扩充） ---------------------------------------------------------------------------------------------------------------------------- lesson04
要求： 手工实现代码，为知识图谱提供语料（看完demo，需要自己实现一遍）
使用预训练编码（最流行有效）+finetune
dropout 丢弃一部分，降低过拟合
line75 之后计算误差：人工手写计算误差的函数，github上有很多，可以适当改写
一、图表征 用特定的方法表征对象：图表征用来表征知识图谱（就像词向量表征汉字一样） 过程中可以合并指代同一对象的实体，进行简化
映射模型 向量相加 （/？/） 游走模型 随机游走 （/？/）
二、latticeLSTM+CRF（ACL2018最佳模型奖，NLP领域颠覆性作用） （面试：是否读过，是否实现过/*/） 如南京市长江大桥 BiLSTM+CRF：“南京市长” “江大桥” lattice： “南京市” “长江大桥”
------------------------------------------------------------------------------------------------------------------------------- lesson05
本届介绍知识图谱的最流行的图数据库:Neo4j Neo4j是一个Java开发的高性能NoSQL图形数据库，它将结构化数据存储在网络而不是表中 （除了顶级大厂有自己定义的数据库外，其他厂家都用的Node4j，容量约千万级节点，亿级边）
Neo4j集成了CQL语言，这种语言无法在脚本中使用，但可以用python+Neo的转接接口使用（py2neo库）
