-
根据句子分类的唯一标识获取分类下句子列表
-
分子搜索
![]()
输入小分子。最终以SMILES为准。 选择算法：可以选择ECFP4 Tanimoto相似度或者骨架搜索。ECFP4 Tanimoto相似度是通过ECFP4指纹计算Tanimoto相似度来搜索相似度比较高的小分子。骨架搜索是通过设置分子骨架搜索具有相同骨架的分子。 选择数据库：最多可选择10个数据库。
来自：帮助中心 -
应用场景
-
Memory（记忆）
![]()
和查询，通过向量和相似度的计算，实现对数据的语义理解和检索。 Vector向量存储：是一种将数据转换为数学表示的方法，它可以度量数据之间的关系和相似度。向量存储可以根据不同的词向量模型进行初始化、更新、查找和清理操作。向量存储还可以支持多种相似算法，如余弦相似度、欧氏距离、曼哈顿距离等，实现对数据的相似度评分和排序。
来自：帮助中心 -
Memory（记忆）
![]()
和查询，通过向量和相似度的计算，实现对数据的语义理解和检索。 Vector向量存储：是一种将数据转换为数学表示的方法，它可以度量数据之间的关系和相似度。向量存储可以根据不同的词向量模型进行初始化、更新、查找和清理操作。向量存储还可以支持多种相似算法，如余弦相似度、欧氏距离、曼哈顿距离等，实现对数据的相似度评分和排序。
来自：帮助中心 -
自由能微扰
![]()
添加或者删除待计算路径 图3 选择配体对 返回相似度后默认全勾选，您可以进行勾选或去除勾选要计算的路径，如果未勾选，则后面就不会对其进行FEP计算。在相似度返回之前，您也可以直接选择配体对进入下一步。 图4 选择计算路径 单击“下一步”，进入FEP设置页面，设置相关参数。 时间步长：默认值：0
来自：帮助中心 -
计算
-
标签传播算法（Label Propagation）
![]()
标记节点的标签信息。利用样本间的关系建图，节点包括已标注和未标注数据，其边表示两个节点的相似度，节点的标签按相似度传递给其他节点。标签数据就像是一个源头，可以对无标签数据进行标注，节点的相似度越大，标签越容易传播。 适用场景 标签传播算法（Label Propagation）适用于资讯传播、广告推荐、社区发现等场景。
来自：帮助中心 -
什么是人脸识别
![]()
。 图1 人脸检测示意图 人脸比对 通过对人脸区域的特征进行对比，该服务可以返回给用户两张图片中人脸的相似度。如果两张图片中包含多张人脸，则在两张图片中选取最大的人脸进行相似度比对。 图2 人脸比对示意图 人脸搜索 人脸搜索给用户提供了人脸集操作相关的API。用户可以通过创建人脸
来自：帮助中心 -
配置知识融合
![]()
知识融合需要初步筛选与融合标识符相似的实体数据。 判断属性相似度 初步筛选与融合标识符相似的数据后，需要配置相似属性和相似度函数，并判断数据之间的属性相似度。 融合知识 对属性相似度均达到阈值条件的数据进行融合。 综上所述，在创建图谱的过程中，需要配置知识融合的融合标识符、待融合的实体、相似度函数和相似
来自：帮助中心 -
配置知识融合时，如何选择融合标识符和配置属性
![]()
知识融合需要初步筛选与融合标识符相似的实体数据。 判断属性相似度 初步筛选与融合标识符相似的数据后，需要配置相似属性和相似度函数，并判断数据之间的属性相似度。 融合知识 对属性相似度均达到阈值条件的数据进行融合。 综上所述，在创建图谱的过程中，需要配置知识融合的融合标识符、待融合的实体、相似度函数和相似
来自：帮助中心 -
Cache
-
句子、敏感词训练接口 (SemanticKeywordTraining)
![]()
-
什么是知识融合
![]()
知识融合需要初步筛选与融合标识符相似的实体数据。 判断属性相似度 初步筛选与融合标识符相似的数据后，需要配置相似属性和相似度函数，并判断数据之间的属性相似度。 融合知识 对属性相似度均达到阈值条件的数据进行融合。 综上所述，在创建图谱的过程中，需要配置知识融合的融合标识符、待融合的实体、相似度函数和相似
来自：帮助中心 -
无监督的领域知识数据，量级无法支持增量预训练，如何让模型学习
![]()
的文本按照章节、段落、字符数进行切片，让模型基于这个片段生成问答对，再将段落、问题和答案三者组装为有监督数据。使用模型构建的优点是数据丰富度更高，缺点是成本较高。 当您将无监督数据构建为有监督数据时，请尽可能保证数据的多样性。建议将不同文本构建为不同的场景，甚至将同一段文本构建为多个不同的场景。
来自：帮助中心 -
关联预测算法（Link Prediction）
![]()
String - - target 是 输入终点ID String - - 示例 输入参数source=Lee，target=Alice，计算两个节点之间的关联度，JSON结果会展示在查询结果区。 父主题： 算法参考
来自：帮助中心 -
ModelArts Pro的应用场景和用户群体
![]()
自然语言处理套件 通用文本分类场景。 智能问答 通过中文分词、短文本相似度、命名实体识别等自然语言处理相关技术，计算两个问题对的相似度，可解决问答、对话、语料挖掘、知识库构建等问题。 内容推荐 通过文本分类预测模型，精确匹配出语义相似的内容，快速构建内容推荐场景。 视觉套件 商品识别 无人超
来自：帮助中心 -
问答模型训练（可选）
![]()
8，输入用户问“我可以去哪办理”，机器人返回相似度得分大于0.8的标准问给用户，并推荐相似度得分大于0.6的标准问： 图8 阈值调整前 单击“查看JSON”，查看具体的相似度得分。 图9 查看相似度得分 阈值调整后，推荐问阈值为0.7，直接回答阈值为0.9，输入用户问“我可以去哪办理”，语料库中没有与用户问相似度得分高于0
来自：帮助中心 -
Cache
![]()
Assertions; //redis向量 // 不同的向量存储， 不同的相似算法；计算的评分规则不同； 可以同过scoreThreshold 设置相似性判断阈值 // 例如使用Redis向量、余弦相似度、CSS词向量模型，并且设置相似性判断阈值为0.1f，代码示例如下 Cache cache =
来自：帮助中心 -
公式计算
![]()
示。 计算类型：当前支持数值和日期计算。 计算方式：在下拉框中选择所需的计算方法。 当“计算类型”选择“数值”时，支持求和、平均值、最大值、最小值和乘积。参与计算的字段当前仅支持“数字输入框”。 在下拉框中选择计算公式，再选择参与计算的字段，即可自动计算出结果。 当“计算类型”选
来自：帮助中心 -
数据计算
![]()
数据计算 算子简介 名称：数据计算 功能说明：按照表达式进行数值计算，计算的结果赋值给某个属性。举例：原消息中有温度属性，其数值是以摄氏度数值表示，可以通过本算子设置计算公式，将摄氏温度计算转换成华氏度读数再赋予给原来的温度属性，或者可以选择将计算转换后的数值赋予一个新属性。 约
来自：帮助中心
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
