並び順

ブックマーク数

期間指定

  • から
  • まで

1 - 32 件 / 32件

新着順 人気順

entityの検索結果1 - 32 件 / 32件

タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。

entityに関するエントリは32件あります。 NLPDDD.NET などが関連タグです。 人気エントリには 『DDDとORMのEntityを混同しないための考え方』などがあります。
  • DDDとORMのEntityを混同しないための考え方

    2つの ”Entity” ある種の ORM では RDB のテーブルスキーマモデルとなるクラスのことをEntityと呼んでいます。例えば PHP のDoctrineや TypeScript のTypeORMなどがそうです。 そういった ORM を採用したプロジェクトで DDD に取り組むとき困るのが用語の衝突です。ORM の Entity は RDB のための定義を含むため当然 DDD の Entity とは異なるのですが、なにぶん同じ名前なので混同してしまいがちです。 本記事では両者を混同せず扱うための考え方をまとめます。 Entity の定義 まずは定義から確認します。 DDD での定義 エヴァンス本の日本語訳から引用します。 主として同一性によって定義されるオブジェクトはエンティティと呼ばれる Eric Evans. エリック・エヴァンスのドメイン駆動設計 (Japanese Edi

      DDDとORMのEntityを混同しないための考え方
    • 実務で使う固有表現抽出 / Practical Use of Named Entity Recognition

      ■イベント 
:自然言語処理勉強会 https://sansan.connpass.com/event/190157/ ■登壇概要 タイトル:実務で使う固有表現抽出 発表者: 
DSOC R&D研究員 高橋 寛治 ▼Twitter https://twitter.com/SansanRandD

        実務で使う固有表現抽出 / Practical Use of Named Entity Recognition
      • 継続して改善する固有表現抽出 / Continuous improvement of named entity extraction

        ■イベント Sansan Builders Stage 2021 https://jp.corp-sansan.com/engineering/buildersstage2021/ ■登壇概要 タイトル:
継続して改善する固有表現抽出 登壇者:技術本部 DSOC 研究開発部 Data…

          継続して改善する固有表現抽出 / Continuous improvement of named entity extraction
        • EntityのID発番についてTypeScriptで考える

          /** * 疑似コード */ //直前でIDを指定して取得したのにも関わらず const someEntity = someRepository.findById('some-id'); //Entity自体の存在確認をするのは良いが... if(!someEntity) throw new Error('SomeEntity not found'); //IDの存在まで確認しなければいけないのがなんかダサい。。 if (someEntity.id) { //someEntity.idを使った何かの処理 } 理想的には、 Repositoryに渡すとき(saveなど)はIDが発番されていないくても良い Repositoryから抜き出すとき(findAll, findByIdなど)はIDが発番されていることが保証されている というモデルを実現したい。 ということで、TypeScriptのUn

            EntityのID発番についてTypeScriptで考える
          • Reactのバケツリレーを効果的に使えるEntity型コンポーネント(TypeScript)

            はじめまして。 株式会社digsasでCPOを務める森勝と申します。 当社は「変遷するビジネスに、IT投資のモノサシを」作る、というミッションを元に、IT投資におけるユーザー企業の導入設計力を向上させるためのプロダクトを開発しています。 (近々大きなアップデートを予定しており、この挨拶も最後です) 有り難いことに以前書いたフルスタックなTypeScript環境 (Blitz.js) でDDDするが未だにぼちぼち伸びておりまして、技術面の試行錯誤をしている会社感!チーム感!をアピールするためにも、検証結果やプロダクションでのワークパフォーマンス等、書いていけたらな〜〜と思ってます。 現在チームは、私+2名の分野のプロ(副業)と少ない中、B2B SaaSとして派生展開や多くの仮説検証を繰り返していきたいこともあり、依存管理のしやすいmonorepoへの移行(npm v7からのworkspace

              Reactのバケツリレーを効果的に使えるEntity型コンポーネント(TypeScript)
            • DDD のパターンを Rust で表現する ~ Entity 編 ~ - CADDi Tech Blog

              こんにちは。CADDi でバックエンドエンジニアをしている @kuwana-kb です。 この記事は CADDi Advent Calendar 12日目の記事です。昨日は、山下さんによる GitOpsの概要と実践例 〜Kustomize + CircleCI編〜 でした! 本日は「DDD のパターンを Rust で表現する ~ Entity 編 ~」と題しまして、 Rust で DDD のパターンを表現してみたいと思います。 目次 [toc] はじめに DDDとは、 Domain-Driven Design(ドメイン駆動設計)の略です。アプリケーションの扱う業務領域に焦点をあてた設計手法であり、エリック・エヴァンスが提唱しました。詳細については、以下の記事で紹介していますので、そちらをご覧ください。 DDDのパターンをRustで表現する ~ Value Object編 ~ また、今回の記

                DDD のパターンを Rust で表現する ~ Entity 編 ~ - CADDi Tech Blog
              • GitHub - pfliu-nlp/Named-Entity-Recognition-NER-Papers: An elaborate and exhaustive paper list for Named Entity Recognition (NER)

                You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

                  GitHub - pfliu-nlp/Named-Entity-Recognition-NER-Papers: An elaborate and exhaustive paper list for Named Entity Recognition (NER)
                • OCLC、ウェブ上の学術資料の発見可能性を高めることを目的とした“Entity Management Infrastructure”構築のための助成金を獲得:他機関の典拠ファイルや語彙へのリンクを集約

                    OCLC、ウェブ上の学術資料の発見可能性を高めることを目的とした“Entity Management Infrastructure”構築のための助成金を獲得:他機関の典拠ファイルや語彙へのリンクを集約
                  • TypeORM|Entityからmigrationを作成(型指定, リレーション定義) - わくわくBank

                    TypeORMのmigration利用方法について取り上げます。まず、Entityからmigrationを生成して、migrationを実行する一連の流れ確認をします。その後、「型指定の方法」「リレーション定義の方法」を確認します。 migration作成 & 実行の流れ Entityを作成 ( typeorm entity:create ) $ npx typeorm entity:create --name Test Entity /typeorm_sample/src/entity/Test.ts has been created successfully. 以下Entityが作成されました。 $ cat src/entity/Test.ts import {Entity} from "typeorm"; @Entity() export class Test { } Entityを

                      TypeORM|Entityからmigrationを作成(型指定, リレーション定義) - わくわくBank
                    • ASP.NET Core Blazor WebAssembly と Web API と Entity Framework Core で SQL Server のデータを取得したり追加したり更新したり削除したりする - Qiita

                      [ { "bookId": 1, "title": "たったひとつの冴えたやりかた", "author": "ジェイムズ・ティプトリー・ジュニア" }, { "bookId": 2, "title": "アンドロイドは電気羊の夢を見るか?", "author": "フィリップ・K・ディック" }, { "bookId": 3, "title": "夏への扉", "author": "ロバート・A. ハインライン" }, { "bookId": 4, "title": "幼年期の終り", "author": "アーサー C クラーク" }, { "bookId": 5, "title": "われはロボット", "author": "アイザック・アシモフ" } ] こういう UI を構築する。 環境 Visual Studio 2019 16.6.1 .NET Core 3.1 ASP.NET

                        ASP.NET Core Blazor WebAssembly と Web API と Entity Framework Core で SQL Server のデータを取得したり追加したり更新したり削除したりする - Qiita
                      • 名寄せ(entity recognition, deduplication) で使える特徴量 - Qiita

                        レコードやオブジェクトを教師あり学習・教師なし学習や検索エンジンで 名寄せ(Entity Recognition・Deduplication)するときに、それぞれのフィールドから特徴量を抜き出す必要があります。 意外とまとまって言及しているリファレンスは少ないので、 特に文字列のフィールドでよく使われる特徴量を上げてみました。 データベースのブロッキングに使われるものも含まれます。 特徴量の種類 分類は独自の基準に基づきます。 Token 固有表現 音素 分散表現/次元圧縮 検索スコア 距離・擬似距離 (レコードのペアの場合) 各特徴量の概要 1. Token 文字列から、さらに小さい構成単位を抽出します。 ただし、次元が大きいsparse matrixになるため、機械学習やクラスタリングで用いるには次元に対して大量のデータが必要か、工夫が必要です。 character ngram ご存じ

                          名寄せ(entity recognition, deduplication) で使える特徴量 - Qiita
                        • EC-CUBE4のカスタマイズ領域からプラグインのEntityを拡張する - EC-CUBEのカスタマイズ、ネットショップ制作メモ

                          オープンソースであるEC-CUBEのプラグインの多くはユーザのカスタマイズを許可しています。 「このプラグインだと少し機能が足りない、変えたい」といった場合にプラグインをカスタマイズして利用する事ができます。しかし、カスタマイズしてしまうとバージョンアップへの追従は自分で都度対応する事になり大変です。 今回はそういったプラグインのカスタマイズをしてもバージョンアップが楽になる方法です。 実はプラグインのEntityもカスタマイズ領域からTraitで拡張できる これも公式のドキュメントには記載されていない*1事なのですが、プラグインのEntityはapp/Customize/EntityにTraitを作る事によって拡張できます。 EC-CUBE4カスタマイズの お問合せはこちら app/Customize/Entity にTraitを作成 例えば、メーカープラグインのEntityにフィールド

                            EC-CUBE4のカスタマイズ領域からプラグインのEntityを拡張する - EC-CUBEのカスタマイズ、ネットショップ制作メモ
                          • ASP.NET Core Blazor WebAssembly と Web API と Entity Framework Core で SQL Server のデータを取得したり追加したり更新したり削除したりする [.NET 6 版] - Qiita

                            ASP.NET Core Blazor WebAssembly と Web API と Entity Framework Core で SQL Server のデータを取得したり追加したり更新したり削除したりする [.NET 6 版]C#EntityFrameworkASP.NET_CoreBlazor はじめに 2022 年 11 月に .NET 6 と Visual Studio 2022 がリリースされました。ということで .NET 6 版の Blazor WebAssembly / ASP.NET Core Web API / Entity Framework を使って CRUD アプリケーションを作っていきたいと思います。 (以前書いたこれの .NET 6 版です) 完成イメージ 環境 Windows 10 Pro Microsoft Visual Studio Communit

                              ASP.NET Core Blazor WebAssembly と Web API と Entity Framework Core で SQL Server のデータを取得したり追加したり更新したり削除したりする [.NET 6 版] - Qiita
                            • Entity Framework Core 5.0 の Many-to-Many サポートを試した - しばやん雑記

                              Entity Framework 6 では使えていて、Entity Framework Core になって抜け落ちていた機能として Many-to-Many のサポートがありましたが、5.0 にしてようやく実装が完了したようです。 中間テーブルを意識せずに使えるのが便利だったので、EF Core でも望んでいた機能です。Twitter で書かれているように Daily Build で使えますが、基本的なサポートは preview8 にも入っていました。*1 #EntityFramework weekly update #efcore Highlights » Major new guidance and samples for EF Core in Blazor applications! » Many-to-many is complete in the daily builds! »

                                Entity Framework Core 5.0 の Many-to-Many サポートを試した - しばやん雑記
                              • XML External Entity Prevention - OWASP Cheat Sheet Series

                                Introduction Index Alphabetical Index ASVS Index MASVS Index Proactive Controls Index Top 10 Cheatsheets XML External Entity Prevention Cheat Sheet¶ Introduction¶ An XML eXternal Entity injection (XXE), which is now part of the OWASP Top 10 via the point A4, is attack against applications that parse XML input. This issue is referenced in the ID 611 in the Common Weakness Enumeration referential. A

                                • Simple Transformers — Named Entity Recognition with Transformer Models

                                  PrefaceThe Simple Transformers library was conceived to make Transformer models easy to use. Transformers are incredibly powerful (not to mention huge) deep learning models which have been hugely successful at tackling a wide variety of Natural Language Processing tasks. Simple Transformers enabled the application of Transformer models to Sequence Classification tasks (binary classification initia

                                    Simple Transformers — Named Entity Recognition with Transformer Models
                                  • FastAPIの422エラー(Unprocessable Entity)をデバッグする - Qiita

                                    はじめに FastAPIを利用していると、たびたび422エラーが発生することがあります。 これは主に「リクエストのデータの型が、サーバが期待しているものと異なる」場合に発生します。 デフォルト状態では、FastAPIはこの様なエラーが発生した際に、その詳細について出力しません。 そのため、なぜエラーが起きたか?を確認できず、しばしば困ったことになります。 今回はデバッグ向けに、422エラーが発生した際にログを出力するように設定しよう、というの内容です。 解決方針 FastAPIがリクエストのバリデーションに失敗した際のカスタム例外ハンドラを設定し、 422エラーを返す際にエラー内容を出力するようにします。 実装 例として、POSTのエンドポイントを用意します。 from pydantic import BaseModel from fastapi import FastAPI, app =

                                      FastAPIの422エラー(Unprocessable Entity)をデバッグする - Qiita
                                    • Rust + Entity Component System で仕様変更に強いゲーム設計 その1 〜 序文 - Qiita

                                      はじめに 面白いゲームを作りたい!と思ったら、試行錯誤をどうしても必要。 作ってみたけど、イマイチだったから、こう変えたい、なんて事は日常茶飯事です。 プログラマーは、降りてきた仕様をそのまま実装するのでなく、将来の仕様変更を見越しつつ、現実的な工数で、柔軟でメンテナンス性の高い、ソフトウェア設計をしなければなりません。 今まで私が経験してきた多くのプロジェクトは、オブジェクト指向による設計をしていました。 しかし、開発が進み、仕様変更を繰り返すうちに、いつしかスパゲッティコードになり、どのデータがどのデータに依存して変更されるのか、分からなくなっていく… そのパターンがいつも繰り返されています。(読者の中にも、そんな方、いらっしゃるのではないでしょうか?) 今までC++やC#でのゲーム開発をしてきましたが、そもそもの言語設計が、オブジェクト指向をベースとしています。よってどうしても、考え

                                        Rust + Entity Component System で仕様変更に強いゲーム設計 その1 〜 序文 - Qiita
                                      • Entity Framework Core 5 - Pitfalls To Avoid and Ideas to Try | The .NET Tools Blog

                                        IDEs AppCode CLion DataGrip DataSpell Fleet GoLand IntelliJ IDEA PhpStorm PyCharm RustRover Rider RubyMine WebStorm Plugins & Services Big Data Tools Code With Me Quality Assurance JetBrains Platform Scala Toolbox App Writerside JetBrains AI Grazie Team Tools Datalore Space TeamCity Upsource YouTrack Hub Qodana .NET & Visual Studio .NET Tools ReSharper C++ Languages & Frameworks Kotlin Ktor MPS Am

                                          Entity Framework Core 5 - Pitfalls To Avoid and Ideas to Try | The .NET Tools Blog
                                        • GitHub - anhaidgroup/deepmatcher: Python package for performing Entity and Text Matching using Deep Learning.

                                          DeepMatcher is a Python package for performing entity and text matching using deep learning. It provides built-in neural networks and utilities that enable you to train and apply state-of-the-art deep learning models for entity matching in less than 10 lines of code. The models are also easily customizable - the modular design allows any subcomponent to be altered or swapped out for a custom imple

                                            GitHub - anhaidgroup/deepmatcher: Python package for performing Entity and Text Matching using Deep Learning.
                                          • Entity Framework Core でデータベースから DbContext を生成する方法 - ツナ缶雑記

                                            Entity Framework Core を使うと、既存のデータベースから DbContext やテーブルに対応するクラス群を自動生成することができます。 ただし Entity Framework 6 までのように、 GUI による操作方法は提供されておらず、すべてコマンドラインから実行する必要があります。 前提条件 .NET Core 3.1 SQL Server Local DB Entity Framework Core 5.0.3 事前準備 まずは適当にプロジェクトを作成して、以下 2 つの NuGet パッケージをインストールしましょう。 Microsoft.EntityFrameworkCore.SqlServer Microsoft.EntityFrameworkCore.Design 今回は SQL Server Local DB を使うので、 SQL Server 用の

                                              Entity Framework Core でデータベースから DbContext を生成する方法 - ツナ缶雑記
                                            • DDDにおいて、システムからは更新しないようなマスタデータもentityとしてrepositoryから取得してくるのが望ましいですか? また、マスタデータをDBではなくenumで管理している場合、そのenumをentityとして扱うべきですか? システムにおいてマスタデータを変更する契機が無い場合は可変ではないのでentityではなくvalue objectでしょうか? | mond

                                              DDDにおいて、システムからは更新しないようなマスタデータもentityとしてrepositoryから取得してくるのが望ましいですか? また、マスタデータをDBではなくenumで管理している場合、そのenumをentityとして扱うべきですか? システムにおいてマスタデータを変更する契機が無い場合は可変ではないのでentityではなくvalue objectでしょうか? 一般論で答えますね。 システムから更新しないマスターデータをエンティティとしてリポジトリから取得すること そのマスターデータがビジネスロジックに関わる重要な概念を表現し、ドメインの一部として扱われるべき場合は、エンティティとして扱いリポジトリから取得するのが適切です。ただし、更新されないデータであれば、キャッシュの利用を検討するとよいでしょう 列挙型で管理しているマスターデータをエンティティとして扱うべきか 列挙型で管理さ

                                                DDDにおいて、システムからは更新しないようなマスタデータもentityとしてrepositoryから取得してくるのが望ましいですか? また、マスタデータをDBではなくenumで管理している場合、そのenumをentityとして扱うべきですか? システムにおいてマスタデータを変更する契機が無い場合は可変ではないのでentityではなくvalue objectでしょうか? | mond
                                              • [Entity Framework Core] データベースファースト(Database First)で、モデルを生成してみた。 | 東京で働く、ある開発者のメモ

                                                (1) 動作環境 Microsoft Visual Studio Enterprise 2017 Version 15.8.7 PostgreSQL 10.3 (2) プロジェクト作成 プロジェクト名は、TestApp とした。 (3) 関連パッケージのインストール 「NuGet パッケージの管理」を開く。 最低でも以下のパッケージをインストールする。 Microsoft.EntityFrameworkCore Microsoft.EntityFrameworkCore.Design Npgsql.EntityFrameworkCore.PostgreSQL インストール後、「ソリューション エクスプローラー」に、「プロジェクト」-「依存関係」-「NuGet」の配下に、インストールしたパッケージがあればOK。 ※ インストール後に、Visual Studio を再起動しないと、モデル生成時

                                                  [Entity Framework Core] データベースファースト(Database First)で、モデルを生成してみた。 | 東京で働く、ある開発者のメモ
                                                • Book NFT - 電子書籍のEntityとUtilityを統一するための提案

                                                  NFTというモノの価値を確認するときに、よく「utility」という言葉が使われます。「効用」とか「特典」というニュアンスを持ちますが、もっとひらたく言えば「いいこと」です。単なる画像だけのNFTがもてはやされることは少なくなり、今では「それにどんないいことがあるの?」という問いに答えられるutilityをもつNFTが人気になっています。 なぜそうした言葉が使われるようになったかについて想像をめぐらせてみたときに、実体(entity)と効用(utility)の概念が思い浮かびました。NFTではない実際のモノの場合には、entityとutilityが強く結びついていて特に説明を必要としません。一方、NFTというあたらしいモノの場合には、entityが不確かなことでutilityも自明ではなくなっており、説明を要します。たとえるなら、実際のパンなら食べておなかを満たせることが誰にとっても明らか

                                                    Book NFT - 電子書籍のEntityとUtilityを統一するための提案
                                                  • GoogleがHealthcare Natural Language APIとAutoML Entity Extraction for Healthcareを発表

                                                    Spring BootによるAPIバックエンド構築実践ガイド 第2版 何千人もの開発者が、InfoQのミニブック「Practical Guide to Building an API Back End with Spring Boot」から、Spring Bootを使ったREST API構築の基礎を学んだ。この本では、出版時に新しくリリースされたバージョンである Spring Boot 2 を使用している。しかし、Spring Boot3が最近リリースされ、重要な変...

                                                      GoogleがHealthcare Natural Language APIとAutoML Entity Extraction for Healthcareを発表
                                                    • 【Blazor】Entity Framework を使って SQL Server で DB 管理する方法|Blazorマスターへの道

                                                      Blazor を使って入力画面をつくることはできますが、データベースは別で用意してあげる必要があります。 「SQL 苦手なんだよな…」という人も安心してください。 実は Entity Framework を使うことで、SQL を使わずにデータベースの操作をすることができるんです。 本記事では、クラウド上に SQL Server を用意する手順と、Entity Framework で DB にアクセスする手順について解説しました。 この記事を読むことで、迷うことなく Entity Framework を導入することができるようになります。 では、さっそく見ていきましょう。

                                                        【Blazor】Entity Framework を使って SQL Server で DB 管理する方法|Blazorマスターへの道
                                                      • GitHub - oegedijk/keras-embeddings: Example of how to use entity embeddings (similar to word embeddings such as word2vec, but then generalized for any categorical feature) in a Keras model.

                                                        by: Oege Dijk Neural Network models are almost always better for unstructured data (e.g. image data). However for structured data, they often still underperform tree based models (random forrests, boosted trees, etc) they often also don't play as nice with categorical variables as tree models do. However an exciting new methodology to work with categorical data is entitiy embeddings. These are sim

                                                          GitHub - oegedijk/keras-embeddings: Example of how to use entity embeddings (similar to word embeddings such as word2vec, but then generalized for any categorical feature) in a Keras model.
                                                        • ChemDataExtractor:シンプルテキストから固有表現抽出(Named Entity Recognition; NER)を行ってみる - Qiita

                                                          概要 論文や特許文献から材料名,化合物名,そしてそれに紐づく物性値を自動的に取得したり抽出したりしてマイニングしたい.そのようなときに使われるのが,近年ではpythonライブラリのChemDataExtractorに勢いがあります.あまり日本語の解説サイトがないので,メモとして書き残しておきます. ChemDataExtractor(導入編) 今回のテキスト解析はオープンジャーナルのNanomaterialsから,以下の有機ELの青色発光のTADF論文から例文を使います. Nanomaterials 2019, 9(12), 1735; https://doi.org/10.3390/nano9121735 A Novel Design Strategy for Suppressing Efficiency Roll-Off of Blue Thermally Activated Dela

                                                            ChemDataExtractor:シンプルテキストから固有表現抽出(Named Entity Recognition; NER)を行ってみる - Qiita
                                                          • C++でEntity Component Systemを実装してみる

                                                            はじめに CPUの進化により、データの処理速度は毎年驚異的な速度で上がっています。それに対し、データをメモリから受け取る速度はここ十数年で数倍程度にしか進化してません。 その結果、プログラムの実行時間の大部分がデータ取得の待機時間に費やされるようになってしまいました。 そこで、キャッシュメモリとCPUの特性を生かし、データ取得の待機時間を減らすことでパフォーマンスの向上を図ろうとしたのがEntityComponentSystem(ECS) です。 今回は、そんなECSをC++で実装してみたので、その基本的な概念から作り方まで解説していこうと思います。 必要な前提知識 この記事はC++を前提に書いてあるので、ある程度のC++の知識があると読みやすいと思います。 また、途中でコンポーネント指向やオブジェクトプール等のデザインパターンが出てくるので、必要に応じて調べながら読んでいただけると嬉しい

                                                              C++でEntity Component Systemを実装してみる
                                                            • Entity Framework Core で色々な SQL を投げてみる 1 - vaguely

                                                              はじめに メモ SELECT 全件取得 カラムを指定して検索 [LIMIT] 条件に合致するレコードを一件だけ取得する [LIMIT] 条件に合致するレコードを三件(二件以上)取得する [DISTINCT] ジャンルが重複するデータを除く [演算子] SELECT で演算子を使う [演算子] WHERE で演算子を使う [COUNT] レコード数をカウントする [COUNT] ジャンルが NULL でないレコード数をカウントする [AVG] 価格の平均を求める [MAX] 価格の最大値を求める [MIN] 価格の最小値を求める [GROUP BY???] ジャンルでグループ分けする [HAVING] グループ化したレコードをフィルタリングする [ORDER BY] レコードをリリース日でソートする(昇順) [ORDER BY] レコードをリリース日でソートする(降順) はじめに ASP.N

                                                                Entity Framework Core で色々な SQL を投げてみる 1 - vaguely
                                                              • Entity Linking チュートリアル 前編 ざっくりとした歴史編 - Qiita

                                                                今回記事として書くのは,エンティティ・リンキングというタスクに対するチュートリアルです. 以下のシリーズになっています。 Entity Linking チュートリアル 前編 ざっくりとした歴史編 [本記事] 中編 前処理・実験準備編 後編 実験・評価編 発展編 知識ベース全体に対するBi-encoder探索の実装 本シリーズの Colab Pro上での実行について 目的 エンティティ・リンキング (Entity Linking) というタスクについて,より多くの人に知ってもらう.(当記事) 実際にBC5CDRデータセットに対して,動くデモを実装しタスクを理解する. エンティティ・リンキング とは エンティティ・リンキングとは,文書中に存在する,メンションと呼ばれるテキスト範囲を知識グラフ内に存在するエンティティへとマッピングするタスクであり,自然言語理解及び応用における重要なタスクの一つと

                                                                  Entity Linking チュートリアル 前編 ざっくりとした歴史編 - Qiita
                                                                • Entity Framework ドキュメント ハブ

                                                                  このブラウザーはサポートされなくなりました。 Microsoft Edge にアップグレードすると、最新の機能、セキュリティ更新プログラム、およびテクニカル サポートを利用できます。 Entity Framework ドキュメント ハブ Entity Framework は、SQL Database (オンプレミスと Azure)、SQLite、MySQL、PostgreSQL、Azure Cosmos DB など、さまざまなデータベースにわたって、.NET (C#) を使用して、クリーンで移植可能な高レベルのデータ アクセス層の構築を実現する最新のオブジェクト関係マッパーです。 LINQ クエリ、変更の追跡、更新、スキーマの移行がサポートされています。

                                                                    Entity Framework ドキュメント ハブ
                                                                  1

                                                                  新着記事