这是第二次去CCF-GAIR，第二年，第二次，可以看清很多东西，比如教授的ppt会重复，比如干货在什么时候产出不重要，在什么时候听什么时候传播才是发挥价值的时候；第一次听的时候会觉得接触了新世界；第二次听就是，哦，我懂。失去了初学者的乐趣。

总之这是一场大型的大佬social，渣渣打酱油的会议。好在亲眼见了两个idol，周明和杨强。

等有空整理，先放灵感链接。以及，word2vec就是利用单词的环境去表达一个单词。如果某些单词常出现的环境是很像的，那么它们的向量就很接近。也不是所谓的无监督，是有target的，只不过这个target可以用一条规则形成，而无需人工标注。在我眼里，这还是有监督的训练。毕竟所有神经网络都是有监督的学习。

首先，论文链接：Attention Is All You Need

玩数据的时候，免不了与json接触。这两天在玩漫威的API，采集数据和存储数据时，因为我没有MongoDB数据库，免不了要将Json(dict)数据格式保存，再将其转换成python的各种数据格式：dataframe或dict等。在此记录几个场景，和解决办法：

在Github建了一个repo，主要用来玩 Marvel漫威 的数据 [github] 。原意是想用这些做个知识图谱的小demo，顺便做做图谱可视化。昨天看到一个基于gephi的漫威角色图谱的教程[tutorial] ，主要教你怎么画出下面这张图，想学的可以继续看下去：

挖个坑先。最近对知识图谱有个入门级的了解，希望以后还会有项目继续探究。年初实践了下怎么搭建一个最基本的知识图谱，顺便尝试了下使用Neo4j 搭建图数据库，在此稍作记录。入门选手可以看这篇科普帖：知识图谱的技术与应用

自从在Github上用Jupyter notebook写笔记和教程越用越顺手后，开始对Jupyter有了越来越多的期待。本篇介绍如何将Jupyter文件（.ipynb）转换成下面的格式：

• html
• latex
• markdown
• slides
• rst
• python

介绍一下keras的分词器Tokenizer，以及我在上面吃过的亏。

之前好不容易下决心立个flag：a commit a day, green wall repay.

是不是朗朗上口，但是自己明明commit了很多次，GitHub墙怎么也不绿。

Contributions未被Github计入的几个常见原因

• 进行Commits的用户没有被关联到你的Github帐号中。
• 不是在这个版本库的默认分支进行的Commit。
• 这个仓库是一个Fork仓库，而不是独立仓库。

我的是独立仓库，查了一下发现我的git记录指向另一个账号，原来是commit的邮箱和用户名不对。可以用git show 发现邮箱那里跟github的账号邮箱不一样。解决步骤：

1. 使用git show 查看本地端的邮箱
2. 在GitHub的个人账号的设置里，找到Email，找到 Add email address，把本地邮箱填上去
3. 添加并绑定验证，刷新，绿色格子就出来了！

当然也可以修改本地git配置

git config —global user.name “username”
git config —global user.email “username@mail.com”

说起sentiment analysis，就不得不说起NLP选手必做题：Bag of Words Meets Bags of Popcorn ，以下简称“影评分析题”。必须负责任的说，这是一道很简单的题，就是对一段影评进行情感倾向预测（positive/negative）。数据为英文文本，数据集自己下载：🔗data