更新足迹

评论区上线全站

接入 giscus，每个页面底部都能留言；评论存于 GitHub Discussions，保持纯静态零后端。

精简站点结构

移除未实际使用的私密区密码门机制，让结构更干净直接。

凭考后记忆复原的《模式识别与机器视觉》期末试卷：选择、填空、解答三大题型逐题还原，附参考答案与考点指向

开篇定位章：为什么需要 KG、KG 是什么、怎么造、怎么用——信号/数据/信息/知识四层概念与典型 KG 全景

KG 的骨架：RDF / 属性图 / OWL 三类符号化表示，以及用表示学习把符号变向量的路线

三类数据源（结构化/半结构化/非结构化）的抽取全景：实体、关系、事件，方法演进谱

从 Web / 百科 / 表格里挖实体：包装器、百科 infobox 抽取与 D2R 工具链

从纯文本里挖实体与关系：特征模板 → 核函数 → 神经网络 → 远程监督 → 联合抽取

实体识别前沿：MRC 式 NER、字典增强、LLM 抽取与 KG 构建中的范式转变

多源 KG 怎么合并：本体融合、实体对齐、实体消歧、共指消解

三元组库 vs 图数据库、Neo4j 等代表系统、语义检索与 SPARQL / Cypher 查询

符号化推理三路：本体推理、图结构推理、概率/统计推理

表示学习基础：TransE 思想、损失函数、负采样，以及 TransH / TransR / TransD 的动机

复杂关系建模：Trans 系列扩展、双线性（DistMult/ComplEx）、图神经网络（R-GCN/CompGCN）

KG 落地场景：语义搜索、智能问答、推荐系统、金融风控、医疗决策、辅助大模型

期末考点串讲与复习要点：高频简答、计算题套路、易错点速查

充实学业与知识沉淀

新增知识图谱课程笔记与模式识别复习，扩充 Tech Stack 的机器学习与数学主题。

考前最后一晚必背：推不出来、做题却要用的硬结论、固定阈值、易错方向与套路口诀

模式识别系统的流水线、监督与非监督的区分、三大方法流派——全课的总览地图

从概率角度定义「最优分类」：最小错误率与最小风险两套准则，以及它们如何在 0-1 损失下统一

最小错误率与最小风险两套决策准则、似然比形式、白血病例子与结论反转、0-1 损失下的统一

从「哪个参数最可能生成这批数据」出发，推导常见分布的 MLE，并讲清估计为何会有偏、N-1 修正从何而来

两步贝叶斯决策、MLE 五步法、各分布的 MLE 计算、均匀分布陷阱题、有偏无偏与 N-1 修正

从「最大间隔」的几何直觉出发，一步步推到对偶问题与 KKT，讲清「支持向量」为何是少数、软间隔如何容噪

最大间隔、±1 标签的两个红利、规范化与基本型、拉格朗日对偶、KKT 与支持向量、软间隔与答题主线

「最大方差」与「最小重建误差」两个看似无关的目标，为何都归结到协方差矩阵的特征分解；以及 PCA 与 LDA 的分工

最大方差与最小误差两个视角殊途同归、协方差特征值分解、计算步骤与数值例、PCA 与 LDA 的本质区别

无监督聚类的代表算法：从准则函数到交替优化，它为何收敛、与 GMM/EM 是什么关系、K 怎么定

聚类准则、交替优化的 EM 思想、算法步骤、与 GMM 的硬软分配关系、肘部法则；文末附上半部分全公式速查

混合策略、期望收益、混合策略 Nash 均衡定义、最优反应引理与等值法（含完整算例）、支撑法与规划法

加入博弈论笔记

在 Tech Stack 数学板块沉淀博弈论系列，支持 KaTeX 公式渲染。

标准式博弈三要素、占优策略均衡、累次剔除严格劣策略、Nash 均衡定义与划线法/箭头法

什么是博弈、理性与共同知识两大前提、八个基本术语、四类博弈的分类框架

雅思各科注意事项

雅思口语答题技巧与题库整理

用 Astro 重写并改版

从 Hexo 迁移到 Astro 6 + Tailwind 自定义主题，启用嵌套目录浏览、暖色调配色与访问统计。

博客诞生

第一版个人博客上线，开始记录技术、学业、生活的点滴。