修改

NLPinterview/KG/KBQA/readme.md

@@ -47,47 +47,49 @@
 
 #### 1.2.2. 问句解析
 
-- 实体抽取：
-  - 作用：得到匹配的词和类型
-  - 方法：
-    - 模式匹配：
-      - 介绍：主要采用规则 提槽
-      - 工具：正则表达式
-    - 词典：
-      - 介绍：利用词典进行匹配
-      - 采用的词典匹配方法：trie和Aho-Corasick自动机，简称AC自动机 
-      - 工具：ahocorasick、FlashText 等 python包
-    - 基于词向量的文本相似度计算：
-      - 介绍：计算 query 中 实体 与 实体库 中候选实体的相似度，通过设定阈值，得到最相似的 实体
-      - 工具：词向量工具（TF-idf、word2vec、Bert 等）、相似度计算方法（余弦相似度、L1、L2等）
-    - 命名实体识别方法：
-      - 利用 命名实体识别方法 识别 query 中实体
-      - 方法：BiLSTM-CRF等命名实体识别模型 
-    - 举例说明：
+1. 实体抽取：
+
+- 作用：得到匹配的词和类型
+- 方法：
+ - 模式匹配：
+   - 介绍：主要采用规则 提槽
+   - 工具：正则表达式
+ - 词典：
+   - 介绍：利用词典进行匹配
+   - 采用的词典匹配方法：trie和Aho-Corasick自动机，简称AC自动机 
+   - 工具：ahocorasick、FlashText 等 python包
+ - 基于词向量的文本相似度计算：
+   - 介绍：计算 query 中 实体 与 实体库 中候选实体的相似度，通过设定阈值，得到最相似的 实体
+   - 工具：词向量工具（TF-idf、word2vec、Bert 等）、相似度计算方法（余弦相似度、L1、L2等）
+ - 命名实体识别方法：
+   - 利用 命名实体识别方法 识别 query 中实体
+   - 方法：BiLSTM-CRF等命名实体识别模型 
+ - 举例说明：
 
 ```s
   eg：通过解析 上面的 query ，获取里面的实体和实体类型：{'Disease': ['高血压'], 'Symptom': ['高血压'], 'Complication': ['高血压']}
 ```
 
-- 属性和关系抽取：
-  - 作用：抽取 query 中 的 属性和关系
-  - 方法：
-    - 模式匹配：
-      - 介绍：主要采用规则匹配
-      - 工具：正则表达式
-    - 词典：
-      - 介绍：利用词典进行匹配
-      - 采用的词典匹配方法：trie和Aho-Corasick自动机，简称AC自动机
-      - 工具：ahocorasick、FlashText 等 python包
-    - 意图识别方法：
-      - 介绍：采用分类模型 对 query 所含关系 做预测
-      - 工具：
-        - 机器学习方法：LR、SVM、NB
-        - 深度学习方法：TextCNN、TextRNN、Bert 等
-    - 命名实体识别方法：【同样，可以采用命名实体识别挖掘出 query 中的某些动词和所属类型】
-      - 利用 命名实体识别方法 识别 query 中实体
-      - 方法：BiLSTM-CRF等命名实体识别模型 
-  - 举例说明：
+2. 属性和关系抽取：
+
+- 作用：抽取 query 中 的 属性和关系
+- 方法：
+ - 模式匹配：
+   - 介绍：主要采用规则匹配
+   - 工具：正则表达式
+ - 词典：
+   - 介绍：利用词典进行匹配
+   - 采用的词典匹配方法：trie和Aho-Corasick自动机，简称AC自动机
+   - 工具：ahocorasick、FlashText 等 python包
+ - 意图识别方法：
+   - 介绍：采用分类模型 对 query 所含关系 做预测
+   - 工具：
+     - 机器学习方法：LR、SVM、NB
+     - 深度学习方法：TextCNN、TextRNN、Bert 等
+ - 命名实体识别方法：【同样，可以采用命名实体识别挖掘出 query 中的某些动词和所属类型】
+   - 利用 命名实体识别方法 识别 query 中实体
+   - 方法：BiLSTM-CRF等命名实体识别模型 
+- 举例说明：
 
 ```s
 - eg：通过解析 上面的 query ，获取里面的实体和实体类型：

NLPinterview/KG/neo4j/readme.md

@@ -1,6 +1,8 @@
 # 【关于 Neo4j 】 那些你不知道的事
 
 > 作者：吴晓均
+> 
+> 项目地址：https://github.com/km1994/NLP-Interview-Notes
 
 ![](img/微信截图_20210129232419.png)
 

NLPinterview/KG/readme.md

@@ -2,9 +2,8 @@
 
 > 作者：吴晓均
 > 
-> 项目地址：https://github.com/km1994/nlp_paper_study
+> 项目地址：https://github.com/km1994/NLP-Interview-Notes
 > 
-> 个人介绍：大佬们好，我叫杨夕，该项目主要是本人在研读顶会论文和复现经典论文过程中，所见、所思、所想、所闻，可能存在一些理解错误，希望大佬们多多指正。
 
 ![](img/微信截图_20210129233513.png)
 

NLPinterview/PreTraining/bert/readme.md

@@ -172,11 +172,11 @@ BERT（Bidirectional Encoder Representations from Transformers）是一种T**ran
 >  θ1：是 Mask-LM 任务中在 Encoder 上所接的输出层中的参数；<br/>
 >  θ2：是句子预测任务中在 Encoder 接上的分类器参数；<br/>
 
-- 在第一部分的损失函数中，如果被 mask 的词集合为 M，因为它是一个词典大小 |V| 上的多分类问题，那么具体说来有：
+- 在第一部分的损失函数中，如果被 mask 的词集合为 M，因为它是一个词典大小 |V| 上的多分类问题，所用的损失函数叫做负对数似然函数（且是最小化，等价于最大化对数似然函数），那么具体说来有：
 
 ![](img/20201130205229.png)
 
-- 在第一部分的损失函数中，在句子预测任务中，也是一个分类问题的损失函数：
+- 在第二部分的损失函数中，在句子预测任务中，也是一个分类问题的损失函数：
 
 ![](img/20201130205325.png)
 

NLPinterview/PreTraining/elmo/readme.md

@@ -2,6 +2,10 @@
 
 > 作者：杨夕
 > 
+> 项目地址：https://github.com/km1994/NLP-Interview-Notes
+> 
+> 个人论文读书笔记：https://github.com/km1994/nlp_paper_study
+> 
 > 【注：手机阅读可能图片打不开！！！】
 
 ![](img/Elmo.png)

NLPinterview/PreTraining/fasttext/readme.md

@@ -2,6 +2,10 @@
 
 > 作者：杨夕
 > 
+> 项目地址：https://github.com/km1994/NLP-Interview-Notes
+> 
+> 个人论文读书笔记：https://github.com/km1994/nlp_paper_study
+> 
 > 【注：手机阅读可能图片打不开！！！】
 
 ![](img/fastText.png)

NLPinterview/PreTraining/tfidf/readme.md

@@ -2,6 +2,10 @@
 
 > 作者：杨夕
 > 
+> 项目地址：https://github.com/km1994/NLP-Interview-Notes
+> 
+> 个人论文读书笔记：https://github.com/km1994/nlp_paper_study
+> 
 > 【注：手机阅读可能图片打不开！！！】
 
 ![](img/TF-idf.png)

NLPinterview/PreTraining/word2vec/readme.md

@@ -2,6 +2,10 @@
 
 > 作者：杨夕
 > 
+> 项目地址：https://github.com/km1994/NLP-Interview-Notes
+> 
+> 个人论文读书笔记：https://github.com/km1994/nlp_paper_study
+> 
 > 【注：手机阅读可能图片打不开！！！】
 
 ![](img/Word2vec.png)

NLPinterview/QA/FAQ/readme.md

@@ -2,7 +2,9 @@
 
 > 作者：杨夕
 > 
-> 本文链接：https://github.com/km1994/nlp_paper_study
+> 项目地址：https://github.com/km1994/NLP-Interview-Notes
+> 
+> 个人论文读书笔记：https://github.com/km1994/nlp_paper_study
 > 
 > 个人介绍：大佬们好，我叫杨夕，该项目主要是本人在研读顶会论文和复现经典论文过程中，所见、所思、所想、所闻，可能存在一些理解错误，希望大佬们多多指正。
 > 

NLPinterview/TextMatch/ESIM/readme.md

@@ -2,7 +2,9 @@
 
 > 作者：杨夕
 > 
-> 项目地址：https://github.com/km1994/nlp_paper_study
+> 项目地址：https://github.com/km1994/NLP-Interview-Notes
+> 
+> 个人论文读书笔记：https://github.com/km1994/nlp_paper_study
 > 
 > 个人介绍：大佬们好，我叫杨夕，该项目主要是本人在研读顶会论文和复现经典论文过程中，所见、所思、所想、所闻，可能存在一些理解错误，希望大佬们多多指正。
 > 

NLPinterview/TextMatch/bert_similairity/readme.md

@@ -2,7 +2,9 @@
 
 > 作者：杨夕
 > 
-> 项目地址：https://github.com/km1994/nlp_paper_study
+> 项目地址：https://github.com/km1994/NLP-Interview-Notes
+> 
+> 个人论文读书笔记：https://github.com/km1994/nlp_paper_study
 > 
 > 个人介绍：大佬们好，我叫杨夕，该项目主要是本人在研读顶会论文和复现经典论文过程中，所见、所思、所想、所闻，可能存在一些理解错误，希望大佬们多多指正。
 

NLPinterview/ner/NERtrick/NERtrick.md

@@ -2,10 +2,13 @@
 
 > 作者：杨夕
 > 
-> 项目地址：https://github.com/km1994/nlp_paper_study
+> 项目地址：https://github.com/km1994/NLP-Interview-Notes
 > 
-> 个人介绍：大佬们好，我叫杨夕，该项目主要是本人在研读顶会论文和复现经典论文过程中，所见、所思、所想、所闻，可能存在一些理解错误，希望大佬们多多指正。
+> 个人论文读书笔记：https://github.com/km1994/nlp_paper_study
+> 
+> 【注：手机阅读可能图片打不开！！！】
 
+![](img/微信截图_20210224224353.png)
 
 ## trick 1：领域词典匹配