Types of Bots: An Overview

Learn more about all the different varieties of bots, and what they can do for you

http://botnerds.com/types-of-bots/

In this article, we’ll lay out a framework for thinking about the space:

• Good Bots versus Bad Bots
• How should we categorize bots?
• Generalist bots vs Specialist bots
• Bot Intelligence on the continuum from simple to complex
• How many bots exist?
• 

搜索引擎技术资料整理

這篇博客意圖是收集市面上質量不錯的搜索引擎技術資料，內容來源包括開源項目官網（Lucene、Solr、Elastic）、綜合技術網站（infoQ、Stackoverflow、github等）、專業技術網站（我愛自然語言處理等）、國內外知名互聯網公司技術博客（阿里中間件團隊博客、美團技術博客等）、知名技術牛人博客（Matrix67、劉超覺先等）等。
https://hacpai.com/article/1497969351335

Jena TDB

Jena TDB的使用簡介
耶拿總共支持三種內置存儲模式，分別是RDB，SDB，和TDB。其中RDB現在幾乎不用了，因為速度比較慢。而官方推薦的則是TDB，速度快，操作簡單，支持幾十億條記錄，且支持幾百個並行查詢。
http://blog.csdn.net/frontend922/article/details/18095037

耶拿TDB
TDB建立：看了許多材料，大家都是直接把DataSet獲得的DefaultModel來進行填充內容，但是一直出錯不知道為什麼...所有我先把內容放入另一個Model中，之後將其加入到默認...
http://blog.csdn.net/Silver_sail/article/details/7695461

Jena TDB環境搭建以及幾個工具的使用
簡單的說，TDB是Jena提供的兩個子系統之一，另外一個叫做SDB.TDB使用三重存儲的形式對RDF數據提供持久性存儲（persistent store），SDB則支持使...
http://blog.csdn.net/wxlchinaren/article/details/7351373

使用耶拿-TDB存儲RDF本體
使用耶拿-TDB存儲RDF本體，知識圖譜文件
http://blog.csdn.net/svenhuayuncheng/article/details/78751300

耶拿處理RDF數據入門程序小例子 
jena是提供Java語言開發的一個API，由Apache軟件基金會下的Apache Jena來進行維護，目前最新版本為jena-3.0.0，官網地址為：http：//jena.apache.org/ ..
http://blog.csdn.net/shijing_0214/article/details/48577517

使用耶拿訪問RDF數據庫環境搭 
RDF：資源描述框架，RDF使用XML語法和RDF Schema（RDFS）將元數據描述成為數據模型。
XML：可擴展標記語言元數據：即元數據，又稱中數據，中繼數據，為描述數據的...
http://blog.csdn.net/lanxiangru/article/details/78216203

耶拿保存本體到數據庫中
http://blog.csdn.net/caozhenyu/article/details/8729046
https://www.cnblogs.com/yes-V-can/p/5526096.html

本體和知識圖譜學習
本體論（ontology）定義維基：本體實際上就是對特定領域之中的某一套概念及其相互之間關係的形式化表達（formal representation）。本體就是對那些可能相對於某一智能體智...
http://blog.csdn.net/Solitarily/article/details/78768139

使用Microsoft Cognitive QnA Maker Service，快速建立線上客服問答服務

https://dotblogs.com.tw/maduka/2017/09/03/155724

AI在這兩年來一直都是一個很熱門的話題，自從去年微軟推出了LUIS(Language Understanding Intelligent Service, 語意辨識服務)以及Bot Framework後，越來越多的公司與第一線服務開始透過這兩個雲端功能打造自己的智慧無人客服或是問答系統。但是透過LUIS的訓練，必須花費大量的人力與時間並輸入大量的語句進行訓練，才能得到有效並準確的識別。2017年3月，微軟在Cognitive識別服務中，加入了QnA Maker的辨識服務，可以更快速的打造問答服務的訓練，並找出詢問內容中所需要的解答。

簡單來說，QnA Maker完整的機制就是可以將已經整理好的FAQ內容，透過文字檔、PDF檔或是Word檔的方式匯入至QnA Maker並進行訓練，完成後再透過Microsoft Bot Framework的介接，將這樣的問答內容串接至不同的Channel上，讓多種IM或是訊息溝通平台都可以完成Q&A的服務整合，看似很像以前透過LUIS的串接與整合方式，但是QnA Maker的訓練內容與辨識卻不用像LUIS那樣的複雜。使用者只要將常用的FAQ匯入並訓練，QnA Maker就會完成後續學習的機制與任務。
QnA Maker這個辨識服務，透過問答的方式比對問題的內容並回傳有可能的答案，這樣快速方便的機制，除了省去需要大量訓練語意辨識的資料外，對於希望能快速建立無人客服或是線上機器人回覆的機制，大大加快了開發的效益並縮短開發時間。

The Bank as a Platform

A Framework for Digital Transformation
https://www.linkedin.com/pulse/banks-can-learn-more-from-tesla-than-uber-sudhir-kesavan/

NLP词法、句法、语义、语篇综合系列：

NLP+词法系列（一）︱中文分词技术小结、几大分词引擎的介绍与比较 
NLP+词法系列（二）︱中文分词技术及词性标注研究现状（CIPS2016） 
NLP+句法结构（三）︱中文句法结构研究现状（CIPS2016） 
NLP+语义分析（四）︱中文语义分析研究现状（CIPS2016） 
NLP+语篇分析（五）︱中文语篇分析研究现状（CIPS2016）

Machine Learning Table of Elements Decoded

The Machine Learning periodic table from MLN.io, a machine learning newsletter, lists machine learning packages for languages like Python and Java and tasks like NLP and Computer Vision.
http://www.mln.io/resources/periodic-table/