- 博客(332)
- 资源 (32)
- 问答 (2)
- 收藏
- 关注
RSS订阅原创 贪心-吃糖
医生建议 Alice 要少摄入糖分，只吃掉她所有糖的 n / 2 即可（n 是一个偶数）。Alice 非常喜欢这些糖，她想要在遵循医生建议的情况下，尽可能吃到最多不同种类的糖。Alice 有 n 枚糖，其中第 i 枚糖的类型为 candyType[i]。Alice 注意到她的体重正在增长，所以前去拜访了一位医生。给你一个长度为 n 的整数数组 candyType ，返回： Alice 在仅吃掉 n / 2 枚糖的情况下，可以吃到糖的 最多 种类数。
2022-09-27 09:28:05
359
原创 7.25笔记 C++数组行列遍历区别、6个数生成7个数、数组旋转
缓存物理内存是连续的，是同行不同列，以列进行遍历会使缓存无法利用，从而从内存中读取数据，而从内存读取速度是远远小于从缓存中读取数据的。（int存储是4个字节），如果以列的形式进行遍历，就会发生128*1024次的页面调度，而如果以行遍历则只有128次页面调度，而。计算机存在Cache机制，则直接返回该数据；如果不存在，则要先把内存中的相应数据载入缓存，再将其返回处理器。，当一个二维数组很大是如int[128][1024],...
2022-07-25 14:32:39
523
转载 大数据时代的发展趋势一一数据将成为资产
大数据时代的数据特点(1）规模性，即大数据具有相当的规模， 其数据量非常巨大。淘宝网近 4亿的会员每天产生的商品交易数据约 20TB,Facebook （脸书）约 10 亿的用户每天产生的日志数据超过 300TBo 数据的数量级别可划分为 B 、 KB 、 MB 、 GB 、 TB 、 PB 、 EB 、 ZB 等，而数据的数量级别为 PB 级别的才能称得上是大数据。根据 IDC 公司的最新研究 ， 未来 10 年，全球的数据总量将会增长 50 倍，以此推算，数据产生的速度越来越快，而且数据总量将呈现指
2022-01-19 15:12:22
770
转载 golang切片和数组
切片是 Go 中的一种基本的数据结构，使用这种结构可以用来管理数据集合。切片的设计想法是由动态数组概念而来，为了开发者可以更加方便的使一个数据结构可以自动增加和减少。但是切片本身并不是动态数据或者数组指针。切片常见的操作有 reslice、append、copy。与此同时，切片还具有可索引，可迭代的优秀特性。一. 切片和数组关于切片和数组怎么选择？接下来好好讨论讨论这个问题。在 Go 中，与 C 数组变量隐式作为指针使用不同，Go 数组是值类型，赋值和函数传参操作都会复制整个数组数据。
2022-01-08 15:36:20
784
原创 Go语言今天BUG
第一个BUGimport "github.com/kataras/iris"import cycle not allowed正确 go init mod iris错误 go init modgithub.com/kataras/iris第二个BUG$GOPATH/go.mod exists but should notgo.mod不要放在GOPATH下，新项目建立新的文件夹第三个BUG使用goproxy做代理装包找不到iris，装完之后go init mod iri..
2021-12-15 20:08:44
404
原创 go安装运行及相关资源下载
资源下载go开发环境和相关工具-网络攻防文档类资源-CSDN下载安装就行，结束配置好环境变量goroot是go的安装位置gopath是go项目地址，没有就在环境变量配置下在gopath下写一个helloword并运行demo.gopackage mainimport "fmt"func main(){ fmt.Println("hello word")}最后安装goland...
2021-12-12 12:57:16
386
转载 保证http安全性
目前大多数网站和app的接口都是采用http协议，但是http协议很容易就通过抓包工具监听到内容，甚至可以篡改内容，为了保证数据不被别人看到和修改，可以通过以下几个方面避免。重要的数据，要加密，比如用户名密码，我们需要加密，这样即使被抓包监听，他们也不知道原始数据是什么（如果简单的md5，是可以暴力破解），所以加密方法越复杂越安全，根据需要，常见的是 md5(不可逆)，aes（可逆），自由组合吧,你还可以加一些特殊字符啊，没有做不到只有想不到， 举例：username = aes(username),
2021-12-09 11:02:40
1542
原创 bs4删除元素
删除自身tag.decompose()去除某类型soup = BeautifulSoup(r.text, "lxml")#去除soup里面的script和style标签[s.extract() for s in soup('script')]
2021-09-16 10:04:40
989
原创 GDS List内容详情
功能表1 "gds.allShortestPaths.dijkstra.mutate" "The Dijkstra shortest path algorithm computes the shortest (weighted) path between one node and any other node in the graph." "gds.allShortestPaths.dijkstra.mutate(graphName :: ANY?, configuration = {
2021-09-13 15:18:46
724
原创 neo4j算法插件-GDS安装
java11+neo4j4.3+gds1.6https://download.csdn.net/download/Da___Vinci/19887360原文https://neo4j.com/docs/graph-data-science/current/installation/译文-------------------------------------------------------------------------------安装本章提供了 Neo4j
2021-06-29 11:09:05
5235
3
翻译 十个资源提示成功图数据科学
目录» 调查用例并熟悉配置概念。» 确定并聘请先锋团队。» 评估您的“图形”问题。» 评估当前状态。» 绘制提议状态的值。» 衡量投资回报率。» 让您的项目获得批准。» 进行 POC 和生产计划。» 建立联系并继续您的旅程。如果您想知道您的项目是否是“图形”以及如何获得从图数据科学 (GDS) 开始，本章可以提供帮助。我们为您提供了一些 Neo4j 资源，以引导您了解更多信息合作，并帮助您探索项目的机会和成功地从概念到生产，我们包括这十个技巧：» 调查用例并熟
2021-06-25 10:15:52
157
原创 检测欺诈图数据科学
寻找一个好的欺诈数据集要模拟一个好的欺诈数据集，您需要创建逼真的、合成数据来描述欺诈交易，因此在本节中，我们为您提供了一个金融网络模型，用户可以在其中通过移动设备与商家和彼此进行交易。这与传统信用卡网络具有相似的模式常见于美国、加拿大欧洲。 图 5-1 是一个使用可用节点和关系子集的图示例 -来自我们使用附加标识符修改的数据。此示例使用以下节点标签：» 客户：拥有个人身份信息的人(PII)，例如社会安全号码 (SSN)、电话号码-bers 和电子邮件地址» 骡子：已知欺诈性交易的客户汇款
2021-06-24 14:00:37
446
原创 使用 Neo4j 作为图形数据科学平台
如果你打算使用图数据科学（GDS），你应该运行它在一个平台上。 在本章中，我们将向您展示什么平台Neo4j 为您提供帮助。 Neo4j 是一种图技术提供企业级 GDS 平台的公司包括四个组成部分。Neo4j 支持事务处理和分析过程图形数据以及可视化。 它还包括图形使用数据管理和分析工具进行存储和计算。 集成工具集包括通用协议、API、和查询语言 (Cypher) 以提供有效的访问用途广泛。 在本章中，我们将涵盖四个领域中的每一个Neo4j 平台更详细地帮助您了解您的 GDS解决方案适合在一起。Neo4
2021-06-24 10:36:23
889
原创 发展你的GDS的应用技术
目录知识图谱图分析图特征工程图嵌入图网络今天，图数据科学（GDS）通常应用于商业牢记一个或多个主要目标：更好的决策，提高预测质量，并创造新的方法创新和学习。这些目标越来越多地与有形的好处，例如减少经济损失，更快获得结果，提高客户满意度和预测性提升。你可能会试图改进或自动化人们的决策和需要额外上下文的领域专家。或者你的目标是通过使用关系和网络来提高预测准确性分析和机器学习 (ML) 中的结构。图为学习提供了独特的结构，有助于进化机器学习技术通过更好的抽象和可解释性。这些业务目标与组织
2021-06-23 17:39:11
580
2
原创 图数据科学-2.使用图形数据现实世界中的科学
当今最紧迫的数据挑战集中在控制nections，而不仅仅是将离散数据制成表格的能力。图数据科学 (GDS) 以发现和利用网络结构驱动了一系列用例，从欺诈预防和针对个性化体验和药物的针对性建议重新利用。我们不能夸大改进的图技术的影响，例如作为新算法或应用网络科学家的努力，例如就像在计算生物学中一样。我们不想让你忽视使用图表的社会项目，要么。然而，我们认为最近商业世界中图表的爆炸式增长代表了可及性和推动民主化的机会的转变每个人的图表。图技术可帮助组织进行许多实际用途跨行业和领域的案例。过去，许多企业ness
2021-06-22 13:55:01
290
原创 图数据科学-1.理解图和图数据科学
简介连通性是最普遍的特征今天的网络和系统。 从蛋白质相互作用到社交网络，从通信系统到电源网格，从零售体验到供应链，网络与即使是适度的复杂度也不是随机的，这意味着连接既不是均匀分布的，也不是静态的。 简单的仅靠统计分析无法充分描述，更不用说预测，连接系统内的行为。随着世界变得越来越相互联系，系统越来越复杂，使用构建来利用相关的技术关系及其动态特性是必不可少的。 不是令人惊讶的是，对图数据科学（GDS）和图分析的兴趣lytics 已经爆炸式增长，因为它们被明确地开发以获得来自互联数据的洞察。 GDS 和图形
2021-06-22 10:40:38
621
翻译 NOSQL Overview
The Rise of NOSQL近年来，一系列称为NOSQL的数据存储技术的流行迅速增长（NOSQL的厚脸皮缩写，或更广泛地说，对SQL而言是No）。 但是NOSQL定义了那些数据存储区不是什么-它们不是以SQL为中心的关系数据库-而是它们是什么，这是一组有趣且有用的存储技术，其操作，功能和体系结构特征很多而且 多变。为什么要创建这些新数据库？ 他们解决什么问题？ 在这里，我们将讨论过去十年中出现的一些新数据挑战。 然后，我们将研究四个NOSQL数据库家族，包括图形数据库。...
2021-06-10 14:56:20
141
原创 Neo4j-Graph Database Internals
1在本章中，我们将深入了解并讨论图形数据库的实现，展示它们与其他存储和查询复杂、结构多变、连接紧密的数据的方式有何不同。虽然没有一个统一的体系结构模式存在，甚至在图形数据库中也不存在，但这一章是正确的描述您期望在图形数据库中找到的最常见的体系结构模式和组件。我们将在本章中使用Neo4j graph数据库进行讨论，原因有几个。Neo4j是一个具有本机处理能力和本机图形存储的图形数据库(参见第1章对本机图形处理和存储的讨论)。除了在写作时是最常用的图形数据库，它还有开源的透明性优势，让读者更容易深入到
2021-05-24 09:45:25
455
翻译 Neo4j-Predictive Analysis with Graph Theory-下半章图论与预测建模
图论与预测建模图论是关于网络（或从我们的角度来看，连接数据）的性质的成熟且易于理解的研究领域。由图论理论家开发的分析技术可以解决一系列有趣的问题。现在，我们了解了低级遍历机制，例如广度优先搜索，我们可以开始考虑高阶分析了。图论技术广泛适用于各种问题。当我们初次想获得对新域的了解，甚至了解可以从域中提取什么样的见解时，它们特别有用。在这种情况下，我们可以采用图论和社会科学等多种技术可以直接申请以获得洞察力。在接下来的几节中，我们将介绍社交图论中的一些关键概念。我们将根据社会学家Mark Granov
2021-05-18 15:06:59
381
原创 Neo4j深度遍历查询,查询所有相关点
目录查询所有下级节点，包含c节点查询所有下级节点，不包含c节点遍历到第三层向上遍历查询所有下级节点，包含c节点MATCH (c:标签{键:"值"})-[r*0..]->(result) return result查询所有下级节点，不包含c节点MATCH (c:标签{键:"值"})-[r*1..]->(result) return result遍历到第三层MATCH (c:标签{键:"值"})-[r*3..]->(result) return r
2021-04-21 14:54:52
3733
3
翻译 NEO4J-Predictive Analysis with Graph Theory
X在本章中，我们将研究一些用于处理图形数据的分析技术和算法。 图论和图算法都是计算科学的成熟且广为人知的领域，我们将演示如何将二者用于从图数据库中挖掘复杂的信息。 尽管具有计算机科学背景的读者无疑会认识到这些算法和技术，但本章中的讨论无需借助数学即可进行处理，以鼓励好奇的外行学习。深度和广度优先搜索在研究高阶分析技术之前，我们需要重新认识基本的广度优先搜索算法，该算法是迭代整个图形的基础。 本质上，我们在本书中看到的大多数查询都是深度优先而不是广度优先。 也就是说，它们从起始节点向外遍历到某个结
2021-04-16 13:27:30
193
翻译 Neo4j-Graph Database Internals-2
目录Nonfunctional CharacteristicsTransactionsRecoverabilityAvailabilityScaleCapacityLatencyThroughputSummaryNonfunctional Characteristics至此，我们已经了解了构建本机图形数据库的含义，并了解了如何使用Neo4j作为示例来实现其中某些图形本机功能。但是要被认为是可靠的，任何数据存储技术都必须在某种程度上保证其持久性和可访问性。存储的数
2021-03-29 20:23:59
281
翻译 Neo4j-Graph Database Internals
Neo4j-Graph Database Internals在本章中，我们将深入了解并讨论图形数据库的实现，以说明它们与其他存储和查询复杂，可变结构，密集连接的数据的方式有何不同。 尽管确实没有单个通用体系结构模式存在，即使在图形数据库之间也没有，但是本章介绍了可以期望在图形数据库中找到的最常见的体系结构模式和组件。由于多种原因，我们将使用Neo4j图形数据库说明本章中的讨论。 Neo4j是一个具有本机处理功能以及本机图存储的图数据库（有关本机图处理和存储的讨论，请参见第1章）。除了在撰写本文时成为
2021-03-26 19:35:15
330
翻译 Dlib-ml: A Machine Learning Toolkit
Abstract有许多优秀的工具包为在Python，R，Matlab和类似环境中开发机器学习软件提供了支持。 Dlib-ml是一个开放源代码库，有针对性旨在为工程师和研究科学家提供类似的丰富环境用C ++语言开发机器学习软件。 为此，dlib-ml包含具有内置BLAS支持的可扩展线性代数工具包。 它还包含了在贝叶斯网络中执行推理的算法以及基于核的分类，回归，聚类，异常检测和特征排名的方法。 为了使这些易于使用工具，整个库已通过合同编程进行开发，该合同提供了完整的精确的文档以及强大的调试工具。1. I
2021-03-09 11:09:05
772
翻译 Neo4j-真实世界中的图表
Graphs in the Real World在本章中，我们将着眼于图形数据库在现实世界中的一些常见用例，并找出企业选择使用图形数据库而不是关系数据库或其他NOSQL存储的原因。本章的大部分内容包括三个深入的用例，以及相关数据模型和查询的详细信息。这些例子都来自于一个真实的生产系统;然而，名称已经更改，并在必要时简化了技术细节，以突出关键设计点并隐藏任何意外的复杂性。Why Organizations Choose Graph Databases在本书中，我们对图数据模型、它的功能和灵活性以及
2021-02-20 14:04:23
649
翻译 Neo4j容量规划
目录Capacity PlanningOptimization CriteriaPerformance性能优化选项Load平均请求时间并发请求数导入和批量加载数据初始导入批量导入Capacity Planning在应用程序开发生命周期的某个时刻，我们将希望开始规划生产部署。在许多情况下，组织的项目管理控制过程意味着如果不了解应用程序的生产需求，项目就无法进行。容量规划是必不可少的，既可以用于蓓蕾的目的，也可以确保有足够的交货时间来采购硬件，并保留生产资源。在
2021-02-04 15:35:03
1288
原创 2021-01-26 BUG
BUGAssertionError: In PaddlePaddle 2.x, we turn on dynamic graph mode by default, and 'data()' is only supported in static graph mode. So if you want to use this api, please call 'paddle.enable_static()' before this api to enter static graph mode.办法
2021-01-26 10:24:05
1293
原创 Rasa原文--Components
目录ComponentsLanguage ModelsMitieNLP#SpacyNLP#HFTransformersNLP#Tokenizers#WhitespaceTokenizer#JiebaTokenizer#MitieTokenizer#SpacyTokenizer#ConveRTTokenizerFeaturizers#MitieFeaturizer#SpacyFeaturizer#ConveRTFeaturizer#Lang.
2021-01-25 16:34:12
934
原创 Rasa原文--Model Configuration
目录Model ConfigurationSuggested ConfigModel Configuration配置文件定义了您的模型将用于根据用户输入进行预测的组件和策略。语言和管道键指定模型用于进行NLU预测的组件。策略键定义模型用于预测下一个操作的策略。如果不知道要选择哪些组件或策略，可以使用建议的配置特性，它将推荐合理的默认值Suggested ConfigYou can leave the pipeline and/or policies key out of yo
2021-01-25 16:09:18
234
原创 Rasa原文--Domain
目录DomainMultiple Domain Files#Intents#Ignoring Entities for Certain Intents#Entities#Slots#Slots and Conversation Behavior#Slot Types#Text Slot#Boolean Slot#Categorical Slot#Float Slot#List Slot#Any Slot#Custom Slot Types#Un
2021-01-25 15:58:17
482
原创 Rasa原文--Rules
目录RulesWriting a Rule#Rules for the Conversation Start#Rules with Conditions#Skip Waiting for User Input at the End of a Rule#Rules and Forms#Rules规则是一种训练数据，用于训练助手的对话管理模型。规则描述的是应该始终遵循相同路径的简短对话。不要过度使用规则。规则非常适合处理小型的特定对话模式，但与故事不同的是，规则没有能力概括出
2021-01-25 15:25:42
795
原创 Rasa原文--Stories
目录StoriesFormat#User Messages#Actions#Events#Form Events#Checkpoints and OR statements#Checkpoints#Or Statements#End-to-end TrainingStories故事是一种训练数据，用于训练助手的对话管理模型。故事可以用来训练模型，从而归纳出看不见的对话路径。Format#A story is a representation of a
2021-01-25 15:11:52
489
原创 Rasa原文--设置设置CI / CD❤️
Setting up CI/CD尽管开发上下文助理与开发传统软件不同，但您仍然应该遵循软件开发最佳实践。设置持续集成(Continuous Integration, CI)和持续部署(Continuous Deployment, CD)管道可以确保对bot的增量更新正在改进它，而不是损害它。Overview#Continous Integration (CI) is the practice of merging in code changes frequently and automatica
2021-01-22 16:56:14
280
原创 Rasa原文--NLU Training Data❤️
目录NLU Training DataTraining ExamplesEntitiesSynonymsRegular ExpressionsRegular Expressions for Intent ClassificationRegular Expressions for Entity Extraction#Regular Expressions as Features#Regular Expressions for Rule-based Entity Ext.
2021-01-22 16:20:31
392
原创 Rasa原文--Training Data Format❤️
目录Overview#High-Level StructureExampletests/test_stories.ymlNLU Training Data#NLU训练数据在NLU键下定义SynonymsRegular expressionsLookup tablesTraining ExamplesEntities#SynonymsRegular Expressions#Lookup TablesConversation Training Data
2021-01-21 18:07:44
566
setup_gensim.rar
2020-03-20
PDFMiner3K安装包 tar.gz
2019-12-09
mimic的excel数据，包含这三部分PATIENTS，CHARTEVENTS和LABEVENTS， mimic的excel数
2023-02-12
豆瓣多轮语料,python,cnn,rnn,smn
2023-02-06
chatterbot语料 yml格式 560万 科学、历史、文学、食物、常用语均有涉猎，一共17种、按国家语言分类一共22种
2023-02-06
中文词向量资源(xlsx、txt)与代码（python） Chinese-Word-Vectors 国内外地址和常用词语相关
2023-02-06
nlp资源，英文名称的中文写法，一共50万条，txt格式 Corpus-Gender
2023-02-06
中国人名，亚洲人名，汉语，亲属关系，txt和excel格式，100万条
2023-02-06
K8S精选教程.zip K8S精选教程.zip K8S精选教程.zip
2022-11-26
Opencv winServer Dll.tar
2022-01-14
ES7.12-win-86.tar
2021-11-02
java11+neo4j4.3+gds1.6.rar
2021-06-29
YEDDA.rar图形化标注工具
2021-05-10
zTree3.x.rar
2021-04-16
total_word_feature_extractor_zh.dat
2021-03-15
cmake-3.15.5-win32-x86.msi.rar
2020-12-16
boost_1_75_0-msvc-14.1-64.exe.rar
2020-12-16
PDFObject-master2.24.rar
2020-12-16
django运行一段时间就有很多下面的连接，导致网页卡死，这怎么解决呢？
2023-09-05
K8s在升级和回滚的时候进来一个请求，请后面的情况
2022-11-26
Go 1.10.2不能设置GOPROXY
2021-12-13
xhtml项目在谷歌打开变成文件下载
2021-06-02
TA创建的收藏夹 TA关注的收藏夹
TA关注的人