如何搭建自己的写作素材库,快来学,方法高效简单

文章介绍了搭建个人写作素材库的重要性,并提供了分类方法,包括第一手素材、书籍杂志、影视剧、金句和整合类素材。建议使用WPS、石墨文档、手机备忘录、讯飞语记等工具进行记录,以及利用多御浏览器的读刊看报功能免费阅读《读者》等杂志。

我们平时看过的书,做过的事,不及时记下来,很可能过几天就忘记了。由此看来,搭建自己的写作素材库非常有必要。尤其是写作者,写稿的速度取决于自己写作素材的储备量,你储备的素材越多,写作时便可以拿来即用,不用再费尽心思找个好几天。

我们该如何搭建自己的素材库呢?好了,不浪费大家的时间了,直接进入正题。

 

我把素材分为5个分类

1、第一手素材

比如看人物访谈,视频类新闻播报,以及自己平时生活中经历的事情,这些都是第一手素材,是最真实可靠的

这一类素材可以直接用,写文章时用自己的话表达出来。我们的记录素材的软件可以用WPS、石墨文档以及手机备忘录。

平时外出时,手机备忘录是特别好用的一个记录素材的方式,等回家后可以再整理在自己的文件夹里。

如果觉得打字太麻烦,也可以语音记录,用“讯飞语记”这个软件,可以直接把语言转化为文字,准确性很高。

2、书籍杂志收获的素材

我通常看纸质书籍,就直接拍照丢进素材群,用一个关键词来做标记,这样搜索的时候可以快速找到。当然了,现在很少人专门买书籍回来看,通常看电子书的比较多。

 之前我看《读者》还经常去买回来看,因为看过《读者》的人应该都发现了这本杂志的特点,真的很适合找写作素材,包括热议话题,优美文段,经典哲论等不仅适合绝大多数应试作文,也可以作为提高人文素养的好材料。

如果总是要买《读者》回来看,钱包也顶不住啊!本着能省则省的原则,在前辈的指点下,终于找到了免费看《读者》的方法。

打开多御浏览器,点击左侧工具栏的展开,然后找到【读刊看报】并点击进去。就可以看免费的《读者》《意林》了,包括过往期刊,全部免费看。

 

如果看到好句好短,可以直接复制下来,分类放到WPS文档里面,简单省事。想省钱,又想免费读一些相关期刊文章,如《读者》、《意林》的,快去试试吧~

3、影视剧素材

这一类是你看电影、电视剧、纪录片、综艺收的素材,这个需要自己做笔记,存进文档里。

如果觉得做笔记太费时间,可以直接截几张图丢进文件夹里,将图片命名为自己能够看懂的素材种类,这样日后自己看截图就可以想起来是哪个素材。

4、金句类素材

这个需要自己每天坚持积累,从看过的文章以及看过的书籍当中摘取。

我的做法是在微信建立一个只有自己的群,看到一句金句,直接复制粘贴,丢进金句群里。

以后用的时候可以按照关键词检索,非常快。

5、整合类素材

比如你平时浏览各个平台上的文章,公众号、知乎、头条等,那都是别人整理出来的文章,素材已经被二次加工过了。

这时你再去用,必须先考察一下这一类素材的出处以及准确性,避免出错。

并将这些素材分类归类,每一个文件夹拟一个主题。

想要学习写作的小伙伴,可以从现在开始整理自己的素材库,然后不断练习、模仿,自己的文笔才会真正得到提高。不妨可以参考我上面列举的分类方法,逐步搭建自己的写作素材库吧。

内容概要:本文详细介绍了一个基于Java和Vue的联邦习隐私保护推荐系统的设计与实现。系统采用联邦习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①习联邦习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值