钉钉报警的使用

1.代码报警

2.钉钉sdk’

3.发送消息

1.curl

2.脚本

1.代码(待编写)
官网:接入指南:自定义机器人:自定义机器人接入
2.钉钉sdk’ =》jar包
1.maven命令 jar包
2.maven


com.aliyun
dingtalk
1.3.74

3.创建机器后 保存Webhook地址(身份证)
4.
1.curl
1.访问 url
2.下载
2.wget =》下载安装包
3.发送消息
1.curl
curl 'https://oapi.dingtalk.com/robot/send?access_token=Webhook
-H ‘Content-Type: application/json’
-d ‘{“msgtype”: “text”,“text”: {“content”:“报警我就是我, 是不一样的烟火”}}’
2.脚本
1.
./ding_warning.sh <rebot_name> <phones,…>
./ding_warning.sh “阿珍” “爱上阿强” “今晚再说” “执行机器名” “电话号”

 vim ding_warning.sh
 -------------------------------------------------------
 
 if [ $# != 5 ];then
echo "usage:dingding warning"
echo "eg. $0 <rebot_name> <programe> <content> <ip> <phones,...>"
exit;
 fi

token=“”
case $1 in
“小红”)
token=“小红Webhook”
;;
“小强”)
token=“阿强Webhook”
;;
“阿珍”)
token=“阿珍Webhook”
;;
*)
echo “没有匹配的机器人”
exit
;;
esac

programe=“$2”
content=“$3”
ip=$4
phones=“$5”

#执行报警
java -cp /home/hadoop/project/ding/dingding.jar
com.chinasoft.dingding.RobotEaring
t o k e n " " {token}" " token""{programe}” “ c o n t e n t " " {content}" " content""{ip}” “${phones}”

Nano-ESG数据资源库的构建基于2023年初至2024年秋季期间采集的逾84万条新闻文本,从中系统提炼出企业环境、社会及治理维度的信息。其构建流程首先依据特定术语在德语与英语新闻平台上检索,初步锁定与德国DAX 40成分股企业相关联的报道。随后借助嵌入技术对文本段落执行去重操作,以降低内容冗余。继而采用GLiNER这一跨语言零样本实体识别系统,排除与目标企业无关的文档。在此基础上,通过GPT-3.5与GPT-4o等大规模语言模型对文本进行双重筛选:一方面判定其与ESG议题的相关性,另一方面生成简明的内容概要。最终环节由GPT-4o模型完成,它对每篇文献进行ESG情感倾向(正面、中性或负面)的判定,并标注所涉及的ESG具体维度,从而形成具备时序特征的ESG情感与维度标注数据集。 该数据集适用于多类企业可持续性研究,例如ESG情感趋势分析、ESG维度细分类别研究,以及企业可持续性事件的时序演变追踪。研究者可利用数据集内提供的新闻摘要、情感标签与维度分类,深入考察企业在不同时期的环境、社会及治理表现。此外,借助Bertopic等主题建模方法,能够从数据中识别出与企业相关的核心ESG议题,并观察这些议题随时间的演进轨迹。该资源以其开放获取特性与连续的时间覆盖,为探究企业可持续性表现的动态变化提供了系统化的数据基础。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
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