??.0427-优快云博客

原创字节跳动 [编程题]用户喜好

为了不断优化推荐效果，今日头条每天要存储和处理海量数据。假设有这样一种场景：我们对用户按照它们的注册时间先后来标号，对于一类文章，每个用户都有不同的喜好值，我们会想知道某一段时间内注册的用户（标号相连的一批用户）中，有多少用户对这类文章喜好值为k。因为一些特殊的原因，不会出现一个查询的用户区间完全覆盖另一个查询的用户区间(不存在L1<=L2<=R2<=R1)。输入：第1行为n...

2019-08-10 00:12:08 472

原创牛客网——被3整除

小Q得到一个神奇的数列: 1, 12, 123,…12345678910,1234567891011…。并且小Q对于能否被3整除这个性质很感兴趣。小Q现在希望你能帮他计算一下从数列的第l个到第r个(包含端点)有多少个数可以被3整除。import syswhile True: x_y=sys.stdin.readline().strip() if x_y=='':...

2019-07-26 21:13:50 415

原创利用GAN来为冷启动用户生成行为特征完成yelp数据集上，冷启动垃圾识别的问题。

之前的工作总结一下，收录为2019DASFAA的短文。Generating Behavior Features for Cold-Start Spam Review Detection。文章主要是针对垃圾识别领域中冷启动用户的问题，冷启动用户指刚刚发表一条新评论的用户，此类用户没有大量的文本或者行为特征供我们进行提取。本文通过generative adversarial network（GA...

2019-06-15 16:00:53 636 1

原创用序列标注Sequence Labeling来做event detection

借鉴Double Embeddings and CNN-based Sequence Labelingfor Aspect Extraction这篇文章，转用序列标注来做，这样可以大幅度减少数据量，但是一个缺陷是一些pooling的改进算法可能会有影响。目前借鉴上文的模型，针对ACE2005的数据集进行了处理，最终的结果大概p=68,recall=62.5,f1=65.2改进待续。...

2019-06-15 15:53:31 559

原创 event detection with CNN 复现Event Detection and Domain Adaptation with Convolutional Neural Networks

Event Detection and Domain Adaptation with Convolutional Neural Networks这篇文章的复现。使用的数据集是ACE2005英文。针对这个数据集，其中包含多个新闻文档，其中sgm为文本描述，apf为每个文档里面event,argument,trigger等的描述。这篇文章模型的主要思路是若有一个句子为L=n1,n2…n50针对...

2019-06-15 15:49:57 883 1

原创 Unigram 和bigram 对yelp数据集进行垃圾评论识别分类 python

依旧是对yelp数据集处理，之前效果不理想，后来仔细看了论文，用的是SVMlight分类器…（使用方法见上一篇文章），效果就差不多了。。。。过程就是对英文进行处理（去停用，去高频和低频），化为词袋模型，处理成SVMlight的格式，进行分类。贴部分代码。对数据处理：for c in cos: cis_2=[] id = c.split(' ')[0] con

2018-01-07 18:57:31 3491 3

原创 SVMLight 在windows下进行二分类的使用和例子 python

后来发现python貌似有接口，但是数据已经处理了就直接用了C版本的exe至于下载去官网，下载二进制版本（即exe），然后样例1（example1）。二进制文件夹里面有两个exe，一个是learn，一个为classify，顾名思义，一个用来训练模型，另一个是进行分类。样例1中有train和test两个文件，其中格式为：标签+特征值具体理解可以看下面的举例：假如有两个样本

2018-01-07 18:49:33 1102 1

原创 RESCAL+YELP 垃圾评论识别论文算法实现

咸鱼好久……记录一下最近做的这个论文里面的重现，主要也就是对数据集的处理。论文为Learning to Represent Review with Tensor Decomposition for Spam Detection，主要就是将评论和商品两种实体的关系扩展出11种，每一种为一个三维张量，也就是说会有11个三维张量。然后把这11个三维张量投入RESCAL算法里面分解得到A和R和A^T然后A中

2017-12-19 16:48:58 4241 8

原创 Alias sampling 算法用Python实现

Line论文中采用了alias 采样算法进行优化，其源码为c++，现用Python实现一遍，加深一下印象网上有人已经用C++ 脱离LINE算法，单独实现了这个算法并且测试，可以先看看。而alias算法的原理可以看我的上一篇博客，其中包括C++源码的分析，所以Python就不加注释了。。python代码:from gensim.models import Word2Vecimport nump

2017-11-23 17:10:59 1256

原创 Line论文中的Alias Sampling Algorithm 分析

http://blog.youkuaiyun.com/haolexiao/article/details/65157026 找了一下这篇写的最清晰了，然后结合Line的源码分析一下。原理：原文举例如下：比如一个随机事件包含四种情况，每种情况发生的概率分别为： 12,13,112,112，问怎么用产生符合这个概率的采样方法。Alias方法按照均值1/N进行归一化，其总面积为N，并且分为1*N个长方形，每一列

2017-11-20 15:50:35 3151

转载 boost在DevC++中的安装过程

第一种比较简单，在DEV-C++的Tools菜单里选择Check for updates蔡单项，然后在弹出的对话框中选择devpaks.org Community Devpaks，单击Check for updates按钮几秒钟后下载完毕,在Groups中选择C++ Libraries，然后在Available updates list中选择BOOST，单击Download selected，

2017-11-13 09:22:47 724 1

原创 Doc2vec对M10语料库进行多分类 python

语料库：是文献引用关系的语料库，将文献分成10类包含3个txt，一个是文档ID+文档标题信息，一个是文档ID之间的引用关系，一个是文档类别语料库下载：m10do2vec和word2vec不同，直接是对文档进行训练，得到的就是一个个文档向量。主要分为三步，一步就是提取文档信息，一步进行训练，最后分类。第一步提取比较简单主要就是提取文档标题信息做words，然后d

2017-10-25 14:30:03 1244 6

原创 python进行文本分类，基于word2vec,sklearn-svm对微博性别分类

第一个分类任务，记录一下语料库下载一、进行手工分类导师给的数据是两个文件夹，一个包含了以用户ID名为标题的一大堆txt（未分类），还有一个文件夹里面是已经分类好的男女性别ID的集合txt。先要做的任务就是将未分类的txt分成两类（根据给的已经分类的id集合txt），这个分为三步： 1、新建男女分类的空文件夹。 2、提取id集合中的id，存在两个list里面. 3、提取未分类txt的

2017-10-07 12:00:43 19626 13

转载机器学习中的训练集，验证集及测试集的关系

Training set: A set of examples used for learning, which is to fit the parameters [i.e., weights] of the classifier. Validation set: A set of examples used to tune the parameters [i.e., architecture, n

2017-10-05 22:04:29 861 1

原创武大计院夏令营记录2017

稍微记录下把，给来年的孩纸们一点福利233333报名方式就不说了。夏令营除了各种讲座外就是笔试+面试。笔试虽然只占20%，但还是挺重要的，因为最后面试分好像都差不多。笔试包括数学（线代、高数、概率论）、C语言程序设计和计算机网络。其中数学感觉每年重点不一样，今年觉得侧重线代一点，不过都是考的比较简单的题目，一共10题（感觉有一题会比较难，毕竟不能拿满分嘛），其他都是很基础的，比如求逆矩阵、极限，

2017-07-23 16:33:20 904

原创【Java web】利用eclipse打开并调试Java web项目，包括部署tomcat，连接数据库

（不会写就算了还不会调试跪）在网上下载了现成的java web项目，利用eclipse打开后，还需要进行布置环境和配置数据库+连接数据库，当然如果下载的是eclipse ee 的话应该就不用了。其中包括设置项目的属性，部署tomcat等等。1、导入项目利用eclipse导入存在的项目就是右键import。如果用到了servlet包，会发现项目有错，提示没有这个包，这个时候需要下载这

2017-06-21 21:47:41 3147

原创 windows7 C语言打印目前进程列表、删除一个进程、显示一个进程地址。

#include <windows.h>#include <tlhelp32.h> // 声明快照函数的头文件#include <stdio.h>#include <stdlib.h> int main(int argc, char* argv[]){ //用来存放快照进程信息的一个结构体。（存放进程信息和调用成员输出进程信息） PROCESSENTRY32 pe

2017-05-21 20:42:23 1085

原创 windows7 安装python +nltk

安装python的教程很多不赘述安装nltk先安装pip，可以在官网下载tar.gz结尾的压缩包，然后解压。下一步用命令行进入解压的文件夹，python setup.py install 。然后配置环境变量，把python下scripts文件夹的路径添加到path变量中即可。在命令行中Pip一下可以看到Pip已经安装成功~ 接下来pip install nltk即可。然后进入pyt

2017-04-30 11:23:20 517

原创 windbg查看文件的PTE和PDE

1、下载好windbg，设置好变量symbols（去官网下载对应版本的symbols)2、进入kernel debug模式的本机调试（内核调试模式），我是在xp虚拟机下进行的。3、用!process 0 0命令打印当前所有的进程信息，找到我们的exe信息（这里是hello.exe） 4、先.process 81c39020进入进程5、!pte 81c39020打印此处的PTE和PDE 6、得

2017-04-13 18:22:25 2863

原创 java简易扑克牌游戏，慕课第三季作业

要求：1、创建牌，分四个花色，每个花色13张，没有大小王2、创建玩家，玩家有ID和姓名，每个人两张牌3、洗牌，打乱牌序利用Collections.shuffle方法，加个随机数循环多次洗牌，保证不重复。4、发牌，发前四张5、游戏规则：每个人选出两张中最大的进行比较，大的胜利（若大小相等则比较花色）过程：1、分为Card类，Player类，Game主类2、Game类中包含CreateCards();

2017-03-26 21:02:04 2850 1

原创利用winhex在NTFS文件系统下定位文件，找到其目录项和簇号等等

软件安全的实验，记录一下，首先需要对NTFS文件系统有了解，有时间的推荐先看这篇博客一、NTFS需要的基础1、MFT：磁盘上的所有数据都是以文件的形式存储，其中包括元文件。每个文件都有一个或多个文件记录，每个文件记录占用两个扇区 $MFT元文件就是专门记录每个文件的文件记录。其中第五个目录是根目录的文件记录。第一个目录是MFT本身的文件记录。2、簇号： NTFS文件系统使用逻辑簇号（LCN）和

2017-03-26 20:49:48 32014 4

原创 Windows XP下OpenSSL 安装+OPENSSL编程椭圆曲线ECC函数

非原创，懒得搬运了（泪）链接留下很详细的讲解了函数Windows XP下OpenSSL 安装，亲测有效（笑哭）

2017-03-26 20:43:53 385

原创 Miracl在VC++6.0中的配置和使用

一、Miracl库是大数运算函数库，用来设计与大数运算相关的密码学之应用，包含了RSA 公开密码学、Diffie-Hellman密钥交换(Key Exchange)、AES、DSA数字签名，还包含了较新的椭圆曲线密码学(Elliptic CurveCryptography)等等。运算速度快，并提供源代码。二、下载Miracl 密码ecee三、配置将Mircal中Include中的miracl.h和m

2017-03-26 20:42:41 3501 1

原创 java_简陋租车系统

终于看完了前两季视频，根据作业要求做出了一个特别丑陋的哒哒租车系统啦~感觉很粗暴，还有很多需要优化的地方，今天先到这里，明天去慕友那看看能不能改进了QAQ 还有一些地方不是很清楚，比如接口，方法、类直接还有点晕QAQ哒哒租车系统功能：1、展示所有可租的车辆 2、选择车型和车量 3、展示租车清单分析：利用父类子类，车作为父类，分为三个子类（载人的车，载货的车，皮卡）。其中父类作为抽象类，只定义规范，子

2017-03-26 20:40:13 480

原创利用腾讯云1元机和服务市场wordpress快速搭建个人博客

个人博客：http://www.xiaoyatang.cc/ 欢迎交流访问（发现个人博客很难被百度收录，决定还是在这里继续搭窝）记录一下自己利用腾讯云主机和腾讯服务市场wordpress博客平台，来快速搭建个人博客的过程。作为一个小白，首先做的是网上搜教程啦，然后参考→教程链接，大部分都可以参考，但是最后的wordpress的配置不太一样。具体搭建步骤包括：1、购买腾讯云主机（学生可以享受1元学

2017-03-26 20:35:01 1342

小雅的博客