笔记
文章平均质量分 65
望月听风
在读研究生,社交网络方向,热爱编程。
展开
-
测试公众号配置,redirect_uri 域名与后台配置不一致 10003
这个链接就是想获取用户权限,微信要验证你是否是可靠的,微信通过redirect_uri和你在公众号配置的域名进行比较,相同就让你获取用户权限,并跳到redirect_uri这个链接所指的位置。scope:授权作用域,例如 “snsapi_base”(静默授权,仅获取用户openid)或 “snsapi_userinfo”(获取用户详细信息)。redirect_uri:授权后重定向的回调地址,需要与你在微信公众平台后台设置的授权回调域名一致。往下滑,还需要配置网页授权用户基本信息,配置完这两项就可以了。原创 2024-02-06 21:21:11 · 866 阅读 · 0 评论 -
为什么应用层可以获取到ip地址,不符合OSI7层模型啊
学过计网的同学应该都知道OSI 7层模型和TCP/IP 4层模型。其中都有应用层和网络层。这里我多说一句:应用层没有我们想象的复杂,应用层就是应用开发商定义的一种协议,或者说是一种格式,发送方和接受方都按着这种格式进行传输和发送,比如这个格式约定 第一行存储报文大小,那么接收方在接收到这个报文之后,就知道第一行是报文大小,就可以读取这个大的报文,没有咱们想象的神秘。原创 2024-01-20 10:53:29 · 407 阅读 · 1 评论 -
银保通系统、保险系统设计
保险系统、银保通系统、保险原创 2024-01-20 09:32:00 · 429 阅读 · 0 评论 -
Dynamic Graph Repartitioning: From Single Vertex to Vertex Group
图划分算法介绍整个图网络太大,无法在一个机器上处理,所有采用分布式的框架。将整个图网络划分为不同的范围,以往的方法只关注单个顶点作为基本单位移动的情况不同,我们证明了一些紧密连接顶点作为一组移动可以进一步提高图再划分结果的质量。静态划分和动态划分静态划分,图网络不怎么变化动态网络:像社交网络不停地变化,增加和删除边。目前动态网络划分:它们在异步模式下执行顶点移动,这将导致迁移干扰。此外,我们发现以单个顶点作为运动的基本单位将限制图的再划分结果的质量。提出一种轻量级,基于顶点群的移动。基于标签原创 2021-12-29 08:15:58 · 150 阅读 · 0 评论 -
图文详解红黑树
学习红黑树就必须先了解2-3-4树,因为红黑树就是来源于2-3-4树。感兴趣的可以去我的博客查看。2-3-4数和红黑树的对应关系首先,2-3-4数有4中节点类型,2节点、3节点、4节点另加一个裂变状态。请牢牢记住这几种2-3-4树节点与红黑树对应关系的状态。2节点:全黑3节点:上黑下红(分为两种状态,一种是红的在左面叫 左倾,另一种是红的在右面叫 右倾,从而有一种结论:一颗2-3-4树对应多颗红黑树,一颗红黑树只对应一颗2-3-4树)4节点:上黑下红裂变节点:如图1-2,如果11节点是根节点,则原创 2021-12-29 08:14:30 · 277 阅读 · 0 评论 -
Effective and Efficient Community Search Over Large Directed Graphs
在有向图中寻找社区介绍现有的社区检索工作可以分为社区检测(CD)和社区搜索(CS)社区检测主要集中在无向图,简单地忽略边缘的方向,基于链路分析检测社区。对于社区检测,目前有很多方法,但是存在缺陷。所有这些工作通常会检测整个图中的所有社区,这通常非常耗时,尤其是在大型图上。此外,目前还不清楚它们如何应用于在线社区搜索。为了解决这些问题,最近提出了CS方法,但没有一种是为有向图定制的。如果我们忽略方向,我们可能会识别出成员相似度低的无意义社区或僵尸用户。CSD问题:给定有向图G的查询顶点q,以及两个原创 2021-12-29 08:13:34 · 404 阅读 · 0 评论 -
Efficient Closest Community Search over Large Graph社区搜索问题
介绍本文研究了最接近社区搜索问题,给定一个图G和查询顶点Q,从G中找到一个包括Q的连通子图。并且该连通子图内聚性比较大,也就说这些顶点类型特点相似性比较大。通过一个两阶段的方法来计算:(1)计算G中包含Q且最具凝聚力的最大连通子图g0,以及(2)迭代地从g0中删除离Q最远的顶点,随后也删除其他违反凝聚力要求的顶点。算法第一阶段基线算法 o(n+m)Baseline-S1:先计算出个顶点的core number,通过一个剥离算法在线性时间内计算出。为的找出包含查询顶点Q的最大kcore.原创 2021-12-29 08:12:49 · 177 阅读 · 0 评论 -
OLAK: An Efficient Algorithm to Prevent Unraveling in Social Networks
作者 Fan Zhang†, Wenjie Zhang§, Ying Zhang†, Lu Qin†, Xuemin Lin§摘要为了防止用户的离开,造成图网络的分解,所以通过激励一些用户,影响周围的顶点,起到增强网络的作用。那么应该激励哪些用户呢,最简单的办法就是选中一个顶点,查看最网络起的作用,依次查看所有的顶点,但是这样很浪费时间。所以发明了一种类似于洋葱层的算法,大大减少搜索空间,提高效率。1、介绍说白了,就是固定一些顶点从而扩大kcore。研究表明k>=3 锚定kcore是一个N.原创 2021-12-29 08:12:05 · 239 阅读 · 0 评论 -
vim 使用
vim的四种模式正常模式插入模式命令模式可视模式正常模式按 i 、 o、a 、A、O、I 都可以进入插入模式 只是插入的位置和光标不同 可自行尝试hjkl四个方向移动 左、上、下、右yy 复制整行p 粘贴3yy 复制3行y$ 复制从光标到结尾的字符dd 剪切一整行d$ 剪切光标到末尾u 撤销,可撤销多次x 删除光标下单个字符r 替换字符:set nu 设置行号数字 + shift +g 跳到指定行g 跳到第一行G 跳到最后一行shift +原创 2021-12-29 08:10:45 · 295 阅读 · 0 评论