qq_34391511的博客

这里写目录标题实验工具开启ssh服务A开启ssh服务器端B访问A实验工具准备两台笔记本：A : 作为服务器B ：作为客户端根据A、B的角色特性选择开启SSH的服务开启ssh服务安装后，按提示重启。用cmd查看是否安装成功：A开启ssh服务器端用管理员模式打开CMD输入：net start sshdB访问A查看A的ip：ipconfig用B访问A：用户名@ssh 这里写ip地址输入密码即可成功访问A...

官方文档：https://docs.microsoft.com/zh-cn/windows/terminal/图片配置：需要把图片放在路径：%LOCALAPPDATA%\Packages\Microsoft.WindowsTerminal_8wekyb3d8bbwe\RoamingState下可以使用png,jpeg,gif然后打开终端：在defaults中设置：效果：未完待续。。。...

2020.9.7python scipy.sparse模块Coordinate (COO)代码案例思路缺点Compressed Sparse Column (CSC)代码案例思路Compressed Sparse Row (CSR)代码案例思路参考python scipy.sparse模块作用：所给变量变成稀疏矩阵.dailog():稀疏对角矩阵参考案例：http://codingdict.com/sources/py/scipy.sparse/8465.htmlCoordinate (COO

汇总算法代码算法n的因子之和斐波那契数列合并排序快速排序二分查找矩阵连乘（动态规划）背包问题（动态规划）背包问题（贪心算法）哈夫曼编码（贪心算法）代码代码在我的GitHub上：https://github.com/foolfun/Some-algorithm-demo...

2020.9.5美团百度搜狗美团津贴兑换：津贴序列，有连续两个一样的x元的津贴可以变成x+1；这样的最后津贴序列是？输入：序列长度n,序列a输出：经过变换的序列列子：input：5[1, 1, 1, 1, 1]output：3代码：n = 5a = [1, 1, 1, 1, 1]sum_con = 0con = -1while con != 0: con = 0 pre = a[len(a) - 1] i = len(a)-2

这里写目录标题来源典型应用主要技术1、实体链接（entity linking）2、关系抽取（relation extraction）3、知识推理（knowledge reasoning）4、知识表示（knowledge representation）参考来源知识图谱是谷歌推出的产品类似，facebook提出的社交图谱典型应用1、查询理解（例：基于知识图谱的搜索引擎）2、自动问答3、文档表示主要技术1、实体链接（entity linking）两个任务：实体识别（entity recog

2020.08.30参考大概有下面几个kbqa基于知识图谱返回一个实体作为答案。open domain qa预测合适答案。reading comprehension找到一个文章中的span回答相应问题。多跳转qa hothop qa。大多多数都是预测任务。对话系统我理解更多指的是对话生成任务。常见的比如seq2seq对话生成等等。希望我的回答能勾帮助到你参考https://www.zhihu.com/question/68140485/answer/815211836https://github.c

2020.8.27Anserini正在研究“DIFFERENTIABLE REASONING OVER A VIRTUAL KNOWLEDGE BASE” from 2020ICLRAnseriniAnserini IR：信息检索工具具体的代码链接：https://github.com/castorini/Anserinipython的api参考：https://www.ctolib.com/mip/castorini-pyserini.html使用到的论文：End-to-EndOpen-Dom

2020.8.26TF-IDF最大内积搜索（MIPS）参考正在研究“DIFFERENTIABLE REASONING OVER A VIRTUAL KNOWLEDGE BASE” from 2020ICLR遇到一些不大懂的知识点：TF-IDF、最大内积搜索（MIPS）TF-IDFTF-IDF：词频-逆文档词频（term frequency，inverse document frequency）最开始：用于文档关键词提取案例：《中国的蜜蜂养殖》过滤停用词，剩下有实际意义的词“的“，”是“等

问题如下：安排：# -*- coding: utf-8 -*-import pandas as pd#路径path = './a.xlsx'#sheet_name 代表哪个sheet，0代表第一个；因为是xlsx格式，用read_excel读取data = pd.read_excel(path, sheet_name = 0)#思路：将日期列变为索引，然后排序，便于后面快速筛选data.set_index('日期',inplace=True)data=data.sort_index

用python的pyodbc库连接access数据库的时候出现了这个错误：查了各种资料之后发现，应该是win10系统上没有安装Microsoft Access Diver的驱动，可以用下面的方法来查看是否安装了：win10环境下，到这个路径下：C:\Windows\SysWOW64；C:\Windows\System32然后找到“odbcad32.exe”文件，先到官网下载相应的驱动，我的电脑是2016版本的：https://www.microsoft.com/en-us/download/de

Ubauntu+Canal搭建Ubuntu虚拟机工具过程安装mysql完全卸载安装canal1\检查binlog功能是否有开启2\添加相关用户和权限3\安装Canal服务下载&解压配置DemoUbuntu虚拟机工具1\vmware2\ubuntu镜像过程VMware获取链接：https://pan.baidu.com/s/1YsR03dHL8dj-DyNHvyuDcw提取码：u5mbUbuntu镜像下载：https://ubuntu.com/download/desktop安装过程

遇到的坑：问题： 加载一个之后，再点击另一个，可能是某个模板设定的问题，导致出现重叠的情况。解决方法： // 基于准备好的dom，初始化echarts实例var div_main = document.getElementById('main')div_main.removeAttribute("_echarts_instance_");var myChart = echarts.init(div_main);成功：...

configure-》plugin

分支限界设计思想影响算法复杂度的因素经典案例背包问题最大团问题货郎问题圆排列问题连续邮资问题其他问题回溯和分支限界的异同

回溯设计思想影响算法复杂度的因素经典案例背包问题分支限界设计思想影响算法复杂度的因素经典案例背包问题最大团问题货郎问题圆排列问题连续邮资问题其他问题回溯和分支限界的异同...

目录贪心基本思想影响算法复杂度的因素经典案例哈夫曼算法Prim算法&Dijkstra算法Kruskal算法其他问题背包问题的动态规划和贪心算法的不同贪心基本思想影响算法复杂度的因素经典案例哈夫曼算法Prim算法&Dijkstra算法Kruskal算法其他问题背包问题的动态规划和贪心算法的不同...

目录动态规划基本思想影响算法复杂度的因素经典案例最短路径背包问题图像压缩最优二叉树动态规划基本思想动态规划的基本思想是将待求解的问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解；这些求解的子问题往往不是相互独立的；另外，在计算过程中需要将所有已解决的子问题的答案记录在一个表中以避免大量的重复计算。影响算法复杂度的因素最优子结构性质子问题的重叠性质经典案例最短路径背包问题图像压缩最优二叉树...

问题汇总分治法 vs 动态规划“背包”问题：动态规划 vs 贪心法回溯法 vs 分支限界法分治法 vs 动态规划相同点：这个两个方法都是讲原问题分解为若干个子问题，递归或者迭代的求解子问题，通过子问题的解综合得到原问题的解。这两个算法的复杂度往往会受到子问题的影响。不同点：子问题不同：分治法的子问题要求是相互独立且与原问题相同，而动态规划的子问题可以是相互重叠的。特别的，在计算子问题时，动态规划法会采用备忘录的方法记录子问题的解，以避免大量重复计算。求解方向不同：分治法是自顶向下；动态规划