薰珞婷紫小亭子-CSDN博客

原创 Levenshtein python调用

一般来说，编辑的距离越小，两个字符的相似度越大。不难分析出，两个字符串的编辑距离肯定不超过它们的最大长度（可以通过先把短串的每一位都修改成长串对应位置的字符，然后插入长串中的剩下字符）。Levenshtein距离又称作编辑距离（Edit Distance），是指两个字符之间，由一个字符转变成另一个字符所需的最少编辑操作次数。注：在导包的时候，是pip install python-Levenshtein，而不是pip install Levenshtein。替换，将一个字符替换成另一个字符。

2023-08-17 11:01:10 443

原创各种PLM 参数量大小

目录t5参数量： mt5参数量：参考链接：reference 下载地址：https://huggingface.co/t5-base/tree/main参考链接：reference下载地址：https://huggingface.co/google/mt5-base

2023-08-15 16:19:47 2726 2

原创 docker 基础知识

docker基础知识

2023-08-15 11:08:25 461

原创如何读取文件夹内的诸多文件，并选择性的保留部分文件

当前有一个二级文件夹，第一层是文件夹名称是“Papers(LNAI14302-14304)",第二级文件夹目录名称如下图蓝色部分所示。第三层为存放的文件，如下下图所示，每一个文件中，均存放三个文件，分别为copyright.pdf, submission.pdf, source.zip.如何python实现，读取三层目录下的文件内容，并且将最里面一层目录中的“submission.pdf"筛选，并保存。python实现读取文件夹内的内容，并筛选部分内容，写入到另外一个文件夹中。

2023-08-15 09:50:00 218

原创 CondaValueError: Malformed version string ‘~‘: invalid character(s).

执行如下命令之后，再执行上面的命令，错误便会解决。

2023-08-15 09:38:07 4954 3

原创如何解决docker中出现的“bash: vim: command not found”

在docker中，想要执行vim编辑文件，弹出“docker bash: vim: command not found“（如下图），请问该如何解决？再执行vim命令，便不会报错。

2023-08-14 21:37:15 674

原创 shutil.copy()与shutil.copy2()有什么区别？

在复制文件的时候，经常会使用到shutil.copy()函数，今天问ChatGPT老师，给出了shutil.copy2()函数。百度发现，两者还是有一定的区别的。举个例子，如果你需要将一个文件从一个目录复制到另一个目录，同时保留文件的修改时间等元数据，你可以使用。～～以下内容均来自于ChatGPT的回答～～如果你只关心文件的内容，可以使用。都是 Python 标准库。都是 Python 标准库。

2023-08-13 10:42:52 2130 1

原创 NLPCC 出版部分相关源码记录

NLPCC 出版部分相关源码记录

2023-08-05 22:11:11 801

原创 python批量检查folder中的文件是否符合要求

python批量检查folder中的文件是否符合要求。 NLPCC

2023-08-05 21:35:01 309

原创 Camera-COQE multi-comparions

【代码】Camera-COQE multi-comparions。

2023-07-30 23:17:08 101

原创如何解决使用Elsivier默认latex模板，显示多位作者名字而不是et.al形式

如何解决使用Elsivier默认latex模板，显示多位作者名字而不是et.al形式

2023-07-28 16:35:46 1267 1

原创给定英文文本，怎样以单词，标点符号等为分隔单位，以空格分隔开来。

英文是以空格为分隔符进行划分，但是标点符号等其他字符与英文单词之间并没用分隔开来。若想实现英文文本以单词或标点符号等特殊字符为分隔单位，定义一个函数process_sentence(),输入待处理的文本sentence,得到处理之后的sentence'

2023-07-10 21:21:31 294

原创 Linux删除文件夹时，报错“Error: EBUSY:resource busy or locked, unlink……”该如何解决？

Linux删除文件夹时，报错“Error: EBUSY:resource busy or locked, unlink……”该如何解决？

2023-07-01 17:39:28 2342 2

原创如何使用wordnet词典，得到英文句子的同义句

如何使用wordnet词典，得到英文句子的同义句

2023-06-28 14:16:59 398

原创 Overleaf表格过长或过短怎样设置合适长度

使用下面的命令 "\scalebox"，通过调整0.8数字，可以帮助你将表格调整到合适的宽度，在使用overleaf写论文的时候，经常会出现表格长度不符合自己的预期，不是过短就是过长。

2023-06-05 14:17:10 4136

原创 python:实现将英文单词，标点符号等，以空格拆分

将英文以单一单词为单位，以空格划分单词。

2023-05-12 10:24:21 1336 1

原创小白入门之args, *args, **kwargs

小白入门之args, *args, **kwargs

2023-04-27 20:03:10 2779 2

原创给定英文text，以及span，判断span是否在text,若在返回start /end index,从1开始计数，如果不在，则返回0,0

【代码】给定英文text，以及span，判断span是否在text,若在返回start /end index,从1开始计数，如果不在，则返回0,0。

2023-04-17 20:28:38 112

原创 linux如何查看当前虚拟环境中使用的所有的包，并快速安装到另一个虚拟环境中

这将会在项目目录下生成一个名为 requirements.txt 的文件，其中包含了项目中需要的所有package名称及其版本号。

2023-04-12 22:12:02 2235

原创如何使用spacy工具包，实现依据依存关系结果，对英文句子构建矩阵图

如何使用spacy工具包，实现依据依存关系结果，对英文句子构建矩阵图

2023-04-12 17:49:08 335

原创若一个单词被拆分成多少token, word_ids得到的序号是相同的？还是序号累加的？

在使用tokenizer进行编码的时候，经常会存在word被拆分成多个token的情况，不同的参数设置，会得到不同的结果。总的来说，得到的word_ids会有两种，一种是每一个子token是相同的序号；可以看出，tokenizer对text进行了分词处理，但word_ids()的序号是一次累加的，单纯的从word_ids（）结果来看，并不能知道哪个单词被拆分了。同一个word的序号是相同的，通过word_ids()序号，就可以定位到被拆分的单词。根据自己的需求，使用不同的方法，下面是两种具体的方法。

2023-04-09 00:37:55 719