xff1994的博客

赵炯老师的《Linux内核完全注释》一书由于成书较早，其第17章实验环境配置中的配置文件有些老，在Ubuntu18.04下不能直接运行。这里记录下需要修改的地方。安装bochs及运行sudo apt install bochs # ubuntu18.04 安装的是bochs2.6sudo apt install bochs-x下载赵炯老师书上的sls linux 代码，解压后进入文...

latex的粗体一般用以下命令：\textbf{}：文本环境加粗。在数学环境使用的话，会使斜体效果消失。并且无法输出加粗的希腊字母。\mathbf{}：会变为粗体，但同样会导致数学字母斜体形式的丢失。\boldmath{}：数学环境里可以加粗且不会使斜体消失。需要添加amsmath宏包。boldsymbol{}：可以对希腊字母加粗。需要添加amsmath宏包。比较推荐的方式是添加宏包...

onetab plus：一件收容标签页reader view：阅读模式save to pocket：内容收集工具，稍后阅读神器octotree：github 代码目录树imagus：网页图片放大镜微博图床：微博图床video downloader：网页视频下载adblock：屏蔽广告infinity：好看高效的新标签页postman：模拟 http 请求达达划词翻译：划词翻译...

简介问题：multi-document abstractive summarization，where the input is a collection of related documents from which a summary is distilled。abstractive 与 extractiveextractive summarization：抽取文本句子作为 summa...

SVM总结相关概念函数间隔γ^=yi(wxi+b)\hat\gamma = y_i(wx_i+b)γ^​=yi​(wxi​+b)在分类超平面0wx+b=0wx+b=0wx+b=0确定的情况下，wx+bwx+bwx+b与yiy_iyi​的符号情况可以衡量分类的正确性，而∣wx+b∣|wx+b|∣wx+b∣可以衡量点到超平面的距离，因此γ^\hat\gammaγ^​可以衡量分类的正确性和确...

简介本文提出了一种简单的、语料库无关的Character-level Language Model（CLM）。该方法不需要上下文信息即可判断token是否是entity。作者进一步将该方法用于一些经典的NER系统中以提高其识别效果。Methods在CLM中，每一个token都被看成一个句子，每个字母看做一个词，比如“Obama”会被看做句子“O b a m a”，以此训练语言模型。本文方法...

这篇文章是上一篇Membership Inference Attacks Against Machine Learning Models的跟踪研究，其提出了三个攻击模型，将上一篇中的模型一步步简化。第一个攻击模型是将上一篇中的影子模型数量降到一个，发现实验效果不会有啥下降。第二个模型放宽攻击者对目标模型训练集的限制，认为攻击者可以对其一无所知。影子模型的训练集采用的是和目标模型不同领域的数据集...

Problem对于FETC（Fine-grained Entity Type Classification）问题，当前常用的基于距离监督的的方法存在 out-of-context 和 overly-specific 的问题。比如上图中，对于实体 Steven Kerr，基于距离监督的方法会给出三个 label：{person，athlete，coach}。然而，对于句子 S1， 其只和 {p...

最近被报名了一个比赛，比赛任务是命名实体识别相关的。之前根本就不了解这方面的东西，临时看了几篇论文，似懂非懂。简介文章提出了一种entity typing task：给定一个句子和一个entity mention，预测实体的类别（type)。其创新在于type的diversity，可以给出不同粒度上的type。主要利用的方法是基于head word 的距离监督。Task and Data...

Membership Inference Attacks Against Machine Learning Models简介：这篇文章关注机器学习模型的隐私泄露问题，提出了一种成员推理攻击：给出一条样本，可以推断该样本是否在模型的训练数据集中——即便对模型的参数、结构知之甚少，该攻击仍然有效。其核心在于其提出的shadow learning技术。问题设定考虑多分类问题，模型的输出是一个预测向...

发行版推荐：ubuntu、deepin推荐软件官方原生wps for Linux：和 Windows 下近乎相同的使用体验。wps社区网易云音乐：与 Windows 版完全一样 。FoxitReader for Linux：与 win 版界面布局不同，但使用体验很好。Typora：好看又好用的 markdown 编辑器。Krita：PS 的Linux替代，界面、功能相似。Mails...

leetcode 上有一题爬楼梯的题，一个n阶的台阶，每次可爬1阶或2阶，问有多少中爬法。这道题不难，就是一个斐波那契数列。我用循环写的，没啥问题。然后看评论里有人用递归写，说会超时。然后有人用了lru_cache装饰器来提高性能，顺利通过。lru即least recently used，lru_cache可以记录函数的调用结果，再次使用时直接使用之前的返回值，而不真的再次调用。from fu...

上一篇介绍了数据脱敏的三种基本方法，这里介绍另一种方法——差分隐私。差分隐私的优点在于其不需要特殊的攻击假设，不关心攻击者拥有的背景知识，量化分析隐私泄露风险。核心研究问题：在满足差分隐私的前提下提高发布统计数据的可用性及算法的效率。ε-差分隐私保护对数据集D的各种映射函数被定义为查询（Query），用 F={f1,f2,⋅⋅⋅⋅⋅⋅}F=\{f1, f2, ······\}F={f1,f2...

kkk-anonymityanonymityanonymity,l\mathcal{l}l-diversitydiversitydiversity和ttt-closenessclosenesscloseness数据时代，很多机构需要面向公众或研究者发布其收集的数据。然而，这些数据中可能包含这用户的隐私信息。这要求发布者在发布前进行脱敏处理。本文介绍三种数据脱敏方法/标准：k-anonymity、...

Nominatim地图服务器安装教程环境：Ubuntu16.04安装Nominatim安装依赖软件sudo apt-get install -y build-essential cmake g++ libboost-dev libboost-system-dev \                       libboost-filesystem-dev libexpat1-dev zlib...

argparse​ argparse模块可以用来方便地处理命令行参数。基本使用示例创建一个ArgumentParse对象，ArgumentParser对象可以将命令行参数转变为Python数据。>>> parser = argparse.ArgumentParser(description='Process some integers.')添加参数>>> par...