中文分词一直都是中文自然语言处理领域的基础研究。目前，网络上流行的很多中文分词软件都可以在付出较少的代价的同时，具备较高的正确率。而且不少中文分词软件支持Lucene扩展。但不管实现如何，目前而言的分词系统绝大多数都是基于中文词典的匹配算法。在这里我想介绍一下中文分词的一个最基础算法：最大匹配算法(MaximumMatching，以下简称MM算法)。MM算法有两种：一种正向最大匹配，一种逆向最大匹配。●算法思想正向最大匹配算法：从左到右将待分词文本中的几个
系统 2019-08-29 21:59:36 1966
系统 2019-08-12 09:30:19 1966
namespaceModel{publicclassMapperFactory{//声明一个ISqlMapper接口类型的数据映射器_mapper,其初始值为nullprivatestaticvolatileISqlMapper_mapper=null;//privatestaticlog4net.Appender.AdoNetAppenderadoApd=null;staticMapperFactory(){RefreshMapperSetting();
系统 2019-08-12 01:33:02 1966
随着编程语言的发展，有些语言有很好的发展，有些则面临淘汰，而要数较热门的，其中就有Python。Python作为一种通用脚本语言，后来逐渐成为数据科学中最流行的语言。据IT行业的一些人说，Python的成名是以R语言为踏脚石，R现在是一门垂死的语言。有一些证据表明，Python的流行导致R的使用率越来越低。根据TIOBE统计，Python目前是世界上第三大最受欢迎的语言，仅次于两大热门语言Java和C，从2018年8月到2019年8月，Python的使用率
系统 2019-09-27 17:57:12 1965
os模块os模块提供了很多可以操作系统里文件及目录相关的参数重点方法importosos.path.getsize('绝对路径')#获取指定文件的存储大小,但是不能准确的获得目录的大小os.path.isfile('绝对路径')#判断是否是文件,返回bool类型(True/False)os.path.isdir('绝对路径')#判断是否是目录,返回bool类型(True/False)os.path.join('文件夹的路径','文件或者其他名称')#拼接字
系统 2019-09-27 17:56:50 1965
使用列表List作为样本点表示的欧氏距离计算方法：importmath#计算两点之间的距离defeucliDist(A,B):returnmath.sqrt(sum([(a-b)**2for(a,b)inzip(A,B)]))X=[1,2,3,4]Y=[0,1,2,3]print(eucliDist(X,Y))使用np.array作为样本点表示的欧氏距离计算方法：importnumpyasnp#计算两点之间的距离defeucliDist(A,B):retu
系统 2019-09-27 17:56:21 1965
CSV数据格式如下所示：分类要求为：AAAI属于AI类,ICDM,SDM和KDD属于DM类，WWW属于NEW类上图所示第一列为名称，如何根据第一列的名称把前面的类别名称输出到第三列，实际效果为：如上图所示，第一列为名称，第三列为对应的类别名称，请给出python的实现代码答案对人有帮助，有参考价值0答案没帮助，是错误的答案，答非所问可以用pandas里面的map映射字典。In[1]:importpandasaspdIn[2]:df=pd.DataFrame
系统 2019-09-27 17:56:15 1965
1、json.dumps：是将dict转成str2、json.dump：是将python数据保存成json3、json.load：是将文件中的json数据读取出来，转换成python数据类型
系统 2019-09-27 17:56:12 1965
最近在使用爬虫爬取数据时，经常会返回403代码，大致意思是该IP访问过于频繁，被限制访问。限制IP访问网站最常用的反爬手段了，其实破解也很容易，就是在爬取网站是使用代理即可，这个IP被限制了，就使用其他的IP。对于高大上的公司来说，他们基本都使用收费的代理，基本不会有什么问题，比较稳定。像我这样的矮矬穷，肯定是用不起收费的代理。一般都是使用国内免费的代理，网上也有很多提供免费的代理。很多人都是从网上爬取一批免费的代理IP，存放在存储媒介中，例如excel文
系统 2019-09-27 17:56:04 1965
首先在火狐浏览器上登录知乎，然后使用火狐浏览器插件Httpfox获取GET请求的Cookie，这里注意使用状态值为200（获取成功）的某次GET.将Cookies复制出来，注意这一行非常长，不要人为添加换行符。而且Cookie中使用了双引号，最后复制到代码里使用单引号包起来。使用下边代码检验是否是模拟了登录的用户的请求：importrequestsimportreheaders={'User-Agent':'Mozilla/5.0(WindowsNT10.
系统 2019-09-27 17:55:03 1965
