中文情感分类代码
## 中文情感分类--关于疫情、微博、中文、文本
本次中文情感分析源于数据挖掘与分析课大作业,主要内容为:对疫情期间的微博文本进行情感分类,进而分析情感变化。
1. 数据集:训练集和待预测数据集,其中训练集为打好标签的微博疫情相关文本,待预测训练集为情感趋势来源。
2. python库:主要使用 jieba、pandas,其余详见import
3. 主要涉及内容有:分词,去停用词,构建词向量模型,分词文本向量化,模型训练,预测等部分。
【文件路径\\、/没有修改成一致。部分代码不够简洁流畅,仅提供步骤参考,相关文件、代码(同组成员的微博爬虫、清洗、以及数据集链接)会考虑需要上传】
part 1:训练集文本
--分词,去停,构建词向量(这里没有用pandas,十分后悔)
1.import部分及main方法:
import jieba
import numpy as np
import pandas as pd
import osimport gensim
from gensim.test.utils import common_texts,get_tmpfile
from gensim.models import Word2Vecimport mathimport csvif __name__=='__main__':data = pd.read_csv('D:\\documents\\data mining\\数据集\\情感分类-疫情微博\\nCoV_100k_train.labled.csv',engine="python")#data = pd.read_csv('D:\\documents\\data mining\\数据集\\普通情感分类-7\\情感训练集.csv')#print(data.head())#提取目标列,第2列data1 = list(data.iloc[:,3]) #根据数据集修改 100k-3,情感训练集-0#print(data1[0])label = list(data.iloc[:,6]) #根据数据集修改 100k-6,情感训练集-1#分词size = 100 #词向量模型(data2,label) = word_cut(data1,label,size) #返回分词后列表,以字符串为元素,字符串用','隔开字符print('分词成功')print(len(data2),len(label))
2.分词,去停,词向量
def word_cut(data1,label,size):filelist = []for i in data1:i=str(i)i = i.replace('展开全文c','')s=jieba.cut(i,cut_all=False)cutstr = '$$$'.join(s)'''s1 = iter(s)cutstr=''for i in s1:if cutstr =='':cutstr+=ielse:cutstr+='$$$'cutstr+=i'''textlist = cutstr.split('$$$')#print(textlist)filelist.append(textlist)filelist = removesw(filelist) #去停用词后的list,可能有空j=0for i in range(len(filelist)):#删除空值if len(filelist[i-j])== 0:del filelist[i-j]del label[i-j]j+=1#print(len(filelist),len(label))#print(filelist[0],label[0])#print(filelist[1],label[1])#print(filelist[-2],label[-2])#print(filelist[-1],label[-1])#打开txttxtfile = open('D:/documents/data mining/数据集/代码/data_cut.txt',mode = 'w')for i in range(len(filelist)):string=''for j in filelist[i]:if j != '':if string == '':string += jelse:string += ','string += j##写入txt文件 #分词+labeltxtfile.write(string.encode("gbk", 'ignore').decode("gbk", "ignore")+' '+str(label[i])+'\n')txtfile.close()print('cut_word写入txt')model = Word2Vec(filelist,size=size,window=5,min_count=1,workers=4)model.save("D:/documents/data mining/数据集/代码/word2vec.bin")print('cut_word加入词向量模型')return (filelist,label)
本段主要为 利用结巴分词进行分词,分词结果使用$$$分隔,使用下方去停方法。
将去停后的分词文本加入词向量模型,其中word2vec中的filelist只要为可循环的变量均可,后续往词向量模型加入,以及获得文本向量的语句见part2.
def removesw(filelist): #filelist:由分词构成的liststop_word = Nonewith open('D:/documents/data mining/数据集/stopwords-master/cn_stopwords.txt','r',encoding = 'utf-8') as f:stop_words = f.readlines()stop_words = [word.replace('\n','') for word in stop_words]# stop word 替换#i=0for i in range(len(filelist)):filelist[i]=[x for x in filelist[i] if x not in stop_words]return filelist
本段去停用词,txt为网络找的停用词表,中途会根据微博语境增删改。for循环里的代码比较核心。
part 2:预测集数据
--本部分主要使用pandas库,对预测集分词、去停,结果加入part1中构建的词向量模型。然后利用词向量模型、训练集&预测集分析结果,构建文本向量并写入.csv文件。
1.import部分+数据清洗、分词、去停
(清洗部分希望去掉部分无意义词段,防止分词后无法去除。)
import os
import pandas as pd
import jiebaimport gensim
from gensim.test.utils import common_texts,get_tmpfile
from gensim.models import Word2Vecimport numpy as np
import csv#----数据清洗,分词----
with open('D:/documents/data mining/数据集/stopwords-master/cn_stopwords.txt','r',encoding = 'utf-8') as f:stop_words = f.readlines()stop_words = [word.replace('\n','') for word in stop_words]stop_words.append('\u200b')origin_dir='D:\\documents\\data mining\\数据集\\代码\\cleaned_text\\'
files=os.listdir(origin_dir)
after_clean_dir='D:\\documents\\data mining\\数据集\\代码\\after_clean\\'def clean_mix(s):#print(type(s))return s.replace('收起全文d','').replace('展开全文d','').replace('的秒拍视频','').replace('的微博视频','').replace('的快手视频','').replace('\n','').replace('O网页链接','')def after_jieba_stopword(s):a=jieba.cut(str(s),cut_all=False)b = '$$$'.join(a)c=[x for x in b.split('$$$') if x not in stop_words]return ' '.join(c)N_origin=0
N_filter=0
for file in files:data=pd.read_table(origin_dir+file,sep=',',encoding='utf-8')N_origin+=len(data)#分词data['cleaned_text']=data['cleaned_text'].map(lambda x:clean_mix(str(x)) if type(x)==type('') else '') #去词data['cleaned_text']=data['cleaned_text'].map(lambda x:after_jieba_stopword(x)) #分词,去停用词data['removeWellSign']=data['removeWellSign'].map(lambda x:clean_mix(str(x)) if type(x)==type('') else '')data['removeWellSign']=data['removeWellSign'].map(lambda x:after_jieba_stopword(x))data_filter=data.loc[data['cleaned_text']!='',:] data_filter['id']=np.arange(0,len(data_filter),1)N_filter+=len(data_filter)data_filter[['id','original_text','cleaned_text','removeWellSign']].to_csv(after_clean_dir+file,sep=',',index=None,encoding='utf-8')print(file,'over')print(N_origin)
print(N_filter)
2.词向量模型训练
--待预测数据集分词结果加入词向量模型
#训练模型,向量化
after_clean_dir='D:\\documents\\data mining\\数据集\\代码\\after_clean\\'
files=os.listdir(after_clean_dir)
model = Word2Vec.load("D:/documents/data mining/数据集/代码/word2vec.bin")for file in files:data=pd.read_table(after_clean_dir+file,sep=',',encoding='utf-8')filelist=list(data['cleaned_text'].map(lambda x:x.split(' ')) )model.train(filelist,total_examples=model.corpus_count,epochs= model.iter)print(file,'train over')model.save("D:/documents/data mining/数据集/代码/word2vec.bin")
print('预测文本加入词向量模型-成功')
3.文本向量化
利用分词后的文本,分别从词向量模型中获得词语对应向量(向量中不包含所有词),加总(权重为1)、平均,得到句子对应文本向量。
#模型106万条文本的向量化
after_clean_dir='D:\\documents\\data mining\\数据集\\代码\\after_clean\\'
vectors_dir='D:\\documents\\data mining\\数据集\\代码\\vectors\\'
files=os.listdir(after_clean_dir)
model = Word2Vec.load("D:/documents/data mining/数据集/代码/word2vec.bin")for file in files:data=pd.read_table(after_clean_dir+file,sep=',',encoding='utf-8')filelist=list(data['cleaned_text'].map(lambda x:x.split(' ')))df=pd.DataFrame()for text in filelist:text_vector = np.zeros(100).reshape((1,100))count = 0for word in text:try:text_vector += model[word].reshape((1,100))#print(word,model[word])count += 1except KeyError:continueif count !=0:text_vector /= count #count个单词,所以除以countvector_list= list(list(text_vector)[0])df=df.append(pd.Series(vector_list),ignore_index=True)df.to_csv(vectors_dir+file,sep=',',index=None,header=None)print(file,'train over')#---训练集文本向量化---
model = Word2Vec.load("D:/documents/data mining/数据集/代码/word2vec.bin")
txtfile = open('D:\\documents\\data mining\\数据集\\代码\\data_cut.txt','r')data=[]
for i in txtfile.readlines():a=i.split(' ')a = [word.replace('\n','') for word in a]#print(a)data.append(a) #[[cut_word,label],[cut_word,label]]for i in data:text = i[0].split(',')text_vector = np.zeros(100).reshape((1,100))count = 0for word in text:try:text_vector += model[word].reshape((1,100))count += 1except KeyError:continueif count !=0:text_vector /= count #count个单词,所以除以countvector_list= list(list(text_vector)[0])#print(i[0],vector_list)i=i.append(vector_list) #print(data[0])with open('D:\\documents\\data mining\\数据集\\代码\\trainText_vector.csv','w',newline='') as tf:writer = csv.writer(tf,delimiter = ',')#writer.writerow(file_columns)for row in data:#print(row)row1 = row[2]row1.append(int(row[1]))#print(row1)writer.writerow(row1)tf.close()
print('训练文本向量化完成')
4.模型训练
--这里的模型为决策树模型,使用OneVsOne分类方式,是经过挑选的。训练过程中,将训练集向量9:1分为训练集和测试集,正确率较高,且在预测分类中效果较好。
from sklearn.multiclass import OneVsOneClassifier
from sklearn.tree import DecisionTreeRegressorfrom sklearn.model_selection import train_test_split
from sklearn.preprocessing import label_binarizefrom joblib import dump, load#---模型训练及预测---
after_clean_dir='D:\\documents\\data mining\\数据集\\代码\\after_clean\\'
vectors_dir='D:\\documents\\data mining\\数据集\\代码\\vectors\\'
label_dir='D:\\documents\\data mining\\数据集\\代码\\text_label\\'
files=os.listdir(after_clean_dir)#模型训练
labeled_path = 'D:\\documents\\data mining\\数据集\\代码\\trainText_vector.csv'labeled=pd.read_table(labeled_path,sep=',')
n=len(labeled)#11281vectors=labeled.iloc[:,:-1]
labels=labeled.iloc[:,-1]X_train, X_test, y_train, y_test = train_test_split(vectors, labels, test_size=0.2)y_test_list=list(y_test)y_train_list2=np.array(list(y_train.map(lambda x:[x])))
X_train_list=np.array(X_train)
X_test_list=np.array(X_test)n_train=len(y_train)#10152
n_test=len(y_test)#1129def accuracy(a,b):c=[]for i in range(len(a)):if a[i]==b[i]:c.append(1)else:c.append(0)return sum(c)/len(c)model_tree_one=OneVsOneClassifier(DecisionTreeRegressor()) #2v2
model_tree_one.fit(X_train,y_train)
predict_tree_one=model_tree_one.predict(X_test)
print(predict_tree_one)
accuracy_tree_one=accuracy(predict_tree_one,y_test_list) #0.7478753541076487
print("accuracy_tree_one:"+str(accuracy_tree_one))dump(model_tree_one,'model_tree_one.joblib')
print('预测模型建立并存储完成')
5.情感分类预测
#预测
#model_tree_one=load('D:\\documents\\data mining\\数据集\\代码\\model_tree_one.joblib')
model_tree_one=load('D:\\documents\\data mining\\数据集\\代码\\svc.joblib')
for file in files:vectors_file=pd.read_table(vectors_dir+file,sep=',',header=None)text_file=pd.read_table(after_clean_dir+file,sep=',')result=model_tree_one.predict(vectors_file)text_file['label']=resulttext_file.to_csv(label_dir+file,sep=',',index=None)print(file,'predict over')
6.随便输出到.csv的分类结果(积极,消极,总数等)
# 预测结果统计
from pandas import DataFrame
analysis_dir = 'D:\\documents\\data mining\\数据集\\代码\\text_label\\'
analysis_files = os.listdir(analysis_dir)
#analysis_data = {'date':[],'neg':[],'pos':[],'total':[]}
analysis_df = DataFrame(data=[],index=[],columns=['deta','neg','pos','total'])for file in analysis_files:analysis_file = pd.read_table(analysis_dir+file,sep=',')#pos = analysis_file.loc[analysis_file['label'] == '1',:].count()#neg = analysis_file.loc[analysis_file['label'] == '-1',:].count()vc=analysis_file['label'].value_counts(normalize = False, dropna = False)pos = vc[1]neg = vc[-1]total = analysis_file['label'].count()print(file,neg,pos,total) #analysis_df=analysis_df.append(pd.DataFrame([[file.replace('.csv','').replace('.','-'),neg,pos,total]],columns=['deta','neg','pos','total']))analysis_df.to_csv('D:\\documents\\data mining\\数据集\\代码\\结果图.csv',sep=',',index=None)
如若内容造成侵权/违法违规/事实不符,请联系编程学习网邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
相关文章
- Web前端开发概述
第一关:Web前端开发相关的概念 Web系统的组成 Web是Internet上最受欢迎的一种多媒体信息服务系统。 整个系统由Web服务器、浏览器和通信协议组成。 Web开发 Web开发就是设计实现Web系统的过程。主要包括浏览器端页面的制作和服务器端程序的编写。 浏览器端称作W…...
2024/4/9 12:31:04 - 特征值分解和奇异值分解
参考链接: https://www.cnblogs.com/jian-gao/p/10781649.html https://www.matools.com/blog/190127138 https://zhuanlan.zhihu.com/p/114553439 https://www.cnblogs.com/jian-gao/p/10781649.html https://www.cnblogs.com/pinard/p/6251584.html 奇异值分解可…...
2024/3/23 14:55:57 - 解决wsl下linux子系统 centos不能运行 service systemctl问题
wsl centos7: Failed to get D-Bus connection Operation not permitted 即然是 CentOS 那如果不能运行 service systemctl 那不是等于是残了嘛. 在Windows下能安装linux子系统 CentOS 7 感觉挺好的, 心里暗爽, 然就开始折腾了. 安装 PostgreSQL 配置完了以后就准备 service…...
2024/4/16 12:02:14 - 深度学习表格检测-table-ocr
https://github.com/chineseocr/table-ocr table-ocr Star:119 table-ocr是一个运用unet实现对文档表格的自动检测,表格重建的OCR项目。 OCR工具是目前比较受欢迎,且提高很多工作效率的一类工具。 它背后到底是如何实现的? …...
2024/3/23 14:55:55 - Javascript# 系列文章目录四--对象,函数
Javascript# 系列文章目录四 –对象 --对象Javascript# 系列文章目录四一、对象 函数1.对象(Object)2.函数(Function)二、枚举对象中的属性三、 作用域1.全局作用域2.函数作用域3.变量和函数声明1.变量的声明提前2.函数的声明提前…...
2024/4/24 20:32:56 - vscode踩坑之配置eslint
众所周知eslint是vscode的必备插件之一,是所有像我这样有代码洁癖人的福音。 而如今,我在配置eslint的路上却是一波三折。折腾两个小时才搞定。 ok,下面开始正题。 第一步,建立vue项目三部曲,终端输入vue create lv&…...
2024/4/24 20:32:43 - 【笔记】Ubuntu 20.04 快速配置 SSH
启用 SSH 安装 openssh sudo apt update sudo apt install openssh-server查看运行状态 安装后 openssh 会自动启动并开机自启,你可以输入: sudo systemctl status ssh关闭防火墙 sudo ufw allow ssh局域网连接 SSH 服务器 通过以下命令查看本机 IP 地址…...
2024/4/24 20:32:42 - 数据结构实现(C++):链表程序完成两个集合的交集
题目: 实现一个链表的程序,能够完成两个集合的交 输入:第一行为集合A,第二行为集合B 输出:A交B #include<iostream> using namespace std;typedef int ElemType; struct Node {ElemType data;Node* next; };cla…...
2024/4/24 4:13:53 - 2-4Java基本语法----运算符(5)位运算符
/* *运算符之五:位运算符(了解) * 结论:1.位运算符从座的都是整型的数据2.<<:在一定范围内,每次往左移动1位,前者2,移动n位,就2的n次方 :在一定范围内,每次往左移…...
2024/3/23 14:55:30 - 某个函数已经在.obj中重定义redefined解决办法
错误如图 原因分析 一般来说, .h文件是写函数和变量的声明,并不去写实现, .cpp是写实现,即把定义写进去 然后多个文件链接的时候就会把 .h和.cpp一起编译链接,然后,如果你.cpp文件包含了你之前要实现的 .h文件,就会多次声明&…...
2024/4/27 22:17:30 - WinForm窗体——完成一个儿童学习类软件的Loading界面
应用软件的Loading界面是一个软件的重要组成部分。请利用所学的GDI知识,通过在窗体上绘制彩虹的方式,完成一个儿童学习类软件的Loading界面 一、该软件只需要一个窗体,该窗体标题为:“彩虹绘制—2017XXXXXXX”。请依据你的情况填写…...
2024/4/27 1:45:57 - APICloud openFrameGroup如何切换时刷新
切换frame组中的页面时,是不会每次都刷新的; 但是如果想要每次刷新,获取最新数据,该如何是好? setFrameGroupIndex来帮你: api.setFrameGroupIndex({name: group1,index: index,reload: true // 设置为t…...
2024/3/23 14:55:28 - semantic UI学习(二)
我这里只是学习记录,参考文档更加生动https://zijieke.com/semantic-ui/elements/container.php#/introduction 容器 容器是一个元素,可以根据用户屏幕的大小将页面元素包含到合理的最大宽度。 一个标准的容器 <div class"ui container"…...
2024/4/10 1:54:22 - 从Promise链理解Event-Loop
面试题 new Promise(resolve > {setTimeout(()>{console.log(666);new Promise(resolve > {resolve();}).then(() > {console.log(777);})})resolve();}).then(() > {new Promise(resolve > {resolve();}).then(() > {console.log(111);}).then(() > …...
2024/4/22 9:19:41 - codeforces438 D. The Child and Sequence
2020威海区域赛G. Caesar Cipher就用到了此思想( 今天碰到模板题了还是再写一遍吧 D. The Child and Sequence 区间取模操作模板题 有一个公式 x%p<x2(x>p)x\%p<\frac{x}{2}(x>p)x%p<2x(x>p) 由此对于每一个数最多模log次,如果我们…...
2024/4/27 15:21:37 - php异常处理和面向对象进阶
php异常处理和面向对象进阶 一、异常处理 1.使用的关键字 2.自定义异常 <?php //自定义空异常类 class MyNullException extends Exception { } //自定义类型异常 class MyTypeException extends Exception { } //自定义范围异常 class MyRangeException extends Excepti…...
2024/4/27 7:13:50 - 解决Django开发时为虚拟环境安装mysql失败
虚拟环境安装mysql失败 mac主机ubuntu虚拟机Django开发虚拟环境中安装mysql失败 解决mysqlclient安装出错的问题 更换ubuntu中默认的源为国内的源:提升软件下载速度更新apt-get的源和升级安装libmysqlclient-dev:因为mysqlclient依赖这个软件虚拟环境中…...
2024/4/24 20:32:55 - 【PAT甲级A1123】 Is It a Complete AVL Tree (30分)(c++)
1123 Is It a Complete AVL Tree (30分) 作者:CHEN, Yue 单位:浙江大学 代码长度限制:16 KB 时间限制:400 ms 内存限制:64 MB An AVL tree is a self-balancing binary search tree. In an AVL tree, the heights of…...
2024/4/24 20:32:57 - 阿里云ECS7天训练营-进阶线-day2笔记
阿里云ECS7天训练营-进阶线-day2笔记基于ECS快速搭建Docker环境创建资源连接ECS服务器安装Docker CE配置阿里云镜像仓库(镜像加速)使用Docker安装Nginx服务基于ECS快速搭建Docker环境 Docker 是一个开源的应用容器引擎,基于 Go 语言 并遵从 A…...
2024/4/24 20:32:56 - 字符串数字个数
字符串数字个数 输入一个长度小于1000的字符串,内有数字和非数字字符(可能包含空格),将其中连续的数字作为一个整数,计算并输出该字符串中所有整数的个数。 例如:输入:B234x7892?2%!tab7654 …...
2024/4/24 20:32:54
最新文章
- @dataclass装饰器的作用
dataclass dataclass: 这是一个装饰器,用于自动为类生成特殊方法,例如 __init__()、__repr__() 等。在这里使用 dataclass 装饰器可以自动为 ReplayBuffer 类生成初始化方法和字符串表示方法,而无需手动编写。 dataclass class ReplayBuffer…...
2024/5/4 4:18:31 - 梯度消失和梯度爆炸的一些处理方法
在这里是记录一下梯度消失或梯度爆炸的一些处理技巧。全当学习总结了如有错误还请留言,在此感激不尽。 权重和梯度的更新公式如下: w w − η ⋅ ∇ w w w - \eta \cdot \nabla w ww−η⋅∇w 个人通俗的理解梯度消失就是网络模型在反向求导的时候出…...
2024/3/20 10:50:27 - 阿里云8核32G云服务器租用优惠价格表,包括腾讯云和京东云
8核32G云服务器租用优惠价格表,云服务器吧yunfuwuqiba.com整理阿里云8核32G服务器、腾讯云8核32G和京东云8C32G云主机配置报价,腾讯云和京东云是轻量应用服务器,阿里云是云服务器ECS: 阿里云8核32G服务器 阿里云8核32G服务器价格…...
2024/5/3 7:37:38 - Topaz Video AI for Mac v5.0.0激活版 视频画质增强软件
Topaz Video AI for Mac是一款功能强大的视频处理软件,专为Mac用户设计,旨在通过人工智能技术为视频编辑和增强提供卓越的功能。这款软件利用先进的算法和深度学习技术,能够自动识别和分析视频中的各个元素,并进行智能修复和增强&…...
2024/5/3 2:18:19 - 416. 分割等和子集问题(动态规划)
题目 题解 class Solution:def canPartition(self, nums: List[int]) -> bool:# badcaseif not nums:return True# 不能被2整除if sum(nums) % 2 ! 0:return False# 状态定义:dp[i][j]表示当背包容量为j,用前i个物品是否正好可以将背包填满ÿ…...
2024/5/3 11:50:27 - 【Java】ExcelWriter自适应宽度工具类(支持中文)
工具类 import org.apache.poi.ss.usermodel.Cell; import org.apache.poi.ss.usermodel.CellType; import org.apache.poi.ss.usermodel.Row; import org.apache.poi.ss.usermodel.Sheet;/*** Excel工具类** author xiaoming* date 2023/11/17 10:40*/ public class ExcelUti…...
2024/5/2 16:04:58 - Spring cloud负载均衡@LoadBalanced LoadBalancerClient
LoadBalance vs Ribbon 由于Spring cloud2020之后移除了Ribbon,直接使用Spring Cloud LoadBalancer作为客户端负载均衡组件,我们讨论Spring负载均衡以Spring Cloud2020之后版本为主,学习Spring Cloud LoadBalance,暂不讨论Ribbon…...
2024/5/2 23:55:17 - TSINGSEE青犀AI智能分析+视频监控工业园区周界安全防范方案
一、背景需求分析 在工业产业园、化工园或生产制造园区中,周界防范意义重大,对园区的安全起到重要的作用。常规的安防方式是采用人员巡查,人力投入成本大而且效率低。周界一旦被破坏或入侵,会影响园区人员和资产安全,…...
2024/5/3 16:00:51 - VB.net WebBrowser网页元素抓取分析方法
在用WebBrowser编程实现网页操作自动化时,常要分析网页Html,例如网页在加载数据时,常会显示“系统处理中,请稍候..”,我们需要在数据加载完成后才能继续下一步操作,如何抓取这个信息的网页html元素变化&…...
2024/5/3 11:10:49 - 【Objective-C】Objective-C汇总
方法定义 参考:https://www.yiibai.com/objective_c/objective_c_functions.html Objective-C编程语言中方法定义的一般形式如下 - (return_type) method_name:( argumentType1 )argumentName1 joiningArgument2:( argumentType2 )argumentName2 ... joiningArgu…...
2024/5/3 21:22:01 - 【洛谷算法题】P5713-洛谷团队系统【入门2分支结构】
👨💻博客主页:花无缺 欢迎 点赞👍 收藏⭐ 留言📝 加关注✅! 本文由 花无缺 原创 收录于专栏 【洛谷算法题】 文章目录 【洛谷算法题】P5713-洛谷团队系统【入门2分支结构】🌏题目描述🌏输入格…...
2024/5/3 23:17:01 - 【ES6.0】- 扩展运算符(...)
【ES6.0】- 扩展运算符... 文章目录 【ES6.0】- 扩展运算符...一、概述二、拷贝数组对象三、合并操作四、参数传递五、数组去重六、字符串转字符数组七、NodeList转数组八、解构变量九、打印日志十、总结 一、概述 **扩展运算符(...)**允许一个表达式在期望多个参数࿰…...
2024/5/2 23:47:43 - 摩根看好的前智能硬件头部品牌双11交易数据极度异常!——是模式创新还是饮鸩止渴?
文 | 螳螂观察 作者 | 李燃 双11狂欢已落下帷幕,各大品牌纷纷晒出优异的成绩单,摩根士丹利投资的智能硬件头部品牌凯迪仕也不例外。然而有爆料称,在自媒体平台发布霸榜各大榜单喜讯的凯迪仕智能锁,多个平台数据都表现出极度异常…...
2024/5/3 13:26:06 - Go语言常用命令详解(二)
文章目录 前言常用命令go bug示例参数说明 go doc示例参数说明 go env示例 go fix示例 go fmt示例 go generate示例 总结写在最后 前言 接着上一篇继续介绍Go语言的常用命令 常用命令 以下是一些常用的Go命令,这些命令可以帮助您在Go开发中进行编译、测试、运行和…...
2024/5/3 1:55:15 - 用欧拉路径判断图同构推出reverse合法性:1116T4
http://cplusoj.com/d/senior/p/SS231116D 假设我们要把 a a a 变成 b b b,我们在 a i a_i ai 和 a i 1 a_{i1} ai1 之间连边, b b b 同理,则 a a a 能变成 b b b 的充要条件是两图 A , B A,B A,B 同构。 必要性显然࿰…...
2024/5/4 2:14:16 - 【NGINX--1】基础知识
1、在 Debian/Ubuntu 上安装 NGINX 在 Debian 或 Ubuntu 机器上安装 NGINX 开源版。 更新已配置源的软件包信息,并安装一些有助于配置官方 NGINX 软件包仓库的软件包: apt-get update apt install -y curl gnupg2 ca-certificates lsb-release debian-…...
2024/5/3 16:23:03 - Hive默认分割符、存储格式与数据压缩
目录 1、Hive默认分割符2、Hive存储格式3、Hive数据压缩 1、Hive默认分割符 Hive创建表时指定的行受限(ROW FORMAT)配置标准HQL为: ... ROW FORMAT DELIMITED FIELDS TERMINATED BY \u0001 COLLECTION ITEMS TERMINATED BY , MAP KEYS TERMI…...
2024/5/3 1:55:09 - 【论文阅读】MAG:一种用于航天器遥测数据中有效异常检测的新方法
文章目录 摘要1 引言2 问题描述3 拟议框架4 所提出方法的细节A.数据预处理B.变量相关分析C.MAG模型D.异常分数 5 实验A.数据集和性能指标B.实验设置与平台C.结果和比较 6 结论 摘要 异常检测是保证航天器稳定性的关键。在航天器运行过程中,传感器和控制器产生大量周…...
2024/5/2 8:37:00 - --max-old-space-size=8192报错
vue项目运行时,如果经常运行慢,崩溃停止服务,报如下错误 FATAL ERROR: CALL_AND_RETRY_LAST Allocation failed - JavaScript heap out of memory 因为在 Node 中,通过JavaScript使用内存时只能使用部分内存(64位系统&…...
2024/5/3 14:57:24 - 基于深度学习的恶意软件检测
恶意软件是指恶意软件犯罪者用来感染个人计算机或整个组织的网络的软件。 它利用目标系统漏洞,例如可以被劫持的合法软件(例如浏览器或 Web 应用程序插件)中的错误。 恶意软件渗透可能会造成灾难性的后果,包括数据被盗、勒索或网…...
2024/5/2 9:47:25 - JS原型对象prototype
让我简单的为大家介绍一下原型对象prototype吧! 使用原型实现方法共享 1.构造函数通过原型分配的函数是所有对象所 共享的。 2.JavaScript 规定,每一个构造函数都有一个 prototype 属性,指向另一个对象,所以我们也称为原型对象…...
2024/5/4 2:00:16 - C++中只能有一个实例的单例类
C中只能有一个实例的单例类 前面讨论的 President 类很不错,但存在一个缺陷:无法禁止通过实例化多个对象来创建多名总统: President One, Two, Three; 由于复制构造函数是私有的,其中每个对象都是不可复制的,但您的目…...
2024/5/3 22:03:11 - python django 小程序图书借阅源码
开发工具: PyCharm,mysql5.7,微信开发者工具 技术说明: python django html 小程序 功能介绍: 用户端: 登录注册(含授权登录) 首页显示搜索图书,轮播图࿰…...
2024/5/3 7:43:42 - 电子学会C/C++编程等级考试2022年03月(一级)真题解析
C/C++等级考试(1~8级)全部真题・点这里 第1题:双精度浮点数的输入输出 输入一个双精度浮点数,保留8位小数,输出这个浮点数。 时间限制:1000 内存限制:65536输入 只有一行,一个双精度浮点数。输出 一行,保留8位小数的浮点数。样例输入 3.1415926535798932样例输出 3.1…...
2024/5/3 1:54:59 - 配置失败还原请勿关闭计算机,电脑开机屏幕上面显示,配置失败还原更改 请勿关闭计算机 开不了机 这个问题怎么办...
解析如下:1、长按电脑电源键直至关机,然后再按一次电源健重启电脑,按F8健进入安全模式2、安全模式下进入Windows系统桌面后,按住“winR”打开运行窗口,输入“services.msc”打开服务设置3、在服务界面,选中…...
2022/11/19 21:17:18 - 错误使用 reshape要执行 RESHAPE,请勿更改元素数目。
%读入6幅图像(每一幅图像的大小是564*564) f1 imread(WashingtonDC_Band1_564.tif); subplot(3,2,1),imshow(f1); f2 imread(WashingtonDC_Band2_564.tif); subplot(3,2,2),imshow(f2); f3 imread(WashingtonDC_Band3_564.tif); subplot(3,2,3),imsho…...
2022/11/19 21:17:16 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机...
win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”问题的解决方法在win7系统关机时如果有升级系统的或者其他需要会直接进入一个 等待界面,在等待界面中我们需要等待操作结束才能关机,虽然这比较麻烦,但是对系统进行配置和升级…...
2022/11/19 21:17:15 - 台式电脑显示配置100%请勿关闭计算机,“准备配置windows 请勿关闭计算机”的解决方法...
有不少用户在重装Win7系统或更新系统后会遇到“准备配置windows,请勿关闭计算机”的提示,要过很久才能进入系统,有的用户甚至几个小时也无法进入,下面就教大家这个问题的解决方法。第一种方法:我们首先在左下角的“开始…...
2022/11/19 21:17:14 - win7 正在配置 请勿关闭计算机,怎么办Win7开机显示正在配置Windows Update请勿关机...
置信有很多用户都跟小编一样遇到过这样的问题,电脑时发现开机屏幕显现“正在配置Windows Update,请勿关机”(如下图所示),而且还需求等大约5分钟才干进入系统。这是怎样回事呢?一切都是正常操作的,为什么开时机呈现“正…...
2022/11/19 21:17:13 - 准备配置windows 请勿关闭计算机 蓝屏,Win7开机总是出现提示“配置Windows请勿关机”...
Win7系统开机启动时总是出现“配置Windows请勿关机”的提示,没过几秒后电脑自动重启,每次开机都这样无法进入系统,此时碰到这种现象的用户就可以使用以下5种方法解决问题。方法一:开机按下F8,在出现的Windows高级启动选…...
2022/11/19 21:17:12 - 准备windows请勿关闭计算机要多久,windows10系统提示正在准备windows请勿关闭计算机怎么办...
有不少windows10系统用户反映说碰到这样一个情况,就是电脑提示正在准备windows请勿关闭计算机,碰到这样的问题该怎么解决呢,现在小编就给大家分享一下windows10系统提示正在准备windows请勿关闭计算机的具体第一种方法:1、2、依次…...
2022/11/19 21:17:11 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”的解决方法...
今天和大家分享一下win7系统重装了Win7旗舰版系统后,每次关机的时候桌面上都会显示一个“配置Windows Update的界面,提示请勿关闭计算机”,每次停留好几分钟才能正常关机,导致什么情况引起的呢?出现配置Windows Update…...
2022/11/19 21:17:10 - 电脑桌面一直是清理请关闭计算机,windows7一直卡在清理 请勿关闭计算机-win7清理请勿关机,win7配置更新35%不动...
只能是等着,别无他法。说是卡着如果你看硬盘灯应该在读写。如果从 Win 10 无法正常回滚,只能是考虑备份数据后重装系统了。解决来方案一:管理员运行cmd:net stop WuAuServcd %windir%ren SoftwareDistribution SDoldnet start WuA…...
2022/11/19 21:17:09 - 计算机配置更新不起,电脑提示“配置Windows Update请勿关闭计算机”怎么办?
原标题:电脑提示“配置Windows Update请勿关闭计算机”怎么办?win7系统中在开机与关闭的时候总是显示“配置windows update请勿关闭计算机”相信有不少朋友都曾遇到过一次两次还能忍但经常遇到就叫人感到心烦了遇到这种问题怎么办呢?一般的方…...
2022/11/19 21:17:08 - 计算机正在配置无法关机,关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机...
关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!关机提示 windows7 正在配…...
2022/11/19 21:17:05 - 钉钉提示请勿通过开发者调试模式_钉钉请勿通过开发者调试模式是真的吗好不好用...
钉钉请勿通过开发者调试模式是真的吗好不好用 更新时间:2020-04-20 22:24:19 浏览次数:729次 区域: 南阳 > 卧龙 列举网提醒您:为保障您的权益,请不要提前支付任何费用! 虚拟位置外设器!!轨迹模拟&虚拟位置外设神器 专业用于:钉钉,外勤365,红圈通,企业微信和…...
2022/11/19 21:17:05 - 配置失败还原请勿关闭计算机怎么办,win7系统出现“配置windows update失败 还原更改 请勿关闭计算机”,长时间没反应,无法进入系统的解决方案...
前几天班里有位学生电脑(windows 7系统)出问题了,具体表现是开机时一直停留在“配置windows update失败 还原更改 请勿关闭计算机”这个界面,长时间没反应,无法进入系统。这个问题原来帮其他同学也解决过,网上搜了不少资料&#x…...
2022/11/19 21:17:04 - 一个电脑无法关闭计算机你应该怎么办,电脑显示“清理请勿关闭计算机”怎么办?...
本文为你提供了3个有效解决电脑显示“清理请勿关闭计算机”问题的方法,并在最后教给你1种保护系统安全的好方法,一起来看看!电脑出现“清理请勿关闭计算机”在Windows 7(SP1)和Windows Server 2008 R2 SP1中,添加了1个新功能在“磁…...
2022/11/19 21:17:03 - 请勿关闭计算机还原更改要多久,电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机怎么办...
许多用户在长期不使用电脑的时候,开启电脑发现电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机。。.这要怎么办呢?下面小编就带着大家一起看看吧!如果能够正常进入系统,建议您暂时移…...
2022/11/19 21:17:02 - 还原更改请勿关闭计算机 要多久,配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以...
配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!配置windows update失败 还原更改 请勿关闭计算机&#x…...
2022/11/19 21:17:01 - 电脑配置中请勿关闭计算机怎么办,准备配置windows请勿关闭计算机一直显示怎么办【图解】...
不知道大家有没有遇到过这样的一个问题,就是我们的win7系统在关机的时候,总是喜欢显示“准备配置windows,请勿关机”这样的一个页面,没有什么大碍,但是如果一直等着的话就要两个小时甚至更久都关不了机,非常…...
2022/11/19 21:17:00 - 正在准备配置请勿关闭计算机,正在准备配置windows请勿关闭计算机时间长了解决教程...
当电脑出现正在准备配置windows请勿关闭计算机时,一般是您正对windows进行升级,但是这个要是长时间没有反应,我们不能再傻等下去了。可能是电脑出了别的问题了,来看看教程的说法。正在准备配置windows请勿关闭计算机时间长了方法一…...
2022/11/19 21:16:59 - 配置失败还原请勿关闭计算机,配置Windows Update失败,还原更改请勿关闭计算机...
我们使用电脑的过程中有时会遇到这种情况,当我们打开电脑之后,发现一直停留在一个界面:“配置Windows Update失败,还原更改请勿关闭计算机”,等了许久还是无法进入系统。如果我们遇到此类问题应该如何解决呢࿰…...
2022/11/19 21:16:58 - 如何在iPhone上关闭“请勿打扰”
Apple’s “Do Not Disturb While Driving” is a potentially lifesaving iPhone feature, but it doesn’t always turn on automatically at the appropriate time. For example, you might be a passenger in a moving car, but your iPhone may think you’re the one dri…...
2022/11/19 21:16:57