原创 那些年被坑過想理工褲衩樓一躍解千愁的數據庫
題目： 藥品（編號，名稱，價格，廠商） 處方（藥品編號，數量，醫生編號） 醫生 （編號，姓名，科室，職稱） 1 根據上面基本表的信息定義視圖顯示每種藥品的品名、銷售金額 2 觀察基本表數據變化時，視圖中數據的變化。 3利用視圖，
2020-02-23 05:29:46
原创 數據類型、抽象數據類型以及抽象數據類型的描述方法和表示方法
數據類型： 是一個值的集合和定義在此集合上一組操作的總稱。 數據類型有兩種：簡單型和結構類型。 對於結構類型，比如數組，它的值是可以分割的，它是某個結構的值，因此數組這個數據類型的子集是一個數據結構。所以數據類型也可以看做是
2020-02-23 05:29:46
原创 qlv格式的視頻如何轉爲mp4格式（爬蟲小技巧）
qlv格式的視頻是騰訊專屬的加密視頻，非要在騰訊視頻中才能打開，萬一身邊沒有個騰訊視頻播放器，打不開豈不是很尷尬。。。還是轉爲mp4格式吧 全網搜方法之後，除了命令行轉，就是轉換器轉。 命令行轉：新版的根本找不到所謂緩存目錄下
2020-02-23 05:29:46
原创 SQL SERVER2008查詢分析器的基本使用
以一個簡單的藥品信息庫爲例： 題目： 1 利用sql建立藥品信息數據庫，並定義以下基本表： 藥品（編號，名稱，價格，廠商編號） 處方（藥品號，數量，醫生編號） 醫生 （編號，姓名，科室，職稱） 定義主碼、外碼、和數量、價格的取值
2020-02-23 05:29:46
原创 數據元素、數據項、組合項、數據結構
數據元素： 數據中的一個“個體”（數據本身就是一個集合） ，是數據結構中討論的基本單位。 注意： 數據元素不是數據結構中討論的最小單位。它可以由多個數據項組成，是數據項的集合。 數據項： 數據結構中討論的最小單位。 注意：
2020-02-23 05:29:46
原创 SQL SERVER2008查詢分析器的最基本的使用——建庫、建表、插入數據
一 實驗題目： SQL SERVER2008查詢分析器的使用 二 實驗目的：熟悉SQL SERVER2008 環境，熟悉查詢分析器的使用，能夠熟練運用sql命令完成數據庫，基本表、主碼、外碼和其它必要的約束條件的定義。 題目六
2020-02-23 05:29:46
原创 模式及模式之間的切換（jupyter notebook）：
1.code編輯模式： 編輯代碼 2.命令模式： 執行命令，比如在上添加一個單元格，在下添加一個單元格，刪除選中的單元格等。 注意： 與code編輯模式的區別： 由圖可以看出： code編輯模式下： 單元的框框是藍色的，右上角
2019-10-26 04:42:05
原创 自定義包（自定義類庫）中類的調用（Java，命令行）
類比jdk給的系統包（系統類庫），你完全可以建立自定義包（自定義類庫）來使用。 讓我來玩點有意思的： 建立自定義包（自定義類庫） 在路徑：C:\1000下建立個自己的包cn.java，那麼，在相應的路徑：C:\1000\cn\java
2019-10-26 04:42:05
原创 變量（python,jupyter）
一、變量的聲明格式 #變量的聲明格式 #格式一 s="Hello World" #格式二 s1=s2="Hello World" #格式三 s1,s2,s3="Hello World","做一隻快快樂樂，無憂無慮的小猴子",1
2019-10-26 04:42:05
原创 自然語言理解之槽填充
槽填充可視爲對句子中的詞進行序列標註，也可視爲對句子進行槽分類。 廣泛用於槽填充任務的模型： 條件隨機場（CRF：conditional random field） 循環神經網絡（RNN：recurrent neural ne
2019-10-26 04:42:05
原创 對話管理及對話管理主要包括的方法
對話管理： 以NLU的內容作爲輸入，NLG的內容作爲輸出，如下圖： (小白話： NLU的內容作爲對話的上半句，經由對話管理，NLG的內容作爲對話的下半句。) 對話管理主要包括的方法及特點： 數據驅動的方法舉例： 基於強
2019-10-26 04:42:05
原创 自然語言理解中若干個子任務的聯合建模
在自然語言理解的研究中，出現了若干個子任務聯合建模的方法： 比如： 基於遞歸神經網絡的聯合模型： 實現了領域識別&意圖識別&槽填充的一體化建模。 層次化LSTM： 實現了意圖識別&槽填充的建模。
2019-10-26 04:42:05
原创 自然語言理解之領域識別
領域識別可視爲文本分類，將服務的信息對象按業務類型劃分成不同領域。 當訓練數據較爲充分時，可以用傳統機器學習和深度學習方法都可以很好地解決這類任務。 傳統機器學習中典型的模型 樸素Beyes，SVM 深度學習中典型的模型 長短
2019-10-26 04:42:05
原创 自然語言理解之意圖識別
意圖識別也可視爲分類問題。 如何實現意圖識別？ haffner提出的基於SVM的意圖識別模型： 將多個SVM二分類器組合，得到一個多分類器，來實現意圖的多分類任務。 Ang的極大熵模型 深度學習模型LSTM網絡和CNN
2019-10-26 04:42:05
原创 上海地鐵的語音售票機
優點： 智能推薦站點： 當接收到乘客的指令後，它自啓動高德地圖服務和雲端阿里雲的語音交互服務，找到目的地最近的地鐵站。一般對地鐵站路網絡熟悉的乘客，普通買票需要大概30秒，如果是初來乍到，面對十幾條線路、三百多個站點，不少大齡乘客
2019-10-26 04:42:05