jiu

摘要： 在智慧城市的建设中，政府也希望能够使用新技术来提供更好的服务。 最近去公积金中心办理逐月还贷的业务，由于害怕排队时间较长，还没到上班时间就早早排队去了。正当我等待得百无聊赖之时，坐旁边的一位小兄弟对着手机说：转1000块钱给我妈。我看他用手机人脸识别了一把，看样子是转账成功了，开心地继续刷手机。作为一名业内人士，对这位孝顺的小兄弟，我心生感（kui）慨（jiu）之余，立马想到，如果我能对着手机说：帮我办下公积金还贷业务，然后能很快办完，我就可以不用在这等而是去加班奋斗了。很可惜，我的愿望暂时不能实现。 好的消息是，随着目前智慧城市建设的推进，政府也希望能够借助数字化手段，提高政府治理能力，方便市民办理各项业务。这其中，采用语音作为交互方式的新兴应用也逐步出现。事实上，在一些发达国家，也能看到这类应用。比如在推行数字政府的新加坡，可以通过像LifeSG[[1]]这类应用用语音来获取政务服务。在2019年4月份，英国数字政府部门上线语音查询政府公开信息的服务，用户在家可以通过Google Home或者Amazon Alexa智能音箱直接查询 http:// GOV.UK 网站上超过12,000项政府信息，市民可通过语音完成的任务范围逐渐扩大，从“国家最低工资标准”到“我如何申请一个新的护照”等等，并且陆续上线更多的查询服务，比如办理结婚手续的详细过程等[[2]]。

String: String是不可变类，一旦一个String对象被创建之后，String对象的字符串序列是不可变的。 String a = "abc" ; a = "bcd"; 当我们对a重新赋值时，会重新new一个String对象，使a重新指向新的String对象。 StringBuffer: StringBuffer对象是可变字符串对象，可以通过append()，insert()等方式对原有对象的字符串序列进行修改。StringBuffer对象可以通过toString()转换成String对象。 StringBuilder: StringBuilder对象也是可变字符串对象，其使用与StringBuffer大同小异，只是StringBuffer通过将所有方法添加 synchronized关键字 实现了线程安全，而StringBuilder没有实现线程安全。 LeetCode每日打卡3-16 面试题 01.06. 字符串压缩 字符串压缩。利用字符重复出现的次数，编写一种方法，实现基本的字符串压缩功能。比如，字符串aabcccccaaa会变为a2b1c5a3。若“压缩”后的字符串没有变短，则返回原先的字符串。你可以假设字符串中只包含大小写英文字母（a至z）。 示例1: 输入："aabcccccaaa" 输出："a2b1c5a3" 示例2: 输入："abbccd" 输出：

iter 　　本质是for循环调用的实质，for循环通过调用这个函数返回可迭代对象生成器形式，开始迭代取值捕获StopIteration错误退出循环 　　for循环首先找__iter__方法，然后再找 __getitem__方法，如果都没找到则报错，对象不是可迭代对象 __iter__ 　　如果是自定义类生成的对象则iter方法调用__iter__函数， 这个函数必须返回迭代器对象 next 　　启动生成器。并获取生成器第一个值 __next__ 　　将对象变成生成器对象，也是 next方法调用对象中 __next__ 方法 from random import randint class BeiMenChuiXue: """自己实现的迭代器""" def __init__(self, iterable): self.iterable = iterable def __next__(self): for member in self.iterable: yield member class DuGuJiuJiu: """可迭代对象""" def __init__(self, numbers): self.numbers = numbers def __iter__(self): # 通过全局函数 iter实现 # return iter(self.numbers) #

本篇介绍使用搜狗拼音输入法输入希腊字母 工具/原料 搜狗拼音输入法 方法一：软键盘 右击输入法悬浮窗打开菜单-选择软键盘 这里有很多软键盘，其中第二个就是希腊字母软键盘，点击打开 第二次使用可以点击输入法悬浮窗上的软键盘快捷键来快速打开 缺点：使用这个方法要在20多个希腊字母里面寻找，比较考验眼力；输入时必须打开软键盘，输入完再关闭软键盘才能输入其他字符。 END 方法二：自定义短语 右键-设置属性 高级-自定义短语设置 直接编辑配置文件 将以下内容复制粘贴到配置文件最后 ; 希腊字母 alpha,4=α alpha,5=Α beta,4=β beta,5=Β gamma,4=γ gamma,5=Γ delta,4=δ delta,5=Δ epsilon,4=ε epsilon,5=Ε zeta,4=ζ zeta,5=Ζ eta,4=η eta,5=Η theta,4=θ theta,5=Θ iota,4=ι iota,5=Ι kappa,4=κ kappa,5=Κ lambda,4=λ lambda,5=Λ mu,4=μ mu,5=Μ nu,4=ν nu,5=Ν xi,4=ξ xi,5=Ξ omicron,4=ο omicron,5=Ο pi,4=π pi,5=Π rho,4=ρ rho,5=Ρ sigma,4=σ sigma,5=Σ tau,4=τ tau,5=Τ

【1001】害死人不偿命的（3n+1）猜想 卡拉兹(Callatz)猜想： 对任何一个正整数 n，如果它是偶数，那么把它砍掉一半；如果它是奇数，那么把 (3n+1) 砍掉一半。这样一直反复砍下去，最后一定在某一步得到 n=1。卡拉兹在 1950 年的世界数学家大会上公布了这个猜想，传说当时耶鲁大学师生齐动员，拼命想证明这个貌似很傻很天真的命题，结果闹得学生们无心学业，一心只证 (3n+1)，以至于有人说这是一个阴谋，卡拉兹是在蓄意延缓美国数学界教学与科研的进展…… 我们今天的题目不是证明卡拉兹猜想，而是对给定的任一不超过 1000 的正整数 n，简单地数一下，需要多少步（砍几下）才能得到 n=1？ 输入格式： 每个测试输入包含 1 个测试用例，即给出正整数 n 的值。 输出格式： 输出从 n 计算到 1 需要的步数。 输入样例： 3 输出样例： 5 #include<iostream> using namespace std; int main() { 　　int n; 　　cin>>n; 　　for(int i=0;n!=1;i++) 　　{ 　　　　if(n%2) 　　　　　　n=(3*n+1)/2; 　　　　else 　　　　　　n/=2; 　　} 　　cout<<i<<endl; 　　return 0; } 【1002】写出这个数 读入一个正整数 n，计算其各位数字之和

论文传送门 作者 苏州大学 Jiu-Ru Gao Wei Chen Jia-Jie Xu An Liu Zhi-Xu Li Lei Zhao 昆士兰大学 Hongzhi Yin 摘要 将大量数据图存储在云中的流行，启发了在远程云中的子图模式匹配。通常，子图模式匹配是根据子图同构定义的，是一个NP完全问题，有时过于严格，无法在某些应用中找到有用的匹配项。如何在不损害匹配结果的情况下，保护图模式匹配中数据图的隐私性是一个重要的问题。从而，我们提出了一直新颖的框架来实现云中的隐私保护子图模式匹配。为了保护数据图中的结构隐私性，我们首先开发了一种基于k-自同构模型的方法。此外，我们使用基于成本模型的标签归纳方法可以保护数据图和模式图中的标签隐私。在此生成k-自同构图的期间，可能会将大量噪声边或顶点引入原始数据图。因此，我们使用外包图（仅是k-自同构图的子集）来回答子图模式匹配。以此种方式可以极大地提高模式匹配处理的效率。在真实的数据集上的广泛实验证明了我们框架的高效率。 来源： oschina 链接： https://my.oschina.net/u/4349287/blog/4359411

sdfsdf 服务网格作为一个改善服务到服务通信的专用基础设施层，是云原生范畴中最热门的话题。随着容器愈加流行，服务拓扑也频繁变动，这就需要更好的网络性能。服务网格能够通过服务发现、路由、负载均衡、心跳检测和支持可观测性，帮助我们管理网络流量。服务网格试图为无规则的复杂的容器问题提供规范化的解决方案 将供应链搬出中国，似乎成了过去两三个月新冠肺炎疫情衍生出的热门话题。 年初新冠肺炎疫情爆发，让中国供应链的生产活动几乎完全停顿，影响席卷全球：苹果的新 5G 有可能因疫情而延期推出，特斯拉新款芯片无法及时交付、陷入“芯片门”纠纷。其余像三星、小米、索尼等著名跨国企业，均受到供应链停摆的影响。 因此，jtttuin.answers.yahoo.com/question/index?qid=20200427202155AAyr1Qq?HM7=44mnx=76u malaysia.answers.yahoo.com/question/index?qid=20200427202155AAyr1Qq?ZK9=90rtr=87g sg.answers.yahoo.com/question/index?qid=20200427202155AAyr1Qq?LH3=98xlj=98b hk.answers.yahoo.com/question/index?qid

本文内容主要参考GitHub：https://github.com/isnowfy/snownlp what's the SnowNLP 　　SnowNLP是一个python写的类库，可以方便的处理中文文本内容，是受到了TextBlob的启发而写的，由于现在大部分的自然语言处理库基本都是针对英文的，于是写了一个方便处理中文的类库，并且和TextBlob不同的是，这里没有用NLTK，所有的算法都是自己实现的，并且自带了一些训练好的字典。 注意本程序都是处理的unicode编码，所以使用时请自行decode成unicode。 安装 pip install snownlp 主要用法 # 导入SnowNLP库 from snownlp import SnowNLP # 需要操作的句子 text = ' 你站在桥上看风景，看风景的人在楼上看你。明月装饰了你的窗子，你装饰了别人的梦 ' s = SnowNLP(text) # 分词 print (s.words) 主要功能 中文分词（ Character-Based Generative Model ） 词性标注（ TnT 3-gram 隐马） 情感分析（现在训练数据主要是买卖东西时的评价，所以对其他的一些可能效果不是很好，待解决） 文本分类（Naive Bayes） 转换成拼音（Trie树实现的最大匹配） 繁体转简体（Trie树实现的最大匹配

webpack 多页面 打包 一、总结 一句话总结： webpack可以进行多页面打包编译 二、webpack 多页面 打包 转自或参考：webpack 多页面 打包_JavaScript_jiu_meng的博客-CSDN博客 https://blog.csdn.net/jiu_meng/article/details/79585557 最近有一个需求，需要把多页面使用webpack进行编译，但是网上进行多页面编译的资料很少，今天把自己配置的webpack多页面打包编译分享给大家 demo地址： https://github.com/mengYu007/webpack3 代码启动： 打开cmd进入文件目录npm install 编译文件：npm run build 启动文件：npm run start 文件目录： package.json:注意版本 { "name": "webpack3", "version": "1.0.0", "description": "", "main": "index.js", "scripts": { "test": "echo \"Error: no test specified\" && exit 1", "watch": "webpack --watch", "build": "webpack", "start": "webpack-dev