texts

1.读取文档 2.对要计算的多篇文档进行访问 3.将文档整理成指定格式，方便后续进行计算 4.计算出词语的频率 5.对频率低的词语进行过滤 6.通过语料库建立词典 7.加载要对比的文档 8.将要对比的文档通过doc2bow转化为稀疏向量 9.对稀疏向量进行进一步处理，得到新语料库 10.将新语料库通过tfidfmodel进行处理，得到tfidf 11.通过token2id得到特征数 12.稀疏矩阵相似度，建立索引 13.得到最终相似度结果 from gensim import corpora, models, similarities import jieba from collections import defaultdict dog = "C:/Users/xt/PycharmProjects/similar/dog.txt" # 1.读取文档 cat = "C:/Users/xt/PycharmProjects/similar/cat.txt" d1 = open(dog).read() # 2.对要计算的多篇文档进行访问 c1 = open(cat).read() data1 = jieba.cut(d1) # 3.将文档整理成指定格式，方便后续进行计算 data2 = jieba.cut(c1) data11 = '' for item in data1: data11

最近在工作中有一个需求：用训练好的模型将数据库中所有数据得出预测结果，并保存到另一张表上。数据库中的数据是一篇篇文章，我训练好的模型是对其中的四个段落分别分类，即我有四个模型，拿到文本后需要提取出这四个段落，并用对应模型分别预测这四个段落的类别，然后存入数据库中。我是用keras训练的模型，backend为tensorflow，因为数据量比较大，自然想到用多进程，但是使用时发现每次都在model.predict上停在那不动了。在Windows上运行一点问题没有，但是在Linux服务器上就有这个问题 模型使用时大致如下： # -*- coding: utf-8 -*- import jieba import numpy as np import keras import tensorflow as tf from keras.preprocessing import sequence from keras.models import load_model from config import Config import json config_file = 'data/config.ini' model_path = Config(config_file).get_value_str('cnn', 'model_path') graph = tf.Graph() with graph

非常简单明了的404提示页面 效果图： ① unauth.jsp < % @ page contentType = "text/html;charset=UTF-8" language = "java" % > < % @ include file = "common/common.jsp" % > < html lang = "zh" > < head > < meta charset = "UTF-8" > < title > ERROR - 错误提示 < / title > < link rel = "stylesheet" type = "text/css" href = "${add}/404/style.css" / > < / head > < body > < p class = "topimg" > < / p > < p class = "link" > < a target = "_self" href = "${add}/welcome.jsp" > & # 9666 ; 返回首页 < / a > < a target = "_self" href = "javascript:;" onclick = "javascript:window.history.back(-1);" > & # 9666 ; 返回上一页 < / a > < / p > < dl

Keras是一个高层神经网络API，Keras由纯Python编写而成并基Tensorflow、Theano以及CNTK后端。 Keras的核心数据结构是“模型”，模型是一种组织网络层的方式。 Keras里有两种搭建模型的方式，一种是序贯模型（Sequential），一种是函数式模型（Model）。 序贯模型是多个网络层的线性堆叠，也就是“一条路走到黑”。使用序列模型，首先我们要实例化Sequential类，之后就是使用该类的add函数加入我们想要的每一层，从而实现我们的模型。或者通过向Sequential模型传递一个layer的list来构造该模型。 例： model = Sequential() model. add (Dense( 32 , input_shape=( 784 ,))) model. add (Activation( 'relu' )) Sequential的第一层需要接受一个关于输入数据shape的参数，后面的各个层则可以自动的推导出中间数据的shape，因此不需要为每个层都指定这个参数。 Keras函数式模型接口是用户定义多输出模型、非循环有向模型或具有共享层的模型等复杂模型的途径。一句话，只要你的模型不是类似VGG一样一条路走到黑的模型，或者你的模型需要多于一个的输出，那么你总应该选择函数式模型。 函数式模型是最广泛的一类模型，序贯模型

经历了一周的种种波折，参考了CSDN上N多博主的博客，终于搞定了美团西安美食数据，在此做简单记录： 愚蠢如我，不知如何让爬虫程序翻下一页，只好看了前后两页请求的网址有什么不同，后来发现第一页后缀是‘pn1’,第二页是‘pn2’,以此类推……所以手动查看了一共有15页之后，萌生了一个愚蠢的想法并实现了它，以下是部分代码： target = 'http://xa.meituan.com/meishi/' head={} head['authorization']='your ClientId' head['User-Agent'] = '' for i in range(16): if i==0: continue target_real=target+'pn'+str(i)+'/' req = requests.get(url=target_real,headers=head) html=req.text bf=BeautifulSoup(html,'lxml') texts=bf.find_all('script') text=texts[14].get_text().strip()（这部分也是很愚蠢的做法，实在是找不到别的方法了） text=text[19:-1] result=json.loads(text) result=result['poiLists'] result

如今直播APP火的简直不像样子了。在直播间里会有观众和主播交流的功能。主要方式是主播动口（说），观众动手（打字）。这篇文章讲解一下观众客户端聊天功能的实现。这里为了更清楚的看到效果功能，我做了一个客户端单机版来讲解。(该版本为 unity5 .3.2f1) 需求功能是：观众新发送了聊天消息会把之前的消息顶到上面，用户也可以通过滚动聊天栏翻看之前的用户聊天记录。 先看下面gif图功能： 下面讲如何实现： 第一：整个功能我分了三个组件，一个蓝色背景image，一个用来滑动的image（上图图中的黄色光芒图片），一个text的预设物体。（如下图：） 为了方便将这三个物体的pivot都设置为（0,0）。 如下图（根据需求可自定义大小坐标等）： 第二：给蓝色背景图片添加滑动组件和Mask组件，指定滑动目标为光芒的那个图片。 添加脚本slidertext，然后把text的预设和预设生成的父物体（光芒的那个图片）拖到对应位置。 如下图： 第三：脚本slidertext的源码：（这才是重点） 该代码和之前我写的弹幕生产的方法相似（弹幕方法链接 http://www.manew.com/thread-95590-1-1.html ） 脚本里实现了两种文本移动方法：一种是直接跳到上面的位置，另个是缓慢移动上去（上面gif图的样子），缓慢移动使用了DoTween插件来实现。 [csharp] view

学如逆水行舟,不进则退 今天想看小说..找了半天,没有资源.. 只能自己爬了 想了半天.,,,忘记了这个古老的技能 捡了一下 import requests from bs4 import BeautifulSoup cookies = { 'bcolor': 'null', 'font': 'null', 'size': 'null', 'color': 'null', 'width': 'null', 'clickbids': '18836', 'Hm_lvt_30876ba2abc5f5253467ef639ca0ad48': '1571030311,1571030949,1571031218', 'Hm_lpvt_30876ba2abc5f5253467ef639ca0ad48': '1571031588', } headers = { 'Connection': 'keep-alive', 'Cache-Control': 'max-age=0', 'Upgrade-Insecure-Requests': '1', 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36',

复制官方默认的模板里面的代码如下到幻灯片位置，后台新建栏目-首页幻灯，设置大小，typeid,f为勾选幻灯。 <div class="flashnews"><!-- size: 280px * 192px --> <script language='javascript'> linkarr = new Array(); picarr = new Array(); textarr = new Array(); var swf_width=280; var swf_height=192; //文字颜色|文字位置|文字背景颜色|文字背景透明度|按键文字颜色|按键默认颜色|按键当前颜色|自动播放时间|图片过渡效果|是否显示按钮|打开方式 var configtg='0xffffff|0|0x3FA61F|5|0xffffff|0xC5DDBC|0x000033|2|3|1|_blank'; var files = ""; var links = ""; var texts = ""; //这里设置调用标记 {dede:arclist flag='f' row='5' typeid='3'} linkarr[[field:global.autoindex/]] = "[field:arcurl/]"; picarr[[field:global.autoindex/]] = "[field