keys

　　1、前言 　　　　TF-IDF（term frequency–inverse document frequency）是一种用于信息检索与数据挖掘的常用加权技术。TF意思是词频(Term Frequency)，IDF意思是逆向文件频率(Inverse Document Frequency)。 　　　　TF-IDF是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在 语料库 中出现的频率成反比下降。 　　　　TF-IDF加权的各种形式常被 搜索引擎 应用，作为文件与用户查询之间相关程度的度量或评级。除了TF-IDF以外，因特网上的搜索引擎还会使用基于链接分析的评级方法，以确定文件在搜寻结果中出现的顺序。 　　2、原理 　　　　TFIDF的主要思想是：如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。 　　　　TFIDF实际上是：TF * IDF，TF词频(Term Frequency)，IDF逆向文件频率(Inverse Document Frequency)。 　　　　TF表示词条在文档d中出现的频率。 　　　　IDF的主要思想是：如果包含词条t的文档越少，也就是n越小，IDF越大

1.简单元素操作 clear() 清除文本，如果是一个文件输入框 send_keys(*value) 在元素上模拟按键输入 click() 单击元素 submit() 方法用于提交表单 size 返回元素的尺寸。 text 获取元素的文本。 get_attribute(name) 获得属性值。 is_displayed() 设置该元素是否用户可见。 例： #coding=utf-8 from selenium import webdriver driver = webdriver.Firefox() driver.get("http://www.baidu.com") # 获得输入框的尺寸 size=driver.find_element_by_id('kw').size print size # 返回百度页面底部备案信息 text=driver.find_element_by_id("cp").text print text # 返回元素的属性值，可以是 id 、 name 、 type 或元素拥有的其它任意属性 attribute=driver.find_element_by_id("kw").get_attribute('type') print attribute # 返回元素的结果是否可见，返回结果为 True 或 False result=driver.find

SEAL/native/examples/5_rotation.cpp BFV方案(使用BatchEncoder)和CKKS方案都支持对加密数字进行native计算。除了slot-wise计算外，还可以循环地旋转加密向量。 一、 void example_rotation_bfv() { //设置基本参数 print_example_banner ( "Example: Rotation / Rotation in BFV" ) EncryptionParameters parms ( scheme_type :: BFV ) ; size_t poly_modulus_degree = 8192 ; parms . set_poly_modulus_degree ( poly_modulus_degree ) ; parms . set_coeff_modulus ( CoeffModulus :: BFVDefault ( poly_modulus_degree ) ) ; parms . set_plain_modulus ( PlainModulus :: Batching ( poly_modulus_degree , 20 ) ) ; auto context = SEALContext :: Create ( parms ) ; print_parameters (

#-*- coding: utf8 -*- import redis pool = redis.ConnectionPool() r = redis.Redis(connection_pool=pool) # 删除操作 print(r.keys()) r.delete(*["xxx"]) # 要加星号 * # 查看所有 Redis的 name #keys(pattern='*') keys * # 匹配所有的key keys h?llo # 匹配hello , hallo ,hxllo 等 keys h*llo # 匹配hllo keys h[ae]llo # 匹配 hello 和hallo 但不匹配hillo 　　 来源： https://www.cnblogs.com/eliwen/p/11997486.html

代码简洁明了，各种注释让你轻松了解各个代码模块，复制粘贴即可实现 import pygame import time import numpy as np # 此模块包含游戏所需的常量 from pygame.locals import * # 设置棋盘的长宽 BOARDWIDTH = 48 BOARDHEIGHT = 30 # 分数 score = 1 class Food(object): def __init__(self): self.item = (4, 5) # 画出食物 def _draw(self, screen, i, j): color = 255, 0, 255 radius = 10 width = 10 # i:1---34 j:1---25 position = 10 + 20 * i, 10 + 20 * j # 画出半径为 10 的粉色实心圆 pygame.draw.circle(screen, color, position, radius, width) # 随机产生食物 def update(self, screen, enlarge, snack): if enlarge: self.item = np.random.randint(1, BOARDWIDTH - 2), np.random.randint(1, BOARDHEIGHT -

paper地址： NLSR: Named-data Link State Routing Protocol 摘要（Abstract） 本文介绍了一种用于命名数据网络（NDN， Named Data Network ）的路由协议——命名数据链路状态路由协议（NLSR， Named-data Link State Routing Protocol ）的设计。由于NDN使用名称来标识和检索数据，所以NLSR将可达性传播到名称前缀而不是IP前缀。此外，NLSR区别于基于IP的链路状态路由协议，有两个最基本的特征。首先，NLSR使用兴趣包（ Interest Packet ）和数据包（ Data Packet ）来传播路由更新，直接受益于NDN内生的数据包验证，更加安全；其次，NLSR为每一个名称前缀生成一个按 一定规则 （ 比如，开销 ）排好序的转发选项列表，给实现NDN自适应的转发策略做支撑。在本文中，我们将讨论NLSR主要设计思想，主要包括以下几个部分： 一个适用于路由器、安全密码（ keys，包括公私钥那些 ）、和路由更新的层次化命名方案； 一个适用于单个管理域的层次化信任模型； 一个逐条同步协议，用于替代传统的使用网络泛洪的方式传播路由更新； 一个给多路径转发选项排序的简单算法。 与基于IP的链路状态路由协议相比，NLSR提供更高效的路由更新传播

前面我搭建的Hadoop都是单机伪分布式的，并不能真正感受到Hadoop的最大特点，分布式存储和分布式计算。所以我打算在虚拟机中同时开启3台机器，实现分布式的Hadoop群集。 1.准备3台Ubuntu Server 1.1复制出3台虚拟机 我们可以用之前编译和安装好Hadoop的虚拟机作为原始版本，在VirtualBox中复制三台新的虚拟机出来，也可以完全重新安装一台全新的Ubuntu Server，然后在VirtualBox中复制出2台，就变成了3台虚拟机。 1.2修改主机名 主机名保存在/etc/hostname文件中，我们可以运行 sudo vi /etc/hostname 命令，然后为三台机器起不同的名字，这里我们就分别起名： master slave01 slave02 1.3修改为固定IP Ubuntu的IP地址保存到/etc/network/interfaces文件中，我们需要为3台虚拟机分别改为固定的IP，这里我的环境是在192.168.100.*网段，所以我打算为master改为192.168.100.40，操作如下： sudo vi /etc/network/interfaces 然后可以看到每个网卡的配置，我这里网卡名是叫enp0s3，所以我改对应的内容为： # The primary network interface auto enp0s3 iface

ssh 无密码登录要使用公钥与私钥。linux下可以用用ssh-keygen生成公钥/私钥对，下面我以CentOS为例。 有机器A(192.168.1.155)，B(192.168.1.181)。现想A通过ssh免密码登录到B。 1.在A机下生成公钥/私钥对。 [chenlb@A ~]$ ssh-keygen -t rsa -P '' 直接ssh-keygen然后三次回车就可以了。 -P表示密码，-P '' 就表示空密码，也可以不用-P参数，这样就要三车回车，用-P就一次回车。 它在/home/chenlb下生成.ssh目录，.ssh下有id_rsa和id_rsa.pub。 2.把A机下的id_rsa.pub复制到B机下，在B机的.ssh/authorized_keys文件里，我用scp复制。（如果B机器没有.ssh和authorized_keys文件则创建这个文件夹和文件先） [chenlb@A ~]$ scp .ssh/id_rsa.pub chenlb@192.168.1.181:/home/chenlb/id_rsa.pub chenlb@192.168.1.181's password: id_rsa.pub 100% 223 0.2KB/s 00:00 由于还没有免密码登录的，所以要输入密码。 3.B机把从A机复制的id_rsa.pub添加到.ssh

前言 初级实现 1. 链表实现无序符号表 2. 二分查找实现有序符号表 二叉查找树 1. get() 2. put() 3. 分析 4. floor() 5. rank() 6. min() 7. deleteMin() 8. delete() 9. keys() 10. 分析 2-3 查找树 1. 插入操作 2. 性质 红黑树 1. 左旋转 2. 右旋转 3. 颜色转换 4. 插入 5. 分析 散列表 1. 散列函数 2. 拉链法 3. 线性探测法 小结 1. 符号表算法比较 2. Java 的符号表实现 3. 稀疏向量乘法 前言 符号表（Symbol Table）是一种存储键值对的数据结构，可以支持快速查找操作。 符号表分为有序和无序两种，有序符号表主要指支持 min()、max() 等根据键的大小关系来实现的操作。 有序符号表的键需要实现 Comparable 接口。 public interface UnorderedST < Key , Value > { int size ( ) ; Value get ( Key key ) ; void put ( Key key , Value value ) ; void delete ( Key key ) ; } public interface OrderedST < Key extends Comparable <

Redis 官方推荐使用Redisson实现分布式锁 import java.util.concurrent.CountDownLatch; import java.util.concurrent.ExecutorService; import java.util.concurrent.Executors; import java.util.concurrent.TimeUnit; import org.redisson.Redisson; import org.redisson.api.RLock; import org.redisson.api.RedissonClient; import org.redisson.config.Config; public class RedissonLockTest { static int fixNum=5; public static void main(String []args) throws InterruptedException { CountDownLatch latch = new CountDownLatch(fixNum); // 默认连接 127.0.0.1：6379 RedissonClient redisson = Redisson.create(); ExecutorService exec =