随笔分类 - project summary
摘要：国家973物联网首席科学家，中科院上海微系统与信息技术研究所副所长，无锡物联网产业研究院院长刘海涛教授讲授的5G时代的物联网发展趋势与产业变革意义深刻。作者根据天府大讲堂听讲内容加工整理所得，旨在进行学术交流使用，严禁商业炒作和不法行为。（本文原创，转载必须注明出处.）
阅读全文
摘要：【伏草惟存，七年博客精选系列文章】 >> 福利：33套AI技术视频免费领取 >> 自然语言处理和机器学习QQ群：436303759 >> 知识图谱技术QQ群：563339601 >> 图像处理，视觉检测技术QQ群：361505516 一、【Python开发系列文章】 1 Python五篇慢慢弹：快速
阅读全文
摘要：关于查重系统很多人并不陌生，无论本科还是硕博毕业都不可避免涉及论文查重问题，这也对学术不正之风起到一定纠正作用。单位主要针对科技项目申报审核，传统的方式人力物力比较大，且伴随季度性的繁重工作，效率不高。基于此，单位觉得开发一款可以达到实用的智能查重系统。遍及网络文献，终未得到有价值的参考资料，这个也是自然。首先类似知网，paperpass这样的商业公司其毕业申报专利并进行保密，其他科研单位因发展需要也不会开源。笔者就结合NLP相关知识进行设计一款自主的查重系统，首先采用自然语言处理方法主要提出两个模型：科技项目查重的训练模型和科技项目查重的测试模型。其中训练模型主要对数据的清洗预处理及其规约化处理，测试系统也是主查重系统，对其查重原理和性能进行设计实现。最后将其封装成包，PHP或者Java等语言调用即可。（本文原创编著，转载注明出处:Python实例：申报项目查重系统设计与实现）
阅读全文
摘要：Java中调用HanLP配置 HanLP自然语言处理包开源官方文档 了解HanLP的全部 自然语言处理HanLP 开源自由的汉语言处理包主页 GitHub源码 基于hanLP的中文分词详解-MapReduce实现&自定义词典文件 hanlp中文分词器解读 HanLP下载中心 Solr集成HanLP中
阅读全文
摘要：摘要：GitHub的是版本控制和协作代码托管平台，它可以让你和其他人的项目从任何地方合作。相对于CVS和SVN的联网限制和传速慢有明显的优势。因此，越来越受企业和个人的青睐。github上进行项目管理也是趋势。基于此，笔者十一小假期，花了1天时间学习总结得以此文，旨在节约读者时间，快速掌握。在此，特别感谢廖雪峰官网教程，本文基本其于教程又有所不同，内容进行取舍，外加梳理成文，最后参考资料建议大家阅读。本文布局如下：一是对GIt整体介绍，究其原委；二是Git版本常用控制操作；三是Git与GitHub远程仓库操作；四是搭建私有服务器；五是官网资料引用。（本文原创编著，转载注明出处:GitHub使用操作指南）
阅读全文
摘要：阅读前瞻：本文源于对javaweb相关技术和资料汇总，涉及大量javaweb基础技术诸如：Servlet运行原理、Get/Post请求的区别、jsp的基本原理和运行框架、jsp的9大隐含对象的使用、MVC开发模式的使用、构建封装自己dao代码库、以及基于MVC的增删改查操作等；小结最后还有面向接口编程的多数据源配置与存储，以及工厂模式的使用。除此之外，后续文章会对cookie、session、JavaBean、监听、权限管理、文件上传与下载、分页等诸多技术汇总。本文旨在java-web多技术贯穿于单项目中，逐渐深入的过程，使得大家既学习了java技术路线，也知道其怎么用。最后会附上源码，最后一节重点对所有实现技术小结与汇总，此过程会使用作者项目技术理解、网络资源资料、学习视频和文档截图文件等为参考，力求简单通俗易学。最后，作者文章布局采用：1、实验准备；2、需求分析；3、模块化实现；4、实验优化；5、技术梳理的写作思路。（本文原创，转载标明出处：基于JAVA-MVC技术的顾客管理项目案例总结）
阅读全文
摘要：摘要：本文基于PayPal高级工程总监Anil Madan写的大数据文章，其中涵盖100篇大数据的论文，涵盖大数据技术栈（数据存储层、键值存储、面向列的存储、流式、交互式、实时系统、工具、库等），全部读懂你将会是大数据的顶级高手。作者通过引用Anil Madan原文和CSDN的译文为基础。进行中英对照整理所得。旨在技术传播，分享更多技术爱好者。为尊重原文，本人将原文放置最醒目之处：英文：100 open source Big Data architecture papers for data professionals.中文：PayPal高级工程总监：读完这100篇论文 就能成大数据高手.（本文引用整编所得，转载说明出处：读完这100篇论文 就能成大数据高手.）
阅读全文
摘要：论文写作对于所有学术型硕士/博士研究生、以及学术研究学者必修课，第一篇论文相信是大多数人的痛，基于此王博士将其多年写作总结在团队小范围会议进行阐述，笔者根据个人比较进行总结梳理。以下是王博士对于多年来论文总结，感谢其无私的分享。其针对刚入门写学术会议，学术期刊等学术论文进行规范指导。论文注重逻辑性，所以整篇论文逻辑紧密非常重要。（ 本文原创，转载注明出处：暨王博士关于论文写作指导总结 ）
阅读全文
摘要：摘要：自然语言处理或者是文本挖掘以及数据挖掘，近来一直是研究的热点。很多人相想数据挖掘，或者自然语言处理，就有一种莫名的距离感。其实，走进去你会发现它的美，它在现实生活中解决难题的应用之美，跟它相结合的数学之美，还有它与统计学的自然融合。语言只是一种实现工具，真正难度的是模型的理解和对模型的构建。本文结合自然语言处理的基本方法，完成对2002--2010年17套GET真题的核心单词抽取。麻雀虽小，也算五脏俱全，包含整个数据过程，比较简单。中等开发的程序员都可以实现，其中包括数据清洗，停用词处理，分词，词频统计，排序等常用方法。（本文原创，分享供于学习，转载标明出处：【项目总结】自然语言处理在现实生活中运用）
阅读全文
摘要：当前数据挖掘技术使用最为广泛的莫过于文本挖掘领域，包括领域本体构建、短文本实体抽取以及代码的语义级构件方法研究。常用的数据挖掘功能包括分类、聚类、预测和关联四大模型。本文针对四大模型之一的分类进行讨论。分类算法包括回归、决策树、支持向量机、贝叶斯等，显然，不少涉及机器学习的知识（随后会写些机器学习专题）。本文重点介绍贝叶斯分类，涉及朴素贝叶斯模型、二项独立模型、多项模型、混合模型等知识。在本人研究贝叶斯分类过程中，发现很多博客重复现象严重，并且在构建模型过程中存在大量的问题。包括博客园中最受欢迎的几篇，整个模型构造就不符合理论。索性自己重新查阅外文文献，进而得到很大帮助。本文针对几种模型，采用算法概述、算法公式解析、公式推理、优缺点比较等进行总结。（本文原创，转载注明出处。）
阅读全文
摘要：题记：
近来关于数据挖掘学习过程中，学习到朴素贝叶斯运算ROC曲线。也是本节实验课题，roc曲线的计算原理以及如果统计TP、FP、TN、FN、TPR、FPR、ROC面积等等。往往运用ROC面积评估模型准确率，一般认为越接近0.5，模型准确率越低，最好状态接近1，完全正确的模型面积为1.下面进行展开介绍：
阅读全文
摘要：【小记】：大胆尝试才能突破，某个中医药大学有一批图片需要处理（ORC），然后进行数据挖掘。之前没有接触过ORC这个东西，但是还是应允了。在网上搜索一番，关于中文图片识别，最终敲定为基于微软的OneNote，其识别率相对较高。网上这个技术点的资料真心不多，后来于博客园找到一篇博文，但是那个程序还是bug百出，而且只是单处理。后来经过一番摸索逐个突破，批处理完成。然后进行界面设计，这些零碎工作完成后，便是入库处理。由于OneNote生成的xml文件封装好的，即不可视的。便将其代码处理生成txt文件，再进行Oracle入库处理。入库前需要文件内容审核，并且在WPF开发中数据绑定和分页中做了独特处理。现在经过半个月的工作，本项目做个阶段总结。一则知识总结便于二次开发，尽量保持程序流畅性，核心
阅读全文
摘要：【小记】：大胆尝试才能突破，某个中医药大学有一批图片需要处理（ORC），然后进行数据挖掘。之前没有接触过ORC这个东西，但是还是应允了。在网上搜索一番，关于中文图片识别，最终敲定为基于微软的OneNote，其识别率相对较高。网上这个技术点的资料真心不多，后来于博客园找到一篇博文，但是那个程序还是bug百出，而且只是单处理。后来经过一番摸索逐个突破，批处理完成。然后进行界面设计，这些零碎工作完成后，便是入库处理。由于OneNote生成的xml文件封装好的，即不可视的。便将其代码处理生成txt文件，再进行Oracle入库处理。入库前需要文件内容审核，并且在WPF开发中数据绑定和分页中做了独特处理。现在经过半个月的工作，本项目做个阶段总结。一则知识总结便于二次开发，尽量保持程序流畅性，核心知识做以梳理；另外，相关WPF和OneNote常用技术共享，便于部分园友所需。本人技术有限，欢迎交流。项目还未结束，暂作阶段文章发布，随后相继发布。
阅读全文
摘要：【小记】：大胆尝试才能突破，某个中医药大学有一批图片需要处理（ORC），然后进行数据挖掘。之前没有接触过ORC这个东西，但是还是应允了。在网上搜索一番，关于中文图片识别，最终敲定为基于微软的OneNote，其识别率相对较高。网上这个技术点的资料真心不多，后来于博客园找到一篇博文，但是那个程序还是bug百出，而且只是单处理。后来经过一番摸索逐个突破，批处理完成。然后进行界面设计，这些零碎工作完成后，便是入库处理。由于OneNote生成的xml文件封装好的，即不可视的。便将其代码处理生成txt文件，再进行Oracle入库处理。入库前需要文件内容审核，并且在WPF开发中数据绑定和分页中做了独特处理。现在经过半个月的工作，本项目做个阶段总结。一则知识总结便于二次开发，尽量保持程序流畅性，核心知识做以梳理；另外，相关WPF和OneNote常用技术共享，便于部分园友所需。本人技术有限，欢迎交流。项目还未结束，暂作阶段文章发布，随后相继发布。
阅读全文
摘要：【小记】：大胆尝试才能突破，某个中医药大学有一批图片需要处理（ORC），然后进行数据挖掘。之前没有接触过ORC这个东西，但是还是应允了。在网上搜索一番，关于中文图片识别，最终敲定为基于微软的OneNote，其识别率相对较高。网上这个技术点的资料真心不多，后来于博客园找到一篇博文，但是那个程序还是bug百出，而且只是单处理。后来经过一番摸索逐个突破，批处理完成。然后进行界面设计，这些零碎工作完成后，便是入库处理。由于OneNote生成的xml文件封装好的，即不可视的。便将其代码处理生成txt文件，再进行Oracle入库处理。入库前需要文件内容审核，并且在WPF开发中数据绑定和分页中做了独特处理。现在经过半个月的工作，本项目做个阶段总结。一则知识总结便于二次开发，尽量保持程序流畅性，核心知识做以梳理；另外，相关WPF和OneNote常用技术共享，便于部分园友所需。本人技术有限，欢迎交流。项目还未结束，暂作阶段文章发布，随后相继发布。
阅读全文
