摘要： 最近刚刚开始接触Spring MVC，由于项目有需要用到，所以特意去学习了一下。 之前一直使用的是SSH框架，感觉Spring MVC比之前使用的框架更加好用，主要是Spring MVC提供了注解机制，省去了一堆麻烦的配置工作。 这里我们使用Spring MVC实现一个最简单的web应用，主要是基于Spring MVC的注解机制。 下面我们来看实现代码：web.xml index.jsp spring org.springframework.web.servlet.DispatcherServlet ... 阅读全文

摘要： 应同学要求，特地把《信息检索》考试之前整理的关于课程的主要内容、框架的文件PO上博客教材是 曼宁的《信息检索导论》《信息检索》整体的框架如下图：每一章的主要内容见summary.pdf 阅读全文

摘要： P & NP 问题是由Steve Cook于1971年首次提出，克雷数学研究所将它作为高额悬赏的七个千禧年难题之一，同时，它也是计算机科学领域的最大难题。下面先看看最基本的P类问题和NP问题：P问题 P——Polynomial，多项式时间。P问题表示在多项式时间内可以解决的问题。时间复杂度为O(n), O(nk), O(nlogn)的问题都能在多项式时间内解决，我们在数据结构与算法中的大部分问题如排序、找最短路径等都能在多项式时间内解决。NP问题 NP——Nondeterministic Polynomial，非确定多项式时间。NP问题表示不确定在多项式时间内是否能解决的一类问题。也就 阅读全文

摘要： 主要区别：假设x表示输入，y表示类别标签。判别式模型（Discriminative Model）主要对P(y|x)建模，得到判别函数。所需要做的就是优化判别函数，使得数据可分。它更能反映数据之间的差异性，而对数据本身的性质并不关心。生成式模型（Generative Model）主要对P(x,y)进行建模，得到概率密度模型。它要求训练样本数量尽可能的大。它更关心数据本身的情况，数据整体的分布，数据的相似度，而不关心到底判决界面在哪里。生成式模型的应用范围比较广，它可以通过贝叶斯公式转换为P(y|x)，然后进行分类。它还可以用作其他目的，比如直接运用P(x,y)生成(x,y)数据对。应用常见的判别 阅读全文

摘要： 一. 概率论基础1. 条件概率公式：2. 全概率公式：3. 由条件概率公式和全概率公式可以导出贝叶斯公式二. 文本分类要计算一篇文章D所属的类别c(D)，相当于计算生成D的可能性最大的类别，即：其中P(D)与C无关，故三. 朴素贝叶斯分类模型朴素贝叶斯假设：在给定类别C的条件下，所有属性Di相互独立，即，根据朴素贝叶斯假设，可得其中， ：类别c中的训练文本数 ：总训练文本数 ：单词di在类别c中出现的次数综上可得，四. 具体代码（源代码）程序采用java语言进行编写，运用搜狗语料库进行训练。具体程序代码如下：Main.java——主程序，负责读取待分类文章以及调用分类器package clas 阅读全文