目录

图数据库Neo4j

py2neo库

图数据库Neo4j

图形数据库也被称为图形数据库管理系统(GDBMS),现发展比较成熟的图数据库有Neo4j、OracleNoSQL、OrientDB、HypherGraphDB和GraphBase等

其中Neo4j是基于Java语言编写的图形数据库,它采用节点和关系的形式存储信息,并在此基础上提供界面友好的可视化演示,Neo4j图形数据库的主要组成有:

阅读全文 »

目录

一、Socket主要概念

二、Linux下的socket代码分析

三、实现一个Linux的socket程序

一、Socket主要概念

端口

有了 IP 地址,虽然可以找到目标计算机,但仍然不能进行通信。一台计算机可以同时提供多种网络服务,例如Web服务、FTP服务(文件传输服务)、SMTP服务(邮箱服务)等,仅有 IP 地址,计算机虽然可以正确接收到数据包,但是却不知道要将数据包交给哪个网络程序来处理,所以通信失败。

为了区分不同的网络程序,计算机会为每个网络程序分配一个独一无二的端口号

常用数据传输方式

SOCK_STREAM 和 SOCK_DGRAM。

阅读全文 »

常用操作

1.linux下批处理脚本

  • 新建一个空白文档test,将其后缀改为sh,得到一个test.sh文件
  • 在其内写命令,模板如下
    1
    2
    3
    4
    5
    6
    7
    #! /bin/bash

    命令1

    命令2

    ...
  • 终端执行以下命令给test执行权限
    1
    chmod  +x  test.sh
  • 之后使用以下命令即可执行sh脚本了
    1
    2
    3
    4
    sh test.sh

    # 用sh -x test.sh执行可以看到执行细节
    # 也可以用./test.sh来执行

2.awk操作

  • 输出file1的第1行和第4行
    1
    awk '{print $1, $4}' file1
  • 将file1中的第1行和第4行的内容以”,”分割并打印
    1
    2
    awk -F "," '{print $1, $4}' file1
    # -F表示分割,后面接以什么字符分割

Ubuntu常用命令

常用命令

命令 含义
sudo apt install 软件名 安装软件命令(有root权限)
sudo apt remove 软件名 删除软件命令(有root权限)
sudo nautilus 打开文件(有root权限)
su root 切换到“root”
ls 列出当前目录文件(不包括隐含文件)
ls -a 列出当前目录文件(包括隐含文件)
ls -l 列出当前目录下文件的详细信息
cd … 回当前目录的上一级目录
cd - 回上一次所在的目录
cd ~ 或 cd 回当前用户的宿主目录
kill 进程ID或进程名 终止该进程
mkdir 目录名 创建一个目录
rmdir 空目录名 删除一个空目录
rm 文件名 文件名 删除一个文件或多个文件
rm -rf 非空目录名 删除一个非空目录下的一切
mv 路径/文件 /路径/文件 移动相对路径下的文件到绝对路径下
mv 文件名 新名称 在当前目录下改名
df -h 查看硬盘剩余空间
free -m 查看当前的内存使用情况
ps -A 查看当前有哪些进程
阅读全文 »

目录

安装MinGW

安装Clion

安装MinGW

安装Clion

  • 安装路径不能出现中文

  • 勾选以下选项

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    # 创建桌面应用
    64-bit launcher
    # 自动添加环境变量
    Add launchers dir to the PATH
    # 增加菜单栏
    Add "Open Folder as Project"
    # 将后缀文件与Clion链接
    .c
    .h
    .C
    .cpp
阅读全文 »

目录

文献总结

相关知识

代码环境搭建

文献总结

顶会文献

《Distilling Discrimination and Generalization Knowledge for Event Detection via ∆-Representation Learning》ACL2019

  • 概述: 为解决事件检测系统在泛化知识上识别触发词学习方面较差的现象,提出一种通过有效解耦、逐步学习、自适应融合事件表示来在分化、泛化知识进行学习
  • 优点: 提高了算法在泛化知识方面学习的能力,加强了以前事件检测难以识别出的隐藏的事件触发词的抽取能力
  • 不足:技术路线较复杂,分化知识和泛化知识分别抽取特征表示会不会产生干扰
  • 技术路线: 词预训练模型: 基于ELMo模型->△-特征表示学习->用自注意循环神经网络(attention-RNN)学习分化知识的特征表示->用DMCNN模型来学习泛化知识的特征表示
阅读全文 »