其他

python 的index方法是在字串裡尋找子串第一次出現的位置，類似字串的find方法，不過比find方法更好的是，如果尋找不到子串，會拋出異常，而不是返回-1比如：info = 'abca'print info.index('a')返回：0,說明字母a是在info的第0個位置。如果我們把字母a換成333是什麼結果。 print info.index('333')ValueError: substring not found它會有一個異常的出現，方便我們來處理。本文地址：http://www.

Lucene.Net 2.3.1開發介紹 —— 簡介 Lucene.Net 2.3.1開發介紹 —— 一、接觸Lucene.Net Lucene.Net 2.3.1開發介紹 —— 二、分詞（一） 本篇介紹了如何測試分詞器的效果，並且簡單測試了一下Lucene.Net內建分詞器的效果。Lucene.Net 2.3.1開發介紹 —— 二、分詞（二）

今天給大家說下python字串的find方法，從python的文檔裡可以知道find方法是尋找子串在字串的開始位置。看下文檔解釋：string.find(s, sub[, start[, end]]) Return the lowest index in s where the substring sub is found such that sub is wholly contained in s[start:end]. Return -1 on failure. Defaults for

python 字串轉換小寫可以用到字串對象的方法lower,下面通過例子給大家說下：比如字串對象mm = 'AFEFEFEaa'調用字串的方法lower方法print m.lower()輸出結果：afefefeaa下面我們可以用字串對象的islower()，來判斷字串對象裡面的元素是否是小寫，如果全部為小寫，則返回true,如果字串對象裡面有元素是大寫，則返回false.比如：m = 'AFEFEFEaa'c = m.lower()print

http://hi.baidu.com/stockfans/blog/item/489c4b1010584304213f2e98.html 檔案結構識別ARFF檔案的重要依據是分行，因此不能在這種檔案裡隨意的斷行。空行（或全是空格的行）將被忽略。以“%”開始的行是注釋，WEKA將忽略這些行。如果你看到的“weather.arff”檔案多了或少了些“%”開始的行，是沒有影響的。除去注釋後，整個ARFF檔案可以分為兩個部分。第一部分給出了頭資訊（Head

%matrix橫座標featureDimension,縱座標N_corpusfeatureDimension=[100,500,1000,1500,2000,2500,3000];N_corpus=[100,500,1000,1500,2000,2500,3000];matrix0=load('0.txt');matrix1=load('1.txt');matrix2=load('2.txt');matrix3=load('3.txt');matrix4=load('4.txt');avaMat

         Lucene.Net是Lucene在dot net平台上的移植版本。它的功能與Lucene一樣，都是用來提供一組API，讓我們能快速開發自己的搜尋引擎，當然，是全文檢索搜尋。它不是一個程式，拿到它並不能立刻運行，你必須自己實現邏輯過程。這是一個和.Net Framework一樣的架構。Lucene是用Java寫的，爾後衍生出Nutch,接著又衍生出Hadoop。這些可以說和Lucene沒有內在聯絡，但是它們可以擴充Lucene的應用規模。目前，在dot

上一節老王我說了下django template 文法,可以通過django來把view裡的資料顯示在頁面裡，這節主要說下django template filter.django template 字元截取sliceReturns a slice of the list.Example:{{ some_list|slice:":2" }}If some_list is ['a', 'b', 'c'], the output will be ['a', 'b'].django template

  django template為設計者和程式員提供了不同的用法我先說下對設計者這塊的把它裡面主要分為3個部分把1是基本文法這塊:和python的文法比較相似。也是if else for 等等。可以看下python

歡迎大家訪問我的百度空間finallyliuyu的百度空間。從今天起，我將以百度作為原創部落格的主田地。部落格園用來做備份。部落格園裡的園友主要是做APP的，更加關注各種新技術。百度空間相對來講，學生群體比較龐大，可以方便形成圈子，互相交流。當然，有好的文章我還會轉到這裡來的，因為這裡是我入門的起點。蛙蛙池塘的《蛙蛙牌本文提取演算法》對我的本科畢業設計大有啟示。智慧掩蓋真相的Lucene.net系列，讓我快速入門，領會到了Lucene的一些架構機制。從洞庭散人那裡，我對貝葉斯分類入了門，並且目前

 作者：finallyliuyu  註：資料使用請註明來源 實驗資料下載資源中包括

設計如所示的文本分類預先處理模組。考慮到要研究特徵維數的不同選擇對分類準確率的影響。也就是在同一個文檔集合上面，同一種特徵選取方法上面，要多次建立VSM模型。如特徵維數為1000的情況下的VSM模型，特徵維數為2000情況下的VSM模型。在這種情況下，只需要多次調用VSMFormation模組就行了，因為文檔集沒有變，所有詞袋子模型沒有變，因為特徵詞選擇方面沒有變，所以詞的優先序沒有變。這是一個非常簡單的道理，可是我最初在設計程式的時候，竟然每個維度都要重新分詞，重建立立詞袋子模型，重新進行特徵

   中文分詞：採用二元詞圖以及Viterbi演算法（三）中文分詞：採用二元詞圖以及Viterbi演算法（一）1。首先建立詞典。此處詞典要理解為：對訓練語料庫中的詞進行詞頻等資訊的統計後形成的資料結構，和“新華字典”中的字典意義不一樣。我的實現中建立了兩個詞典：“單詞”詞典統計每個詞的出現次數，“雙詞”詞典統計每兩個詞連續出現的次數(因為採用的是二元文法模型)。然後又分別對單詞詞典，雙詞詞典形成一級Trie樹，或者叫做“帶首字索引”的字典。代碼如下 從訓練語料庫建立“單詞”詞典 Code

美音聽力與發音技巧10：斷句的區別時間:2010-04-18 16:37來源: 作者: 點擊: 3次（斷句） Welcome to Daily Tips on Learning English. Today’s tip is on the use of pauses in English speech. Although written English has spaces between every word, spoken English doesn’t have pauses-【思路人

【轉載】：BoostRegex漢字匹配 收藏

 作者:finallyliuyu （資料使用，博文引用請您表面出處）本專題是有關藉助於Lucene.Net工具如何對英文文章進行分詞，詞性標註，詞根還原的。如果是藉助於Lucene.net架構對中文進行分詞，詞性標註，那麼原理上更簡單。我在《也談貝葉斯分類C#版》中給出了如何在Lucene中嵌入河北理工大學呂震宇老師(根據張華平老師的ICTCLAS分詞開源版本改寫成)的sharpICT.需要指出但是此段代碼並非我原創，好像是參考的

美音聽力與發音技巧9：句子中的重音時間:2010-04-18 16:37來源: 作者: 點擊: 4次Welcome to Daily Tips on Learning English. Today’s tip is on word stress on sentences. In general, it is true that content words are stressed whereas function words are not stressed. Content words u-【

=== Run information ===Scheme:       weka.clusterers.SimpleKMeans -N 3 -S 10Relation:     aticleInstances:    372Attributes:   451              [list of attributes omitted]Test mode:    evaluate on training data=== Model and evaluation on training

主程式：  主程式 Code highlighting produced by Actipro CodeHighlighter

 要使用Boost.Regex, 你需要包含標頭檔"boost/regex.hpp". Regex是本書中兩個需要獨立編譯的庫之一(另一個是Boost.Signals)。你會很高興獲知如果你已經構建了Boost— —那隻需在命令提示字元下打一行命令——就可以自動連結了(對於Windows下的編譯器)，所以你不需要為指出那些庫檔案要用而費心。你要做的第一件事就是聲明一個類型 basic_regex