gensim

import gensim

# Load Google's pre-trained Word2Vec model.model=gensim.models.Word2Vec.load_word2vec_format('./model/GoogleNews-vectors-negative300.bin',binary=True)

你可能感兴趣的:(gensim)

今日无更新我的昵称违规了
学校的一个会忙得昏天黑地。明天有自己的一个发表，还要准备PPT，根据原来的改改就好……这周真的是有点繁杂了，搞定之后连着四五月份要写两篇论文，再加上五月底的课程论文还有紧接着的文献综述，看样子要疯……现在梳理一下自己手里的锤子：转到Pytorch，使用AllenNLP了解Transformer、了解LSTM了解jieba等分词工具了解Gensim等NLP处理工具接下来要做的：基于AllenNLP搞
Python中的自然语言处理和文本挖掘 api77 电商api api python 自然语言处理 easyui 开发语言网络前端 java
在Python中，自然语言处理（NLP）和文本挖掘通常涉及对文本数据进行清洗、转换、分析和提取有用信息的过程。Python有许多库和工具可以帮助我们完成这些任务，其中最常用的包括nltk（自然语言处理工具包）、spaCy、gensim、textblob和scikit-learn等。以下是一个简单的例子，展示了如何使用Python和nltk库进行基本的自然语言处理和文本挖掘。安装必要的库首先，确保你
gensim 实现 TF-IDF 木下瞳 NLP 大模型 tf-idf 人工智能
目录介绍代码介绍TF-IDF（TermFrequency-InverseDocumentFrequency）含义：TF(TermFrequency):词频，是指一个词语在当前文档中出现的次数。它衡量的是词语在文档内部的重要性，直观上讲，一个词语在文档中出现越频繁，表明它对该文档内容描述的贡献越大。IDF(InverseDocumentFrequency):逆文档频率，是一个词语在整个文档集合中的稀
gensim 语言训练库 2018-10-26 Mr_Du_Biao
一、安装gensimpipinstallgensim二、使用这个训练库很厉害,里面封装很多机器学习的算法,是目前人工智能的主流应用库importjiebaimportgensimfromgensimimportcorporafromgensimimportmodelsfromgensimimportsimilaritiesl1=["你的名字是什么","你今年几岁了","你有多高你胸多大","你胸多
gensim模型（1）——Word2Vec qqqh777
Word2Vec模型介绍Gensim的Word2Vec模型且展示其在LeeEvaluationCorpus上的用法。importlogginglogging.basicConfig(format='%(asctims)s:%(levelname)s:%(message)s',level=logging.INFO)如果你错过了提示，Word2Vec是基于神经网络的广泛使用的算法，通常被称为"深度学习
Gensim详细介绍和使用：一个Python文本建模库 Bigcrab__ Python 库介绍和使用 python
Gensim=“GenerateSimilar”一、安装二、文本预处理2.1中文语料处理2.2英文语料处理2.3BOW语料建立三、模型使用3.1word2vecThealgorithmsinGensim,suchasWord2Vec,FastText,LatentSemanticIndexing(LSI,LSA,LsiModel),LatentDirichletAllocation(LDA,Lda
Python与自然语言处理库Gensim实战心梓知识 python 自然语言处理 easyui
一、Gensim简介Gensim是一款Python自然语言处理库。它能够自动化训练出一个文本语料库，然后用该语料库来训练出一个词向量模型。在语料库中，每个语料库都是由一个个文档组成，每个文档则是由若干个单词组成。Gensim相对于其他Python自然语言处理库的优点在于它的速度和内存占用率较低。同时它还提供了许多文本处理的功能，比如文档相似度计算和主题建模等。二、安装Gensim在安装Gensim
【爬虫实战】python文本分析库——Gensim 认真写程序的强哥爬虫 python Python爬虫 Python学习 Python文本分析 Gensim 开发语言
文章目录01、引言02、主题分析以及文本相似性分析03、关键词提取04、Word2Vec嵌入（词嵌入WordEmbeddings）05、FastText嵌入（子词嵌入SubwordEmbeddings）06、文档向量化01、引言Gensim是一个用于自然语言处理和文本分析的Python库，提供了许多强大的功能，包括文档的相似度计算、关键词提取和文档的主题分析，要开始使用Gensim，您需要安装它，
调用Gensim库训练Word2Vec模型风筝超冷 word2vec python 深度学习
一、前期工作：1.安装Gensim库pipinstallgensim2.安装chardet库pipinstallchardet3.对原始语料分词选择《人民的名义》的小说原文作为语料，先采用jieba进行分词importjiebaimportjieba.analyseimportchardetjieba.suggest_freq('沙瑞金',True)#加入一些词，使得jieba分词准确率更高jie
Word2Vec ——gensim实战教程王同学死磕技术
最近斯坦福的CS224N开课了，看了下课程介绍,去年google发表的Transformer以及最近特别火的ContextualWordEmbeddings都会在今年的课程中进行介绍。NLP领域确实是一个知识迭代特别快速的领域，每年都有新的知识冒出来。所以身处NLP领域的同学们要时刻保持住学习的状态啊。笔者又重新在B站上看了这门课程的第一二节课。这里是课程链接。前两节课的主要内容基本上围绕着词向量
x86系统与arm64系统不兼容的linux服务器问题 stay_foolish12 python 操作系统大数据
一键离线安装命令：pipinstall--no-index--find-links=/home/digital_package-rrequirements.txt--ignore-installed1cython2gensim：
中国文化之光：微博数据的探索与可视化分析八块腹肌的小胖 python 数据可视化数据挖掘
大家好，我是八块腹肌的小胖下面我们针对主题“中国文化”相关的微博数据进行爬取使用LDA、情感分析、情感演化、词云等可视化操作进行相关的展示1、导包第一步我们开始导包工作下面这段代码，首先，pandas被请来了，因为它是处理数据的高手，能把数据弄得井井有条。然后，gensim也加入了，它擅长于自然语言处理，就像是让数据说话的魔术师。接着，咱们用了simple_preprocess，这个就像是个文本切
基于大数据的B站数据分析系统的设计与实现叫我：松哥大数据信息可视化数据分析 python 数据挖掘网络爬虫
摘要：随着B站（哔哩哔哩网）在国内视频分享平台的崛起，用户规模和数据量不断增加。为了更好地理解和利用这些海量的B站数据，设计并实现了一套基于Python的B站数据分析系统。该系统采用了layui作为前端框架、Flask作为后端框架，以及Echarts作为可视化工具，数据库选择MySQL，使用gensim库进行LDA主题建模。在系统设计方面，前端使用layui框架进行开发，提供了用户友好的界面，支持
使用Gensim库对文本进行词袋、TF-IDF和n-gram方法向量化处理 Yuki_lsq
Gensim库简介机器学习算法需要使用向量化后的数据进行预测，对于文本数据来说，因为算法执行的是关于矩形的数学运算，这意味着我们必须将字符串转换为向量。从数学的角度看，向量是具有大小和方向的几何对象，不需过多地关注概念，只需将向量化看作一种将单词映射到数学空间的方法，同时保留其本身蕴含的信息。Gensim是世界上最大的NLP/信息检索Python库之一，兼具内存高效性和可扩展性。Gensim的可扩
用gensim快速打开词向量 62ba53cbc93c
gensim是一个方便的nlp工具，特别是用来导入词向量，这里简单记录一下gensim导入词向量的方法importgensimw2v=gensim.models.KeyedVectors.load_word2vec_format("small_embedding.txt")print(w2v['a'])gensim导入词向量需要词向量文件的首行是：所有的单词数词向量的维度如果不是这个格式，需要做额
flair.embeddings 对句子进行向量图灵与对话算法
importnumpyasnpimportpandasaspdfromgensim.modelsimportKeyedVectorsfromsklearn.clusterimportKMeansfromflair.dataimportSentencefromflair.embeddingsimportWordEmbeddings,FlairEmbeddingsfromflair.embedding
自然语言处理N天-Day0501词袋和词向量模型我的昵称违规了
新建MicrosoftPowerPoint演示文稿(2).jpg说明：本文依据《中文自然语言处理入门实战》完成。目前网上有不少转载的课程，我是从GitChat上购买。第五课文本可视化技巧算是进入正题了，NLP重要的一个环节，构建词向量模型，在这里使用到了Gensim库，安装方式很简单pipinstallgensim词袋模型BOW词袋将文本看作一个无序的词汇集合，忽略语法和单词顺序，对每一个单词进行
中文词向量训练-案例分析 Algorithm_Engineer_ 基础知识和深度学习自然语言处理 word2vec
1数据预处理，解析XML文件并分词#!/usr/bin/envpython#-*-coding:utf-8-*-#process_wiki_data.py用于解析XML，将XML的wiki数据转换为text格式importloggingimportos.pathimportsysfromgensim.corporaimportWikiCorpusimportjiebaimportjieba.ana
pyLDAvis实现LDA结果可视化时报错OSError:invalid argument dingbangchu LDA python
因为当时查遍全网都没找到类似错误和解决办法，特此记录。放一下可视化部分的源码：importpyLDAvis.gensimimportpyLDAvisfromLDAimportneg_lda,neg_corpus,neg_dict,pos_lda,pos_corpus,pos_dictdata2=pyLDAvis.gensim.prepare(pos_lda,pos_corpus,pos_dict)
pyLDAvis生成LDA主题并可视化季诗筱 Python python
这里写自定义目录标题pyLDAvis运行代码注意：pyLDAvis运行代码加载相关模块importgensimfromgensimimportcorporaimportmatplotlib.pyplotaspltimportmatplotlibimportnumpyasnpimportwarnings#fromgensim.modelsimportLdaModelimportpandasaspdf
基于Word2vec词聚类的关键词实现 Algorithm_Engineer_ 人工智能 word2vec 聚类人工智能
一.基于Word2vec词聚类的关键词步骤基于Word2Vec的词聚类关键词提取包括以下步骤：1.准备文本数据：收集或准备文本数据，可以是单一文档或文档集合，涵盖关键词提取的领域。2.文本预处理：清洗文本数据，去除无关字符、标点符号，将文本转换为小写等。进行分词，将文本划分为词语。3.训练Word2Vec模型：使用预处理后的文本数据训练Word2Vec模型。可以使用现有的库如gensim，也可以自
NLP学习笔记（为了完成基于知识图谱的问答系统进行的基础学习） ChessZH 学习记录 nlp 自然语言处理 python
目录前言0.需要使用的模型的学习（更新中）Bi-LSTM什么是LSTM与Bi-LSTM为什么使用LSTM与Bi-LSTMLSTM1.一切的基础——词袋模型与句子相似度词袋模型句子相似度简化：利用gensim遇到的问题2.TF-IDF——一个比较重要的原理什么是TF-IDF文本与预处理Gensim中的TF-IDF实践计算TF-IDF值第二部分的完整代码3.词形还原（Lemmatization）什么是
词向量模型及Word2Vector（二） yousa_
今天来讲解一个非常经典的词向量模型word2vec并介绍一个非常强大的库gensim。先贴一段代码。fromgensim.modelsimportWord2Vecen_wiki_word2vec_model=Word2Vec.load('wiki.zh.text.model')test_words=['苹果','数学','学术','白痴','篮球']foriinrange(5):res=wn_wi
基于维基百科英文语料的Word2Vec模型使用 MilkLeong 自然语言处理 nlp
关于这方面的知识还没有弄透彻模型使用的常用方法有（见博文）：另外还可参看gensim.Word2Vec的官方文档记在这里，以免后面忘掉了
import pyLDAvis as gensimvis报错 MilkLeong 自然语言处理 python nlp
想对LDA模型分析结果可视化的时候，调用pyLDAvis模块反复报错，错误主要有如下两个：（1）odule'pyLDAvis.gensim_models'hasnoattribute'enable_notebook'（2）prepare()missing2requiredpositionalarguments:'vocab'and'term_frequency'可能跟自己对这些第三方package
python分析方向的第三方库_python数据分析方向的第三方库是什么佛渡潜行者 python分析方向的第三方库
python数据分析方向的第三方库是：1、Numpy；2、Pandas；3、SciPy；4、Matplotlib；5、Scikit-Learn；6、Keras；7、Gensim；8、Scrapy。本教程操作环境：windows7系统、Python3版、DellG3电脑。Python是数据处理常用工具，可以处理数量级从几K至几T不等的数据，具有较高的开发效率和可维护性，还具有较强的通用性和跨平台性。
NLP基础2-词向量之Word2Vec 知识复盘计划自然语言处理自然语言处理 word2vec 人工智能 python
NLP基础1-词向量之序号化，One-Hot，BOW/TF，TF-IDFNLP基础2-词向量之Word2VecNLP基础3-词向量之Word2Vec的Gensim实现文章目录一、WordEmbedding1.什么是词嵌入，WordEmbedding？2.词嵌入技术的优势：3.词嵌入的相关算法二、Word2Vec基本介绍1.两个算法：2.两个优化方法3.主要应用4.主要缺点5.目标函数三、Word2
自然语言处理1——探索自然语言处理的基础 - Python入门篇 theskylife 自然语言处理数据挖掘自然语言处理 python 人工智能深度学习
目录写在开头1.介绍自然语言处理的基本概念1.1NLP的核心目标1.2常见的NLP任务1.3应用场景详细介绍1.3.1医疗保健1.3.2金融领域1.3.3教育领域1.3.4社交媒体分析2.Python中常用的自然语言处理库简介2.1NLTK(NaturalLanguageToolkit)2.2Spacy2.3Transformers2.4TextBlob2.5Gensim2.6Textacy2.7
人工智能python 模块_python机器学习和人工智能，基础模块和环境搭建 weixin_39560064 人工智能python 模块
本文搭建包括numpy、pandas、gensim、matplotlib、tensorflow、sklearn、jieba、NLTK常用机器学习库，打造一个基础和全面的机器学习环境。人类一直试图让机器能够智能化，能有自主学习的能力，也就是人们常说的人工智能。从上世纪50年代，人工智能就开始了“推理期”；到70年代，人工智能的发展进入“知识期”；直到现在，人工智能在越来越多的领域深入实践。一，简介那
How to Develop Word Embeddings in Python with Gensim 闪闪发亮的小星星 NLP word python 开发语言
https://machinelearningmastery.com/develop-word-embeddings-python-gensim/本教程分为6个部分;他们是：词嵌入Gensim库开发Word2Vec嵌入可视化单词嵌入加载Google的Word2Vec嵌入加载斯坦福大学的GloVe嵌入词嵌入单词嵌入是一种提供单词的密集向量表示的方法，这些单词捕获了有关其含义的某些信息。单词嵌入是对更
JAVA基础灵静志远位运算加载 Date 字符串池覆盖
一、类的初始化顺序 1 （静态变量，静态代码块）-->（变量，初始化块）--> 构造器同一括号里的，根据它们在程序中的顺序来决定。上面所述是同一类中。如果是继承的情况，那就在父类到子类交替初始化。二、String 1 String a = "abc"; JAVA虚拟机首先在字符串池中查找是否已经存在了值为"abc"的对象，根
keepalived实现redis主从高可用 bylijinnan redis
方案说明两台机器（称为A和B），以统一的VIP对外提供服务 1.正常情况下，A和B都启动，B会把A的数据同步过来（B is slave of A） 2.当A挂了后，VIP漂移到B；B的keepalived 通知redis 执行：slaveof no one，由B提供服务 3.当A起来后，VIP不切换，仍在B上面；而A的keepalived 通知redis 执行slaveof B，开始
java文件操作大全 0624chenhong java
最近在博客园看到一篇比较全面的文件操作文章，转过来留着。 http://www.cnblogs.com/zhuocheng/archive/2011/12/12/2285290.html 转自http://blog.sina.com.cn/s/blog_4a9f789a0100ik3p.html 一.获得控制台用户输入的信息 &nbs
android学习任务不懂事的小屁孩工作
任务完成情况搞清楚带箭头的pupupwindows和不带的使用已完成熟练使用pupupwindows和alertdialog，并搞清楚两者的区别已完成熟练使用android的线程handler,并敲示例代码进行中了解游戏2048的流程，并完成其代码工作进行中-差几个actionbar 研究一下android的动画效果，写一个实例已完成复习fragem
zoom.js 换个号韩国红果果 oom
它的基于bootstrap 的 https://raw.github.com/twbs/bootstrap/master/js/transition.js transition.js模块引用顺序 <link rel="stylesheet" href="style/zoom.css"> <script src=&q
详解Oracle云操作系统Solaris 11.2 蓝儿唯美 Solaris
当Oracle发布Solaris 11时，它将自己的操作系统称为第一个面向云的操作系统。Oracle在发布Solaris 11.2时继续它以云为中心的基调。但是，这些说法没有告诉我们为什么Solaris是配得上云的。幸好，我们不需要等太久。Solaris11.2有4个重要的技术可以在一个有效的云实现中发挥重要作用：OpenStack、内核域、统一存档（UA）和弹性虚拟交换（EVS）。
spring学习——springmvc（一） a-john springMVC
Spring MVC基于模型-视图-控制器（Model-View-Controller，MVC）实现，能够帮助我们构建像Spring框架那样灵活和松耦合的Web应用程序。 1，跟踪Spring MVC的请求请求的第一站是Spring的DispatcherServlet。与大多数基于Java的Web框架一样，Spring MVC所有的请求都会通过一个前端控制器Servlet。前
hdu4342 History repeat itself-------多校联合五 aijuans 数论
水题就不多说什么了。 #include<iostream>#include<cstdlib>#include<stdio.h>#define ll __int64using namespace std;int main(){ int t; ll n; scanf("%d",&t); while(t--)
EJB和javabean的区别 asia007 bean ejb
EJB不是一般的JavaBean,EJB是企业级JavaBean,EJB一共分为3种,实体Bean,消息Bean,会话Bean,书写EJB是需要遵循一定的规范的,具体规范你可以参考相关的资料.另外,要运行EJB,你需要相应的EJB容器,比如Weblogic,Jboss等,而JavaBean不需要,只需要安装Tomcat就可以了 1.EJB用于服务端应用开发, 而JavaBeans
Struts的action和Result总结百合不是茶 struts Action配置 Result配置
一:Action的配置详解: 下面是一个Struts中一个空的Struts.xml的配置文件 <?xml version="1.0" encoding="UTF-8" ?> <!DOCTYPE struts PUBLIC &quo
如何带好自已的团队 bijian1013 项目管理团队管理团队
在网上看到博客" 怎么才能让团队成员好好干活"的评论，觉得写的比较好。原文如下：我做团队管理有几年了吧，我和你分享一下我认为带好团队的几点： 1.诚信对团队内成员，无论是技术研究、交流、问题探讨，要尽可能的保持一种诚信的态度，用心去做好，你的团队会感觉得到。 2.努力提
Java代码混淆工具 sunjing ProGuard
Open Source Obfuscators ProGuard http://java-source.net/open-source/obfuscators/proguardProGuard is a free Java class file shrinker and obfuscator. It can detect and remove unused classes, fields, m
【Redis三】基于Redis sentinel的自动failover主从复制 bit1129 redis
在第二篇中使用2.8.17搭建了主从复制，但是它存在Master单点问题，为了解决这个问题，Redis从2.6开始引入sentinel，用于监控和管理Redis的主从复制环境，进行自动failover，即Master挂了后，sentinel自动从从服务器选出一个Master使主从复制集群仍然可以工作，如果Master醒来再次加入集群，只能以从服务器的形式工作。什么是Sentine
使用代理实现Hibernate Dao层自动事务白糖_ DAO spring AOP 框架 Hibernate
都说spring利用AOP实现自动事务处理机制非常好，但在只有hibernate这个框架情况下，我们开启session、管理事务就往往很麻烦。 public void save(Object obj){ Session session = this.getSession(); Transaction tran = session.beginTransaction(); try
maven3实战读书笔记 braveCS maven3
Maven简介是什么？ Is a software project management and comprehension tool.项目管理工具是基于POM概念(工程对象模型) [设计重复、编码重复、文档重复、构建重复，maven最大化消除了构建的重复] [与XP：简单、交流与反馈；测试驱动开发、十分钟构建、持续集成、富有信息的工作区] 功能：
编程之美-子数组的最大乘积 bylijinnan 编程之美
public class MaxProduct { /** * 编程之美子数组的最大乘积 * 题目: 给定一个长度为N的整数数组，只允许使用乘法，不能用除法，计算任意N-1个数的组合中乘积中最大的一组，并写出算法的时间复杂度。 * 以下程序对应书上两种方法，求得“乘积中最大的一组”的乘积——都是有溢出的可能的。 * 但按题目的意思，是要求得这个子数组，而不
读书笔记-2 chengxuyuancsdn 读书笔记
1、反射 2、oracle年-月-日时-分-秒 3、oracle创建有参、无参函数 4、oracle行转列 5、Struts2拦截器 6、Filter过滤器(web.xml) 1、反射 (1)检查类的结构在java.lang.reflect包里有3个类Field,Method,Constructor分别用于描述类的域、方法和构造器。 2、oracle年月日时分秒 s
[求学与房地产]慎重选择IT培训学校 comsci it
关于培训学校的教学和教师的问题,我们就不讨论了,我主要关心的是这个问题培训学校的教学楼和宿舍的环境和稳定性问题我们大家都知道，房子是一个比较昂贵的东西，特别是那种能够当教室的房子... &nb
RMAN配置中通道(CHANNEL)相关参数 PARALLELISM 、FILESPERSET的关系 daizj oracle rman filesperset PARALLELISM
RMAN配置中通道(CHANNEL)相关参数 PARALLELISM 、FILESPERSET的关系转 PARALLELISM --- 我们还可以通过parallelism参数来指定同时"自动"创建多少个通道： RMAN > configure device type disk parallelism 3 ; 表示启动三个通道，可以加快备份恢复的速度。
简单排序:冒泡排序 dieslrae 冒泡排序
public void bubbleSort(int[] array){ for(int i=1;i<array.length;i++){ for(int k=0;k<array.length-i;k++){ if(array[k] > array[k+1]){
初二上学期难记单词三 dcj3sjt126com sciet
concert 音乐会 tonight 今晚 famous 有名的；著名的 song 歌曲 thousand 千 accident 事故；灾难 careless 粗心的，大意的 break 折断；断裂；破碎 heart 心（脏） happen 偶尔发生，碰巧 tourist 旅游者；观光者 science （自然）科学 marry 结婚 subject 题目；
I.安装Memcahce 1. 安装依赖包libevent Memcache需要安装libevent,所以安装前可能需要执行 Shell代码收藏代码 dcj3sjt126com redis
wget http://download.redis.io/redis-stable.tar.gz tar xvzf redis-stable.tar.gz cd redis-stable make 前面3步应该没有问题，主要的问题是执行make的时候，出现了异常。异常一： make[2]: cc: Command not found 异常原因：没有安装g
并发容器 shuizhaosi888 并发容器
通过并发容器来改善同步容器的性能，同步容器将所有对容器状态的访问都串行化，来实现线程安全，这种方式严重降低并发性，当多个线程访问时，吞吐量严重降低。并发容器ConcurrentHashMap 替代同步基于散列的Map，通过Lock控制。 &nb
Spring Security（12）——Remember-Me功能 234390216 Spring Security Remember Me 记住我
Remember-Me功能目录 1.1 概述 1.2 基于简单加密token的方法 1.3 基于持久化token的方法 1.4 Remember-Me相关接口和实现
位运算焦志广位运算
一、位运算符Ｃ语言提供了六种位运算符： & 按位与 | 按位或 ^ 按位异或 ~ 取反 << 左移 >> 右移 1. 按位与运算按位与运算符"&"是双目运算符。其功能是参与运算的两数各对应的二进位相与。只有对应的两个二进位均为1时，结果位才为1 ，否则为0。参与运算的数以补码方式出现。例如：9&am
nodejs 数据库连接 mongodb mysql liguangsong mongodb mysql node 数据库连接
1.mysql 连接 package.json中dependencies加入 "mysql":"~2.7.0" 执行 npm install 在config 下创建文件 database.js
java动态编译 olive6615 java HotSpot jvm 动态编译
在HotSpot虚拟机中，有两个技术是至关重要的，即动态编译(Dynamic compilation)和Profiling。 HotSpot是如何动态编译Javad的bytecode呢？Java bytecode是以解释方式被load到虚拟机的。HotSpot里有一个运行监视器，即Profile Monitor,专门监视
Storm0.9.5的集群部署配置优化 roadrunners 优化 storm.yaml
nimbus结点配置（storm.yaml）信息： # Licensed to the Apache Software Foundation (ASF) under one # or more contributor license agreements. See the NOTICE file # distributed with this work for additional inf
101个MySQL 的调节和优化的提示 tomcat_oracle mysql
　1. 拥有足够的物理内存来把整个InnoDB文件加载到内存中——在内存中访问文件时的速度要比在硬盘中访问时快的多。　　2. 不惜一切代价避免使用Swap交换分区 – 交换时是从硬盘读取的，它的速度很慢。　　3. 使用电池供电的RAM（注：RAM即随机存储器）。　　4. 使用高级的RAID（注：Redundant Arrays of Inexpensive Disks，即磁盘阵列
zoj 3829 Known Notation(贪心) 阿尔萨斯 ZOJ
题目链接：zoj 3829 Known Notation 题目大意：给定一个不完整的后缀表达式，要求有2种不同操作，用尽量少的操作使得表达式完整。解题思路：贪心，数字的个数要要保证比∗的个数多1，不够的话优先补在开头是最优的。然后遍历一遍字符串，碰到数字+1，碰到∗-1,保证数字的个数大于等1，如果不够减的话，可以和最后面的一个数字交换位置（用栈维护十分方便），因为添加和交换代价都是1

按字母分类： A B C D E F G H I J K L M N O P Q R S T U V W X Y Z 其他