精华内容
下载资源
问答
  • 当作同义词
    2019-05-23 22:30:31

    每天随机学两条SQL语句:

    查询用户权限:select * from session_privs;
    以管理员登录:sqlplus / as sysdba;

    一。视图

    特点简单视图复杂视图
    表的数量一个一个或多个
    约束函数没有
    是否包含分组不包含包含
    可以对试图进行更新可以不一定

    1.创建简单视图

    ①创建一个视图,包含部门号为10的雇员信息。
    create or replace view empvu10
    as select empno, ename, job
    from emp
    where deptno = 10;
    ②别名(查询语句中)
    create or replace view empvu10
    as select empno “员工编号”,ename “员工姓名”,sal “员工工资”
    from emp
    where deptno=10;
    ③别名2(查询语句外)
    create or replace view mepvu20( emplyee_number, name, salary)
    as
    select empno, ename, sal
    from emp
    where deptno=20;

    2.创建复杂视图

    create or replace view dept_sal_vu(“部门名称”,“最大工资”,“最小工资”,“平均工资”)
    as
    select d.dname, max(e.sal),min(e.sal),avg(e.sal)
    from emp e,dept d
    where e.deptno= d.deptno
    group by d.dname;

    3.内联视图

    就是临时表

    select a.ename, a.sal, a.deptno, b.maxsal
    from emp a,(select deptno, max(sal) maxsal from emp group by deptno)b
    where a.deptno = b.deptno
    and a.sal<b.maxsal;

    4.更改视图数据

    ①对于简单视图,可以把视图当作一张表,更改其中的某条数据。
    update empvu20 set name=‘lisi’ where emplyee_number = 6666;
    ②对于复杂视图,不可以更改数据。
    比如:
    含有聚合函数、含有group by、含有distinct、含有rownum伪列。
    ③对于简单视图,也能限制视图修改功能
    create or replace view mepvu20( emplyee_number, name, salary)
    as
    select empno, ename, sal
    from emp
    where deptno=20
    with read only;

    5.删除视图:

    drop view empvu;

    二。序列

    1.定义:

    自动产生唯一的数字;
    是一个可以共享的数据库对象;
    典型的用于生成数据库的主键值,节省应用程序的代码;
    当缓存在内存中时,能够提升存取效率。

    2.语法:

    create sequence 序列名
    [increment by n]
    [start with n]
    [{maxvalue n | nomaxvalue}]
    [{minvalue n |nominvalue}]
    [{cycle | nocycle}]
    [{cache | nocache}];

    3.例子

    create sequence dept_deptno
    increment by 1
    start with 91
    maxvalue 100
    nocache
    nocycle;

    4.使用

    ①nextval
    返回下一个可用的序列值。每访问一次将产生一个唯一的新值,即使对不同的用户,其值也是唯一的。
    注意:nextval是不能rollback的。
    ②currentval
    返回当前的序列值。只有当nextval被访问之后,currentval伪列才能包含一个值。

    insert into dept(deptno, dname, loc) 
    	values(dept_deptno.nextval, 'Tring','南京');
    

    5.使用序列应注意:

    ①将序列值缓存在内存中,是这些值访问起来更快。
    ②下列情况会使序列的值产生间隔:
    回滚操作
    系统崩溃
    序列值同时也用于其他表
    ③如果一个序列以nocache选项建立,那么可以通过查询user_sequences表来看下一个可用的序列值,而不会序列的当前值增加。

    6.修改序列

    alter sequences dept_deptno
    increment by 1
    maxvalue 9999
    nocache

    nocache;

    7.修改序列应注意:

    ①必须是序列的拥有者,或者拥有序列的修改权限。
    ②只有将来会用到的序列值才会受到影响。
    ③只有重建序列才能更改序列的start with 选项。
    ④序列的修改可能会带来冲突,例如maxvalue如果小于当前值就会冲突。

    8.删除序列

    drop sequence dept_deptno;

    9.删除序列应注意:

    ①一旦序列被删除了,序列就不可以被访问了。
    ②删除以前增加的序列值,依旧在。

    10.查看序列:

    select * from user_sequences;

    三。索引

    1.定义:

    一个数据库模式对象;
    Oracle利用索引来加快对数据行的访问;
    依靠索引来快速定位数据,从而减少了磁盘的io次数;
    与其他表是相互独立的数据库对象;
    Oracle服务器自动对索引进行维护和使用;

    2.创建

    ①自动创建
    如果建表的时候加了primary key或者unique,则Oracle自动创建索引。
    ②手动创建
    create index emp_ename_idx
    on emp(ename);

    3.什么时候建索引

    ①经常出现在where子句中的列,或者连接条件中频繁使用的列。
    ②包含的不同值很多的列。
    ③包含大量空值的列。
    ④表中数据行数非常大,而且只有2%-4%的数据行被查出来的列;

    4.什么时候不建索引

    ①空表
    ②查询条件中不经常使用的列;
    ③大多数基于该表的查询,所查询出来的数据量远多于2%-4%;
    ④表被频繁修改;

    5.查询所有索引:

    select INDEX_NAME,INDEX_TYPE,TABLE_NAME from user_indexes;

    6.查询某张表的索引建在哪一个列上:

    select INDEX_NAME,COLUMN_NAME from user_ind_columns where TABLE_NAME=‘DEPT’;

    7.删除索引

    drop index dept_index;

    四。同义词

    1.创建:

    为视图创建一个简短的名字:
    create synonym d_sum
    for dept_sum_vu;

    2.删除

    drop synonym s_sum;

    注意:
    可以把同义词建成共有的,这样大家就都能访问了。
    create public synonym d_sum
    for dept_sum_vu;

    更多相关内容
  • 原论文:《Automatic Synonym Discovery with Knowledge Bases》 背景知识 ...3)监督/弱监督方法,训练一个同义词分类器,检测出固定的句式pattern来挖掘同义词,但也需要依赖人工精细的选择一些种子训练

    原论文:《Automatic Synonym Discovery with Knowledge Bases》

    背景知识

    同义词抽取是一种NLP领域下游任务使用广泛的基础任务,可以用于实体归一、融合,实体链接,query改写,提高召回等任务。现有的方法有:1)直接利用Freebase, WordNet等知识库直接扩充,但这对于领域的实体覆盖率很低;2)人工维护同义词典,成本非常高;3)监督/弱监督方法,训练一个同义词分类器,检测出固定的句式pattern来挖掘同义词,但也需要依赖人工精细的选择一些种子训练数据。本文就提供了一种自动从大规模领域预料中抽取实体同义词的方法。

    远程监督:从知识库中自动收集训练种子,流程为:1)从语料中检测出实体;2)将实体链接到知识库中;3)从知识库中收集训练种子。远程监督广泛用于关系收取,实体分类,情感分类等任务,但远程监督也回来带来很多噪音,因为相同的实体文本会被链接到不同的实体中。比如

    华盛顿这个同义词可以代表地名“华盛顿州”,也可以代表人名,在链接到实体库的时候可能会返回这两个结果。所以与其使用有歧义的字符串当作query,更好的方法是利用一些特殊的概念作为query,比如知识库中的实体,因为知识库中的实体会带有一些额外的信息来帮助消歧。

    利用知识库中现有的实体-同义词作为种子数据,然后利用已有的实体同义词来对新的同义字符串做消歧,用投票的方法来选择是否接受这个同义词作为新的同义词。这样的话,同义词挖掘的任务就变成了:给定一对候选字符串,判断他们之间的关系是否是同义(关系分类)。但问题又来了,现有的同义词库中的种子训练数据非常少,如何更有效的利用这些种子数据呢?有以下两种方式:

    1. 基于分布的方法

    考虑语料级别的统计特征。这里暗含一个假设:即有同义关系的pair对经常出现在相似的文本中。基于这个假设,该方法通常利用pair对的分布特征来做表示,利用种子数据作为label训练一个分类起来预测一个给定的pair对是否是同义的。但这种方法也会带来一些噪音,用过word Embedding的同学都知道,有一些经常在一起出现的,但未必是同义的pair对语义的,比如“阿里”和“腾讯”经常一起出现。

    2. 基于pattern识别的方法

    比如中文句式,“XX,学名XX”。具有同义语义的pair对通常会符合某些pattern,学习更多的pattern就可以发现更多的同义词对。这种方法的可解释性非常强,但召回率会偏低。

    3. 基于融合的方法(本文)

    DPE(distributional and pattern integrated embedding framework),包含了统计特征模块(global)和pattern模块(local)。两个模块同用词的embedding,利用种子数据做监督训练更新词的embedding并预测同义关系,这样两个模块共享信息,会提升学习效率。

    在判断同义关系时,直接方法是对所有的候选实体对都判断是否存在同义关系,这个pair对数量很大,模型速度也会变慢,可以利用统计模块来对所有pair对进行排序,取topK的高潜pair重排序,再进行关系分类。

    模型架构

    1. 对给定的语料进行实体识别,并链接到给定的知识库中,收集同义的种子做监督

    在实体链接的时候会出现一些错误种子,为了保证种子的质量,只选取那些mention在同义词/实体本身的做链接,其余的链接会被移除。

    2. 联合优化分布特征模块(利用global分布特征)和pattern模块 (利用local context特征)

    用embedding的方法表示mention string的语义(包含已经实体链接的词和没有链接的词)。对于链接到不同实体的mention string,利用不同的embedding表示他们。比如“苹果”被链接到水果的表示和被链接到公司的表示是不同的。

    统计特征和pattern特征两个模块共用底层的embedding,利用种子数据做同义关系预测,并反向传播更新embedding。两个模块joint训练的好处不仅可以提升预测能力,还可以让单个模块从另一个模块中学习“知识”,从而相互提高学习效率。

    2.1 分布特征模块

    包含了非监督部分和监督部分;

    在非监督部分中,对含有mention的string构建共现网络的分布信息进行编码。首先构建词的贡献网络,利用一个大小为w的滑动窗口体现词的共现特征。每个pair的权重被定义成是贡献网络中的贡献次数,文中发现string的贡献次数与下面两个因素有关:1)语义相似的两个string更容易共现;2)一个string趋向与另一个string出现的文本中,那这两个string更容易共现

    无监督部分

    在监督部分中,利用同义词种子学习分布score函数,来让string的embeeding作为特征预测同义关系。例如“数据挖掘”和“文本挖掘”共现的机会更多,具有高度的相关性,但“数据挖掘”与“物理学”共现的机会就很少。但即使语义不同的词也会经常共现,比如“首都”和“北京”。于是有

    其中c_v是context vector,代表了更容易共通提及的v所属于的种类,x表示embedding,Z是归一化项,u v向量相似表示有相近的语义,那么x_u^{T}x_v这一项就会很大(对应因素1)。如果u的向量接近v的内容向量,说明u会经常出现在v所在的内容中,所以x_u^{T}c_v项就会很大(对应因素2)。

    最小化期望分布p(\cdot |v)和经验分布p^{'}(\cdot |v)=w_{u,v}/d_v的KL散度,其中w_{uv}是两个string的贡献次数,d_v是共现图中v的度。构建优化目标:

     由于直接优化上述目标计算复杂度很大,采用和word2vec相同的负采样技术

     第一项是最大话同义pair正例的概率,第二项最小化噪声负样本概率。

    监督部分

    使用同义种子对来训练同义关系分类器的分布函数。引入了两个词有多同义的衡量标准,利用双线性函数定义pair对(u,v)的同义性得分

     其中W_D是得分函数的参数矩阵,为了简化计算,W_D设置为对角矩阵,同义的string pair对得分要大于不同义的string pair对得分,可以基于排序目标优化学习:

     2.2 pattern模型

    pattern模型的目标是预测句子中mention的关系是否是同义。对于每个句子,会先抽取pattern,并收集部分语法特征和语义特征来表示pattern,最终整合所有的pattern来决定string的同义关系。

    定义pattern为一个三元组<词法,POS标签,依赖标签>。

    同义关系的pattern表达要有相似的特征。“called”和“known”经常在相似的文本中出现,所以他们的embedding非常接近,这两个pattern也会有相近的词法特征。而句法特征则是要识别pattern中的句子结构,所以利用POS tag序列中所有的n-grams(N=2)作为句法特征。文中只利用了一个简单的逻辑回归分类器,并定义pattern是同义的概率为:

     通过学习最大化似然函数为目标学习分类器的参数。

    在使用时,首先收集pair对所在的sentence,抽取句子的pattern,然后利用得分函数衡量他们是同义的概率

     分母时所有pattern的数量,不同的pattern会通过投票的方式来判断是否具有同义关系。

    3. 从联合模型中发现query实体缺失的同义词

    在训练模型时,利用两个模型的目标函数作为整体的目标函数,包含了3部分,统计特征模型中的非监督和监督目标函数还有pattern模型的目标函数,采用边缘采样策略,在每次迭代过程中,交替从三个部分中采样训练样本。

    在使用时,对于一个新的实体e,对于每一个候选string,通过如下函数计算同义得分:

    计算e和同义种子(知识库)与每一个候选实体的得分,最后的结果由e实体的同义种子们共同投票决定每一个候选词是否是同义词。

    trick:在计算pattern同义得分时,当候选string比较多时计算量就很大,可以先利用分布特征模型的得分排序,利用Top的候选来构建一波有潜力的pair对,减少候选 string的数量,然后再通过混合模型的得分重新计算选出来的候选的分数。

    实验结果

    感兴趣的小伙伴自己去看哈~

    展开全文
  • 接下来,我就把我本机当作服务器A,172.100.23.109作为服务器B,来进行链接服务器操作。1.建立链接服务器①点击【服务器对象】-【新建】-【链接服务器】。②配置属性。点击确定之后便可看到链接服务器。③接下来,就...

    在数据库的日常维护中,经常会遇到跨服务器的数据传输。

    例如A服务器上的数据每天要从B服务器上去获取数据,然后插入到自己的服务器上。这种情况就要用到链接服务器了。

    a648d03f9335788f6b73a63bd6cb24dc.png

    接下来,我就把我本机当作服务器A,172.100.23.109作为服务器B,来进行链接服务器操作。

    1.建立链接服务器

    ①点击【服务器对象】-【新建】-【链接服务器】。

    506a13dbd1d54918913208b3f102d870.png

    ②配置属性。

    80cb72ebfbb12433c595e4cd73134018.png

    d02ec63af1b7a746c4df5e03f664146e.png

    点击确定之后便可看到链接服务器。

    5ef53b020a91872e5ebaca8032549718.png

    ③接下来,就能够在本地服务器(A)直接访问远程服务器(B)了。

    select * from [172.23.100.109].[CRM_ETL_DB].[dbo].[A] --select * from [服务器名].[数据库].[表所有者].[表名]

    2.同义词

    如上例服务器A访问B上的一个数据表时,还要写一串“[服务器名].[数据库].[表所有者].[表名]”,想要把这些用一个别名代替,这样我们就可以用上同义词。

    ①在本地一个数据库上点击【同义词】-【新建同义词】。

    3d7d66f1bad3f7a6f091bb24938e6311.png

    ②编辑同义词。

    74cfb79749a18c9eac310990d94ccb69.png

    ③创建同义词之后,就可以找到并使用。

    f06ec67cd19ce2fc6c9e443bffc436df.png

    select * from [dbo].[Test]

    至此,Sqlserver 创建链接服务器和设置同义词算是简单的完成了。不过链接服务器功能很是强大,能够连接很多种数据库,如mysql,oracel。还有诸如很多安全性问题,以后慢慢再摸索。

    SQLServer 链接服务器及同义词

    链接服务器 1. openrowse exec sp_configure 'show advanced options',1 reconfigure exec sp_configure 'Ad Hoc ...

    SQLSERVER 链接服务器执行存储过程

    1.创建链接服务器 exec sp_addlinkedserver 'server_tmp','','SQLOLEDB','192.168.1.1' -- server_tmp 为别名 exec sp ...

    SQLSERVER 链接服务器

    1. 执行代码 EXEC sp_addlinkedserver @server='XLZFSqlServer', --链接服务器别名 @srvproduct='', @provider='SQLOLE ...

    Sqlserver通过链接服务器访问Oracle的那些事儿

    前言: 1.不经历风雨,怎能见彩虹. 2.充分利用BaiDu.google等搜索引擎查找资料并整合分析! 3.世上无难事只怕有心人! 本文由来:笔者在研究SQLSERVER链接服务器到oracle并使 ...

    【转】Sqlserver通过链接服务器访问Oracle的那些事儿!

    原文:http://blog.sina.com.cn/s/blog_614b6f210100t80r.html 前言:1.不经历风雨,怎能见彩虹.2.充分利用BaiDu.google等搜索引擎查找资料 ...

    Sqlserver通过链接服务器访问Oracle的解决办法

    转自http://blog.sina.com.cn/s/blog_614b6f210100t80r.html 一.创建sqlserver链接服务(sqlserver链接oracle)  首先sqlse ...

    Sqlserver通过链接服务器访问Oracle

    工作中遇到的情况,win 7 64位操作系统的就安装64位的oracle 客户端,然后重启sql service服务后再创建sql 链接服务器.关于如何创建链接服务器请查看下面的大神的链接: http ...

    &lbrack;转&rsqb;SQLSERVER存储过程调用不同数据库的数据&lowbar;存储过程中通过链接服务器访问远程服务器

    本文转自:http://blog.csdn.net/nnaabbcc/article/details/7967761 存储过程调用不同数据库的数据 在存储过程调用不同数据库的数据该如何做,比如在存储过 ...

    【转】Sqlserver通过链接服务器访问Oracle的解决办法

    一.创建sqlserver链接服务(sqlserver链接oracle)  首先sqlserver 链接oracle可以通过两个访问接口: “MSDAORA” 和“OraOLEDB.Oracle” 1 ...

    随机推荐

    你还记得windows workflow foundation吗

    很多年前,windows workflow foundation还叫WWF,而直译过来的名称让很多人以为它就是用来开发工作流或者干脆就是审批流的. 博主当年还是个懵懂的少年,却也知道微软不会大力推一个 ...

    ajax教程完整版

    第 1 页 Ajax 简介 Ajax 由 HTML.JavaScript™ 技术.DHTML 和 DOM 组成,这一杰出的方法可以将笨拙的 Web 界面转化成交互性的 Ajax 应用程序.本文的作者是 ...

    &lbrack;家里蹲大学数学杂志&rsqb;第237期Euler公式的美

    1 Euler 公式 $e^{i\pi}+1=0$ (1) 它把 a.  $e:$ 自然对数的底 $\approx 2. 718281828459$ (数分) b.  $i$: 虚数单位 $=\sqr ...

    python中利用logging包进行日志记录时的logging&period;level设置选择

    之前在用python自带的logging包进行日志输出的时候发现有些logging语句没有输出,感到比较奇怪就去查了一下logging文档.然后发现其在设置和引用时的logging level会影响最 ...

    sixsix团队&OpenCurlyDoubleQuote;餐站”应用M2阶段发布报告

    一.新功能 客户端 搜索功能 我们在M2中实现了对地点的搜索菜品,可以直接在主页页面中的输入框输入用户喜欢的菜品,系统将返回与对应关键字所对应的选择,更加高效直观的满足客户的口味. 菜品图片加载 我们 ...

    Ios学习

    http://www.cnblogs.com/superhappy/archive/2013/04/23/3038493.html http://www.360doc.com/content/14/0 ...

    深入浅MFC

    视图类CView 在MFC"文档/视图"架构中,CView类是所有视图类的基类,它提供了用户自定义视图类的公共接口.在"文档/视图"架构中,文档负责管理和维护数 ...

    开源安卓播放器:Dolphin Player 简单分析

    Dolphin播放器(Dolphin Player)是一款开源的音频和视频播放器,它支持大多数的音频和视频文件模式,也支持大部分的字幕文件格式.它是基于ffmpeg的. 项目主页:http://cod ...

    c&plus;&plus;绘图软件&lt&semi;一&gt&semi;

    准备写一个绘图软件,参考了三层架构(表现层.业务逻辑层.数据访问层). ...

    笔记:XML-解析文档-XPath 定位信息

    如果需要定位某个XML文档中的一段特定信息,那么通过遍历DOM 树的众多节点来进行行查找显得有些麻烦,XPath语言使得访问树节点变得很容易,例如,下面的XML文档结构: <?xml versi ...

    展开全文
  • 此度量使我们能够检索与查询词相似的词,并从同义词候选列表中标识真正的同义词。我们进一步分析由相似度度量引入的词相似度网络,并对同义候选词进行重新排序——a mutual re-ranking method(MRM,一种互重排序...

    摘要

    从语料库中获取同义词对的常用方法通常需要基于两个词之间的上下文信息的相似度度量,例如 cosine similarity(余弦相似度)。此度量使我们能够检索与查询词相似的词,并从同义词候选列表中标识真正的同义词。我们进一步分析由相似度度量引入的词相似度网络,并对同义候选词进行重新排序——a mutual re-ranking method(MRM,一种互重排序方法)。

    1、介绍

    同义词的获取方法多种多样。其中,最流行的方法是based on distributional hypothesis(基于分布假设(Harris,1985):它指出同义名词共享相似的上下文信息。这一假设如下:

    1. 从语料库中提取每个被认为重要的词的上下文特征的统计信息,然后用这些上下文特征的向量来表示每个词。
    2. 选择一个相似性度量,如余弦相似性,并将其应用于查询词对和同义候选词对,生成按相似度得分排序的同义候选词列表。
    3. 从排名列表中选择最优秀的候选词,他们被视为查询词的同义词。

    我们使用的前两种上下文特征是dependency relations(依赖关系),即 the child and parent constituents 子成分和父成分。依存关系一般是指谓语-论据结构,对于英语来说,它包括动词的主语和宾语,以及名词的修饰语。第三种上下文特征是proximity(邻近性)。以同一句子中目标名词的相邻词(进行词和后继词)作为特征。这些特征都是基于这样一个基本假设:两个意义相似的词在进行和后续词的分布上总是相似的。

    2、同义词提取方法

    (接下来就是重点,就是说非常难了555)

    1 . 相似度测量
    采用vector space model(VSM 向量空间模型)计算目标名词的相似度。每个目标名词都表示为一个向量,向量的维数表示上下文特征,其值是目标词上下文中特征的加权频率。我们将tf定义为对应于上下文特征的每个特征词的词频
    因此,两个目标名词x和y之间的相似度计算为两个对应向量的余弦值,如下所示,
    在这里插入图片描述其中,N是特征词的总数,Xi是第i个特征词的特征值,即log(TF + 1)。(看吧!开始复杂了吧!)

    2 . 相互排序法
    假设我们有一个查询词x候选词y,我们可以假设相反:将y视为查询词,x为候选词。这就是mutual re-ranking method (MRM 相互重排序方法的思想)

    再次假设我们有一个查询词x,然后使用相似性度量,我们得到了x的同义候选词的按升序排列的列表。我们将使用 rank score(RS 排名分数)对原始列表中的同义词候选词重新排序。首先,从原始列表中,我们选择一个同义词候选y。让我们调用原始列表rk(x,y)中y的秩。然后把y当作一个查询词,我们就得到了y的同义词候选列表。在这个列表中,x在某个点出现。让我们称之为x在y的排名表rk(y,x)中的排名。换言之,在与x相邻的边中,第rk(x,y)个最重的边连接x到y。反之亦然,rk(y,x)也是如此。我们将等级分数定义如下:
    在这里插入图片描述其中,A是x,y相互秩合并的系数(A is the coefficient for combine the mutual ranks between x and y. )然后,我们计算x的同义候选词的原始排序列表中每y的RS(x,y),并按RS升序对它们重新排序。
    3 . 评价指标
    我们将语料库中频率高于预定阈值的所有术语与同义词表中的条目进行比较。

    同义候选名词的精度是当前目标名词的第k位,
    在这里插入图片描述其中,如果是正确的同义词,则rk=1,否则rk=0。

    因此,当前目标名词的同义候选词列表中所有术语的平均精度为:在这里插入图片描述其中,N是所有候选词的数目,Dq是正确同义词的数目。

    我的问题

    相互排序法中,“A is the coefficient for combine the mutual ranks between x and y. ” 不懂耶,什么叫xy互相秩合并的系数??

    展开全文
  • 同义词,近义词,反义词收集

    千次阅读 2016-12-13 23:13:08
    同义词 : 巴结 逢迎 奉承 趋奉 献媚 讨好 恭维 谄谀  哀愁 忧愁  哀悼 悼念  哀怜 悯恻  哀求 请求 乞求  爱好 快乐 喜爱  爱妾 宠姬  爱情 恋爱  爱惜 疼惜 珍惜  安产 顺产  安定...
  • 对象和公有同义词同名时,数据库优先选择对象作为目标,私有同义词和公有同义词同 名时,数据库优先选择私有同义词作为目标。 删除同义词:要删除同义词,用户必须拥有相应的权限。  drop [public] synonym ...
  • 词语辨析

    2015-05-18 14:15:00
    同义词 近义词 反义词 =================   as用法归纳1. 用作介词,意为“作为”、“当作”、“充当”。如:He treats me as a child. 他把我当小孩看待。As your doctor, I advise you to eat less. 作为你...
  • 中文同义词词典

    万次阅读 2016-07-26 22:28:37
    // 该词典来源于开源中文分词软件盘古分词 揭穿,戳穿  聪慧,聪明  葱郁,葱茏  粗暴,粗鲁  粗俗,粗鄙  粗鄙,粗俗  篡夺,夺取  懦弱,脆弱  村庄,村落  村子,村庄  存放,寄存  寄放,存放 ... 畏
  • 同义词 select * from scott.emp; grant select on scott.emp to tom; revoke select on scott.emp from tom; 创建别名 scott create synonym e for scott.emp – sys 给 scott 赋权限 grant create ...
  • * @see 也会搜到'how are you thank you',这样就可以有效的做同义词了,目前非常流行的一个叫做WordNet的东西,就可以做同义词的搜索 * @see --------------------------------------------------------------------...
  • 一、WAF拦截原理 WAF从规则...-/*/ by 1,2,3 --+ 也就是在order 和by之间加入: %20/*//--/*/ 就可以绕过了: 八、WAF绕过方式_数据(5)同义词绕过 比如and —> &或者&& or-----> | 或者|| 比如: 发现and被拦截: ...
  •  * @see 也会搜到'how are you thank you',这样就可以有效的做同义词了,目前非常流行的一个叫做WordNet的东西,就可以做同义词的搜索  * @see --------------------------------------------------------------...
  • 虚荣和骄傲是截然不同的两件事,尽管字面上常常当作同义词用。一个人可以骄傲而不虚荣。骄傲多半不外乎我们对我们自己的估价,虚荣却牵涉到我们希望别人对我们的看法。 第六章 要是一个女人在她自己心爱的人面前,也...
  • Shell 简介

    2022-06-16 15:37:36
    具体来说,Shell 这个有多种含义。首先,Shell 是一个程序,提供一个与用户对话的环境。这个环境只有一个命令提示符,让用户从键盘输入命令,所以又称为命令行环境(command line interface,简写为 CLI)。Shell ...
  • 浅论多媒体与多媒体技术 摘要:我们通常所说的"多媒体",大多是指处理和应用多媒体的一些技术,而不是说 多媒体信息本身,将"多媒体"和"多媒体技术"当作同义词。其实,多媒体和多媒体技 术是两个不同的概念,认清...
  • 【计算机网络】谢希仁笔记 网络层

    千次阅读 多人点赞 2019-05-03 09:58:53
    文章目录 一,网络层提供的两种服务 网络层提供的两种服务 二,网际协议 IP 虚拟互连网络 分类的 IP 地址 IP 地址与硬件地址 地址解析协议 ARP IP 数据报的格式 IP 层转发分组的流程 ...ICMP ...
  • 彩蛋 ... 由于公众号不支持显示LaTeX公式且公众号排版混乱,建议大家关注微信公众号"IT工匠",后台回复"N4-3"获取xmind源文件以及本文原文pdf文件获取更佳阅读体验。 本文主要内容: ...网络层主要负责把运输层产生的...
  • “死记硬背”的同义词是“博闻强记”;不一定是笨鸟先飞,很多鸟先飞可能是因为它们更聪明;害怕思考的人常常说:“想那么多干嘛,多累啊?”然后用天下最累的方式生活而不自知;还有这个为什么随着年龄的增长每个人...
  • 如果两个单词之间有很强的相关性,那么当一个单词出现时,往往意味着另一个单词也应该出现(同义词);反之,如果查询语句或者文档中的某个单词和其他单词的相关性都不大,那么这个词很可能表示的是另外一个意思(比如...
  • 移山-软件测试讨论

    2021-03-04 21:15:27
    1软件测试和VSTS测试工具 本部分介绍各种测试类型,以及它们在VSTS2005中的应用... 阿彪:我觉得我可以为“小强”花一颗银弹,我们以后就把“小强”当作bug的同义词. 小飞:那我们怎么翻译“bugfix”??翻译成“针对
  • (11-30)

    2019-12-07 23:40:00
    1.关于散列表冲突的描述 *冲突(碰撞)是不可避免的,与装填因子无关,因此需要设计处理冲突的方法。...*在开址法中散列同一个地址而引起的“堆积问题”是由于(同义词之间或非同义词之间发生冲突)而引起的 同...
  • LED应用于电视背光模块,因有着低耗电、薄型化与高色彩饱和度、高对比度的特性,LED背光机种俨然成为中高阶电视的同义词。而LED TV在背光源则又分为直下式与侧光式。  侧光式LED背光将LED灯条放置在TV模块侧边再...
  • 向量简介 自然语言是一套用来表达含义的复杂系统。在这套系统中,是表义的基本单元。在机器学习中,如何使用向量表示? 顾名思义,向量是用来表示的向量,通常也被认为是的特征向量。近年来,向量已...
  • LED应用于电视背光模块,因有着低耗电、薄型化与高色彩饱和度、高对比度的特性,LED背光机种俨然成为中高阶电视的同义词。而LED TV在背光源则又分为直下式与侧光式。  侧光式LED背光将LED灯条放置在TV模块侧边再...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 5,613
精华内容 2,245
热门标签
关键字:

当作同义词