精华内容
下载资源
问答
  • 信息级联
    万次阅读
    2018-09-27 08:24:16

    原文链接: 关于信息级联的看法_计算社会学_新浪博客 http://blog.sina.com.cn/s/blog_12bcdd96c0102xvcs.html

    关于信息级联(information cascade),即群集(herding),是指在一些情况下他人的选择提供给自己信息可能比自己通过其他途径了解到的信息更有说服力时,自己会忽略自己的信息而加入这些人群中,并认为其很合情理。产生这种现象的先决条件是,人们可以在不同时刻依次做出决定,而后面的人可以观察到前面人的决策行为,并通过这些行为推断出他们所了解的一些信息。

     

    我们讨论的级联都有一个基本原则,一般来说,个体模仿他人的行为并不是盲目的,它可能是根据有限的信息进行合理推论的结果——即人们并不是简单地迫于社会压力来迎合大多数,而是根据理性的判断作出决定,人们会认为先前发表意见的人又更有价值的信息。当然还有另一种现象——模仿可能是出于社会压力导致的顺从,与所谓的信息没有关系。有时候并不容易分辨出这两种现象。但本质上,这样的信息级联可以在一定程度上揭示一些社会环境中的模仿现象。

     

    简单的说法,就是所谓的从众现象。从众现象的形成本质上是根植于信息级联的思想,人们基于对别人行为的推断而作出决定,可能是为了对自身有益,也可能是为了从心理上博取他人的认可和同感。例如,在半信半疑的你缺乏了解的情况下,当大家都说什么事务好的时候,你接收到了这样信息,很容易就会接收这样的说法,并将其继续传播,像是畅销的书籍、时尚和潮流一类的流行方式。

     

    但这种方式并不总是朝着有利的方向发展。例如,小学的时候,班级里总会容易出现一个大家特别讨厌的人。一开始是一两个人的厌恶,在背地里说着那人的坏话,甚至捏造出恶心的言辞、行为,强加到别人头上。当有别人听到那些内容时,信以为真,便以讹传讹,不良信息跟着扩散开来。这样的言语甚至会传播到别的班,而结果是:嬉笑谩骂,嘲讽欺凌。从只是一两个人的厌恶变为了许多人的恶意,其中一些人的默许和另一些人的推波助澜让事情演变得越来越严重,甚至从言语上升到行为,演变成严重的校园暴力。

     

    流言的传播也是相似的道理,尤其是在一些人试图博人眼球、哗众取宠时,流言传播的尤其迅速。而其中作为媒介的,大多数是被误导的普通人。在恶意的情况当中,还有一些是因为出于自身对于社会的关爱而转发的谣言,尤其是关于自身安全一类的话题,本是一番好意想要提醒身边的人,却失了基本的判断力变为了危言耸听。

     

    信息级联现象很多时候会误导人,当基础的级联效应形成之后,后来者容易忽略自己的判断,而根据前人的选择进行抉择。在网络发展迅速、信息自由流动的时代里,对于获取信息的真假的判断尤其的重要。不盲目跟从,掌握住自己的信息,有独立的判断才是正确有效的做法。

    更多相关内容
  • 当在线用户观察到其他人的行为后,在不考虑他自己的信息的情况下遵循前一个人的采用决定时,就会发生信息级联。 信息级联通常对个人决策是合理的; 然而,这可能会导致采用劣质产品。 由于有关其他用户选择的信息很...
  • 已经表明存在信息级联,用户丢弃他们的私人信息并模仿他们前任的行为。 在本文中,我们提供了一个框架,用于在比上述更一般的环境中研究贝叶斯学习动态。 特别是,我们的模型包含了玩家不近视并在整个游戏过程中...
  • 为了分析在线社交网络信息的传播和级联属性,在本文中,我们讨论了两种用户决策在整个城市活动中的传播,即``想参加活动''和``根据用户对``豆瓣''的关注程度和全市范围内的活动数据,分析活动决策在以下方面的分布...
  • 根据信息级联特征刻画的侧重点不冋,将基于深度学习的信息级联预测方法分为时序信息级联预测方法与拓扑信息级联预测方法,并进一步将时序信息级联预测方法分为基于随机游走( Random walk的方法与基于扩散路径的方法...
  • 基于深度学习的信息级联预测方法综述.pdf
  • 2019年10月最新全国省市行政区划信息级联表,含河南省济源市,山西省长治市撤县设区的屯留区、潞州区、上党区等。
  • 这里有整理好的完整全国省市二级联动数据信息,分享出来欢迎大家下载~
  • 网络动力学模型之信息级联

    千次阅读 2020-07-19 15:25:34
    网络动力学模型之信息级联背景:“随大流”现象信息效应和直接受益效应一个简单的群集实验贝叶斯规则:非确定性决策模型条件概率和贝氏规则 背景:“随大流”现象 当人们之间形成一个关系网络后,他们在行为和决策...

    背景:“随大流”现象

    当人们之间形成一个关系网络后,他们在行为和决策方面的相互影响就成为可能,如他人的意见、他人购买的产品、他人的行为立场、他人参与的活动、他人使用的技术等。在很多情况下,认母实际上是很理性地放弃自己的选择,而去跟随别人的选择。
    这种情况下,学术上称之为**群集(herding)信息级联(information cascading)**效应。
    有趣的是,在级联效应中,个体模仿他人的行为并不是盲目的,相反,它是根据有限的信息合理推论的结果。当然,模仿也有可能是出于社会压力导致的顺从,与所谓的信息没有什么关系,有时不容易分辨这两种现象。

    信息效应和直接受益效应

    模仿别人有两种本质上不同的合理性理由:

    • 信息效应:单纯是因为“从众”,即基于对别人行为的推断而做出决定;
    • 直接受益:因为选择了和别人同样的行为会使自己产生一定的收益,其他人的行为会直接影响到你的回报,而不是间接地改变你的信息。

    一个简单的群集实验

    想象这个实验在一个教室里进行,由一群学生参加。实验者在教室前面放置一个装有3个小球的小罐;然后向大家宣布罐中有2个红色球和1个蓝色球的可能性是50%(多数红色,majority-red),有2个蓝色球和1个红色球的可能性也是50%(多数蓝色,majority-blue)。
    现在,每个学生依次排成队来到讲台上,背着大家拿出一个球察看颜色,再放回去。然后让这个同学猜测罐中是“多数红色”还是“多数蓝色”,并向剩余同学公布他的猜测(为了保证其猜测是经过合理分析的,假设猜中的同学可以获得奖金奖励)。公开宣布是这个实验设置的关键,还没轮到自己去抓球的人看不到前面学生抓到的球的颜色,但是可以听到那些学生宣布的猜测结果。
    这个过程将在所有的学生中进行,如果前面两个猜测都是“蓝色”,那么后面每个人都会同样猜测“蓝色”(“红色”同理)。

    一个信息级联持有的特征是——人们都没有幻觉每个人都拿到一个蓝色的球,但是一旦前两个猜测都是“蓝色”的话,后面所有人宣布的猜测也就没有什么参考价值了。
    因此,每个人的最佳策略依靠那些少量的有参考价值的信息来做决定的

    以上设置尽管非常简略,但仍然能够体现出一些关于“信息级联”的一般原则:

    1. 它表明这种级联非常容易发生(在我们的生活中),只需要满足适当的结构条件;
    2. 它还展示了决策行为的怪异模式,一个群体中每个学生都会做出完全一致的推测,而且是发生再所有的人都是在很理性地做决定。
    3. 它表明信息级联可能会导致非优化的结果:例如,假设罐中是多数红色,就有1/3的概率第一个学生抓到蓝色球,1/3的概率第2个学生抓到蓝色球;前两次都抓到蓝色球的概率是1/9。这个1/9的出错概率不会因更多的人参加而得到修正,因为在理性决策引导下,如果前面2个人猜蓝色,后面每个人都会跟着猜蓝色,无论这个群体有多大。
    4. 尽管级联可能形成最终的一致,但从根本上它也是很脆弱的。比如,假设进行到50号和51号学生都拿到了红色球,他们向全班展示手中的小球来“迷惑”大家,这种情况下,级联就会被打破,因为52号学生抉择时,就拥有四种真实的信息可以参考:1、2号公布的颜色,以及50、51号公布的颜色。

    贝叶斯规则:非确定性决策模型

    条件概率和贝氏规则

    作用:计算各种事件的概率,并利用这些概率对决策行为进行推论。
    假设:一个很大的样本空间,其中每一个点都代表一种特定的随机结果。
    1、贝叶斯规则(Bayese’s Rule)
    P ( A ∣ B ) = P ( A ) ∗ P ( B ∣ A ) P ( B ) P(A|B)=\frac{P(A)*P(B|A)}{P(B)} P(AB)=P(B)P(A)P(BA)

    • 条件概率
      (又称后验概率)就是事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为P(A|B),读作“在B条件下A的概率”,
      (1)
    • 联合概率:
      表示两个事件共同发生的概率。A与B的联合概率表示为在这里插入图片描述或者 P ( A , B ) P(A,B) P(A,B)
    • 边缘概率
      (又称先验概率):是某个事件发生的概率。边缘概率是这样得到的:在联合概率中,把最终结果中那些不需要的事件通过合并成它们的全概率,而消去它们(对离散随机变量用求和得全概率,对连续随机变量用积分得全概率),这称为边缘化(marginalization),比如A的边缘概率表示为P(A),B的边缘概率表示为P(B)。
      2、贝氏规则的应用:垃圾邮件过滤
      贝氏规则是第一代垃圾邮件过滤器的重要组成部分,当前仍然是许多垃圾邮件过滤器的基础组成部分之一。

    假设你收到一封邮件,主题行包含“check this out”,这通常是垃圾邮件包含的短语。单凭这一信息,而没有检查发件人或邮件内容,这封邮件是垃圾邮件的概率有多大?
    Solution:
    这是一个条件概率的问题,是在寻求以下表达式的值:
    P [ 是 一 个 垃 圾 邮 件 ∣ 主 题 行 包 含 “ c h e c k   t h i s   o u t ” ] P[是一个垃圾邮件|主题行包含“check \ this\ out”] P[check this out]

    为方便起见,用“spam”表示”是一个垃圾邮件“,用”check this out“表示”主题行包含‘check this out’”。因此,我们希望得到以下表达式的值:
    P[spam | "check this out"]
    

    此外,假设收到的所有邮件中40%是垃圾邮件,其余60%是你想要接收的邮件。此外,假设1%的垃圾邮件在主题行中包含短语“check this out",有0.4%的非垃圾邮件也在主题行中包含这个短语。因此,可以得到以下概率值:
    P [ s p a m ] = 0.4 P[spam] = 0.4 P[spam]=0.4
    P [ " c h e c k   t h i s   o u t " ∣ s p a m ] = 0.01 P["check\ this \ out" | spam]=0.01 P["check this out"spam]=0.01
    P [ " c h e c k   t h i s   o u t " ∣ n o t   s p a m ] = 0.004 P["check\ this \ out" | not\ spam]=0.004 P["check this out"not spam]=0.004
    运用贝叶斯规则,可得:
    P [ s p a m ∣ " c h e c k   t h i s   o u t " ] = P [ " c h e c k   t h i s   o u t " ∣ s p a m ] ∗ P [ s p a m ] P [ " c h e c k   t h i s   o u t " ] P[spam | "check\ this\ out"]=\frac{P["check\ this\ out"|spam]*P[spam]}{P["check\ this\ out"]} P[spam"check this out"]=P["check this out"]P["check this out"spam]P[spam]
    因此,只需要计算 P [ " c h e c k   t h i s   o u t " ] P["check\ this\ out"] P["check this out"]的概率值即可得所求;即需要计算短语"check this out在所有邮件中的发生概率,有:
    P [ " c h e c k   t h i s   o u t " ] = P [ s p a m ] ∗ P [ " c h e c k   t h i s   o u t " ∣ s p a m ] + P [ n o t s p a m ] ∗ P [ " c h e c k   t h i s   o u t " ∣ n o t   s p a m ] = 0.4 × 0.01 + 0.6 × 0.004 = 0.064 P["check\ this\ out"] = P[spam]*P["check\ this \ out" | spam]+P[not spam]*P["check\ this \ out" | not\ spam]=0.4\times 0.01+0.6\times 0.004=0.064 P["check this out"]=P[spam]P["check this out"spam]+P[notspam]P["check this out"not spam]=0.4×0.01+0.6×0.004=0.064
    带入以上数值,得到:
    P [ s p a m ∣ " c h e c k   t h i s   o u t " ] = 0.004 0.0064 = 0.625 P[spam|"check\ this\ out"]=\frac{0.004}{0.0064}=0.625 P[spam"check this out"]=0.00640.004=0.625

    上述分析和计算结果说明,当采用了短语"check this out"作为鉴别信息时,识别这封邮件为垃圾邮件的概率将高于原始概率统计0.4.
    因此,我们可以将主题行中出现这个短语看成是一个弱信号,为我们提供该邮件是否为垃圾邮件的证据。
    在实践中,检测每一封邮件多种不同的信号,包括邮件的正文、邮件的主题、发送者的属性(你是否认识他们?他们的邮件地址有什么特点?)、邮件服务的属性,以及一些其他的特征。

    在群集实验中运用贝氏规则

    首先注意到每个学生的抉择本质上是取决于一个条件概率:当听到别人的猜测后,每个学生都试图估算出小罐是“多数蓝色“还是”多数红色“的条件概率 。
    为了最大限度赢得猜中的机会(即假设每一个试验者都是绝对理性的),如果以下表达式成立,就应该猜多数蓝色:
    P r [ m a j o r i t y − b l u e ∣ 看 到 或 听 到 的 颜 色 ] > 1 / 2 Pr[majority-blue | 看到或听到的颜色]>1/2 Pr[majorityblue]>1/2
    即,猜测的结果(多数蓝色)发生的可能性是基于已有的信息(看到或听到的颜色)来得到的;否则,猜多数红色。如果两个条件概率都恰好是0.5,那么猜什么都无所谓了。
    下面给出在实验开始之前已经存在的设置情况。
    (1)首先,小罐是多数蓝色还是多数红色的先验概率都是1/2:
    P r [ m a j o r i t y − b l u e ] = P r [ m a j o r i t y − r e d ] = 1 2 Pr[majority-blue] = Pr[majority-red] = \frac{1}{2} Pr[majorityblue]=Pr[majorityred]=21
    (2)而且,基于两种小罐小球的组成情况:
    P r [ b l u e ∣ m a j o r i t y − b l u e ] = P r [ r e d ∣ m a j o r i t y − r e d ] = 1 2 Pr[blue | majority-blue] = Pr[red | majority-red] = \frac{1}{2} Pr[bluemajorityblue]=Pr[redmajorityred]=21

    第1个学生拿到1个篮球

    他需要确定 P r [ m a j o r i t y − b l u e ∣ b l u e ] Pr[majority-blue | blue] Pr[majorityblueblue]的发生概率,即需要根据其当前看到的颜色——blue,来判断小罐中是多数蓝色还是多数红色?
    这里,我们使用“贝氏规则”来计算其发生概率,验证理性者做出选择的概率:
    P r [ m o j o r i t y − b l u e ∣ b l u e ] = P r [ m a j o r i t y − b l u e ] ∗ P r [ b l u e ∣ m a j o r i t y − b l u e ] P r [ b l u e ] Pr[mojority-blue|blue]=\frac{Pr[majority-blue]*Pr[blue|majority-blue]}{Pr[blue]} Pr[mojorityblueblue]=Pr[blue]Pr[majorityblue]Pr[bluemajorityblue]
    其中,分子部分为 1 / 2 ∗ 2 / 3 = 1 / 3 1/2*2/3=1/3 1/22/3=1/3,对于分母部分,分析拿到蓝球有2种情况:
    (1)小罐是多数红色;(2)小罐是多数蓝色:
    P r [ b l u e ] = P r [ m a j o r i t y − b l u e ] ∗ P r [ b l u e ∣ m a j o r i t y − b l u e ] + P r [ m a j o r i t y − r e d ] P r [ b l u e ∣ m a j o r i t y − r e d ] = 1 / 2 ∗ 2 / 3 + 1 / 2 ∗ 1 / 3 = 1 2 Pr[blue]=Pr[majority-blue]*Pr[blue|majority-blue]+Pr[majority-red]Pr[blue|majority-red]=1/2*2/3+1/2*1/3=\frac{1}{2} Pr[blue]=Pr[majorityblue]Pr[bluemajorityblue]+Pr[majorityred]Pr[bluemajorityred]=1/22/3+1/21/3=21
    即,可以看作从6个球中(3个红色,3个蓝色)任意取1个球取出来是蓝色或者是红色的概率都是相等的。
    因此,就可以得到:
    P r [ m a j o r i t y − b l u e ∣ b l u e ] = 1 / 3 1 / 2 = 2 3 Pr[majority-blue|blue]=\frac{1/3}{1/2}=\frac{2}{3} Pr[majorityblueblue]=1/21/3=32
    因为这个条件概率大于1/2,因此,当第1个同学拿到蓝球时,他应该猜测是多数蓝色

    注意:除了能够提供猜测的最终抉择之外,贝氏规则还可以提供这个猜测准确的概率为2/3.

    假设前面2个同学都猜测蓝色,而第3个同学拿到了一个红色球

    前面2个同学都传递了真实的信息(即拿到什么颜色的球,就猜测为多数什么颜色),因此第3个同学实际上掌握了三次抓球的结果:蓝色、蓝色、红色。他希望根据以下表达式的值:
    P r [ m a j o r i t y − b l u e ∣ b l u e , b l u e , r e d ] Pr[majority-blue|blue, blue, red] Pr[majorityblueblue,blue,red]
    来进行猜测,利用贝氏规则,有:
    P r [ m a j o r i t y − b l u e ∣ b l u e , b l u e , r e d ] = P r [ m a j o r i t y − b l u e ] ∗ P r [ b l u e , b l u e , r e d ∣ m a j o r i t y − b l u e ] P r [ b l u e , b l u e , r e d ] Pr[majority-blue|blue, blue, red]=\frac{Pr[majority-blue]*Pr[blue,blue,red|majority-blue]}{Pr[blue,blue,red]} Pr[majorityblueblue,blue,red]=Pr[blue,blue,red]Pr[majorityblue]Pr[blue,blue,redmajorityblue]
    分子很容易得到,是 1 / 2 ∗ ( 2 / 3 ∗ 2 / 3 ∗ 1 / 3 ) = 2 27 1/2*(2/3*2/3*1/3)=\frac{2}{27} 1/22/32/31/3=272
    对于分母 P r [ b l u e , b l u e , r e d ] Pr[blue,blue,red] Pr[blue,blue,red],我们同样考虑在2种小罐(多数蓝色和多数红色)种的发生概率:
    P r [ b l u e , b l u e , r e d ] = P r [ m a j o r i t y − b l u e ] × P r [ b l u e , b l u e , r e d ∣ m a j o r i t y − b l u e ] + P r [ m a j o r i t y − r e d ] × P r [ b l u e , b l u e , r e d ∣ m a j o r i t y − r e d ] = 1 / 2 ∗ 2 / 3 ∗ 2 / 3 ∗ 1 / 3 + 1 / 2 ∗ 1 / 3 ∗ 1 / 3 ∗ 2 / 3 = 6 54 = 1 9 Pr[blue,blue,red]=Pr[majority-blue]\times Pr[blue, blue, red|majority-blue]+Pr[majority-red]\times Pr[blue,blue,red|majority-red]=1/2*2/3*2/3*1/3 + 1/2*1/3*1/3*2/3 = \frac{6}{54}=\frac{1}{9} Pr[blue,blue,red]=Pr[majorityblue]×Pr[blue,blue,redmajorityblue]+Pr[majorityred]×Pr[blue,blue,redmajorityred]=1/22/32/31/3+1/21/31/32/3=546=91
    因此,可以得到结果为:
    P r [ m a j o r i t y − b l u e ∣ b l u e , b l u e , r e d ] = 2 / 27 1 / 9 = 2 3 Pr[majority-blue|blue, blue, red]=\frac {2/27}{1/9}=\frac {2}{3} Pr[majorityblueblue,blue,red]=1/92/27=32
    因此,第3个同学的猜测结果为:多数蓝色
    这就证实了第1节中的推断,如果前面连续2个同学都猜测同样的结果,则第3个同学应该忽略掉他自己看到的结果(抓到的红色球),赞同他已经听到的前面2个猜测(蓝色)。
    最后,一旦这3次抓球活动已经发生,所有接下来的学生将拥有和第三个同学同样的信息,因此运行相同的计算过程,结果将形成一个后续全部选择**蓝色** 的信息级联。

    展开全文
  • 针对树障清理空中机器人作业时需规避输电线这一需求,本文提出一种基于级联聚类的输电线检测方法。使用基于海森(Hessian)矩阵的边缘增强算法进行图像预处理;采用霍夫(Hough)变换法提取候选直线;设计一种融合直线...
  • 从采用者的角度来看,更简单的理论是信息级联理论。 信息级联理论仅要求采用者执行她看到的他人所做的事情。 我们在实验室环境中测试我们的猜想,在这里我们可以控制网络外部性的水平以及采用者看到他人所做的事情...
  • 一种多信息级联聚类输电线检测方法.pdf
  • 主要介绍了SSH框架网上商城项目第19战之订单信息级联入库以及页面缓存问题,感兴趣的小伙伴们可以参考一下
  • NULL 博文链接:https://xiaomao67.iteye.com/blog/1869696
  • 主要介绍了Python实现方便使用的级联进度信息,实例分析了Python显示级联进度信息的相关技巧,非常具有实用价值,需要的朋友可以参考下
  • 最近使用开发的过程中出现了一个小问题,顺便记录一下原因和方法--信息级联  我们在做统系时,很多情况下都需要在面页中嵌套省市级联信息,网上找到的范例大多省市信息够不整完或是级联操纵过于杂复。这一篇我也...

    最近使用开发的过程中出现了一个小问题,顺便记录一下原因和方法--信息级联

         我们在做统系时,很多情况下都需要在面页中嵌套省市级联信息,网上找到的范例大多省市信息够不整完或是级联操纵过于杂复。这一篇我也宣布一个省市级联示例程序,其中数据文件是借用人前的工作成果(原作者网名为norkts,详细请见参 sitedata.js 文件部头的释注信息)。上面是面页码源:

    <!DOCTYPE html>
    <html>
    <head>
        <title></title>
        <script type="text/javascript" src="jquery-1.8.3.min.js"></script>
       1:  
       2:     <script type="text/javascript" src="sitedata.js">
       1: </script>
       2:     <script type="text/javascript">
       3:         $(document).ready(function () {
       4:             var provinceSelector = $("#provinceSelector");
       5:             var citySelector = $("#citySelector");
       6:             var areaSelector=$("#areaSelector");
       7:             GetProvince();
       8:             provinceSelector.change(function () {
       9:                 var provinceName = provinceSelector.val();
      10:                 if (provinceName != '') {
      11:                     GetCity(provinceName);
      12:                     areaSelector.empty();
      13:                 }
      14:                 else{
      15:                     citySelector.empty();
      16:                     areaSelector.empty();
      17:                 }
      18:             });
      19:             citySelector.change(function () {
      20:                 var provinceName = provinceSelector.val();
      21:                 var cityName = citySelector.val();
      22:                 if(cityName!=''){
      23:                     GetArea(provinceName, cityName);
      24:                 }
      25:                 else{
      26:                     areaSelector.empty();
      27:                 }
      28:             });
      29:         });
      30:  
      31:         // 获得份省(直辖市)信息
      32:         function GetProvince() {
      33:             var provSelector = $("#provinceSelector");
      34:             provSelector.empty();
      35:             provSelector.append("<option value=''>--请选择--</option>");
      36:             var arrProvince = provinceInfo;
      37:             for (var provinceIndex in arrProvince) {
      38:                 provSelector.append("<option value='" + arrProvince[provinceIndex]["name"] + "'>" + arrProvince[provinceIndex]["name"] + "</option>")
      39:             }
      40:         }
      41:  
      42:         // 获得指定份省(直辖市)的都会(辖区或县)信息
      43:         function GetCity(provinceName) {
      44:             var citySelector = $("#citySelector");
      45:             var arrCity;
      46:             for (var provinceIndex in provinceInfo) {
      47:                 if (provinceInfo[provinceIndex]["name"] == provinceName) {
      48:                     arrCity = provinceInfo[provinceIndex]["sub"];
      49:                     break;
      50:                 }
      51:             }
      52:             citySelector.empty();
      53:             citySelector.append("<option value=''>--请选择--</option>")
      54:             for (var cityIndex in arrCity) {
      55:                 citySelector.append("<option value='" + arrCity[cityIndex]["name"] + "'>" + arrCity[cityIndex]["name"] + "</option>")
      56:             }
      57:         }
      58:  
      59:         // 获得指定都会(辖区或县)的地域信息
      60:         function GetArea(provinceName, cityName) {
      61:             var areaSelector = $("#areaSelector");
      62:             var arrCity, arrArea;
      63:             for (var provinceIndex in provinceInfo) {
      64:                 if (provinceInfo[provinceIndex]["name"] == provinceName) {
      65:                     arrCity = provinceInfo[provinceIndex]["sub"];
      66:                     for (var cityIndex in arrCity) {
      67:                         if (arrCity[cityIndex]["name"] == cityName) {
      68:                             arrArea = arrCity[cityIndex]["sub"];
      69:                             break;
      70:                         }
      71:                     }
      72:                 }
      73:             }
      74:             areaSelector.empty();
      75:             areaSelector.append("<option value=''>--请选择--</option>")
      76:             for (var areaIndex in arrArea) {
      77:                 areaSelector.append("<option value='" + arrArea[areaIndex]["name"] + "'>" + arrArea[areaIndex]["name"] + "</option>")
      78:             }
      79:         }
      80:     
    </script>
    
    
    </head>
    <body>
    <div>
        <select id="provinceSelector"></select>
        <select id="citySelector"></select>
        <select id="areaSelector"></select>
    </div>
    </body>
    </html>
        每日一道理
    今天阳光很好,坐在窗前,看窗外如此晴朗的天感觉特别舒心,雨过天晴后的世界总给人一种明媚,仿佛阳光照耀在“心田”上空,让前些天被风雨践踏的花朵重新得到爱的关怀,重现生命的活力!

        

        其中 sitedata.js 中的数据采用了JSON格式保存,本人才不,级联操纵写得够不优雅,本程序仅作示例,详细操纵乡亲们请自行修改(^_^)。

        附上码源如下:

        文件图标 点此载下示例码源

    文章结束给大家分享下程序员的一些笑话语录: 火车
    一个年轻的程序员和一个项目经理登上了一列在山里行驶的火车,他们发现 列车上几乎都坐满了,只有两个在一起的空位,这个空位的对面是一个老奶 奶和一个年轻漂亮的姑娘。两个上前坐了下来。程序员和那个姑娘他们比较 暧昧地相互看对方。这时,火车进入山洞,车厢里一片漆黑。此时,只听见 一个亲嘴的声音,随后就听到一个响亮的巴掌声。很快火车出了山洞,他们 四个人都不说话。
    那个老奶奶在喃喃道, “这个年轻小伙怎么这么无礼, 不过我很高兴我的孙女 扇了一个巴掌”。
    项目经理在想,“没想到这个程序员居然这么大胆,敢去亲那姑娘,只可惜那 姑娘打错了人,居然给打了我。”
    漂亮的姑娘想,“他亲了我真好,希望我的祖母没有打疼他”。
    程序员坐在那里露出了笑容, “生活真好啊。 这一辈子能有几次机会可以在亲 一个美女的同时打项目经理一巴掌啊”


    展开全文
  • 基于节点领域信息构建相应的级联失效模型, 分析研究物流网络的级联失效问题。数值仿真结果表明:较低的安全负载能力配置可很大程度上抵御级联失效的破坏; 重要度越大的节点的失效对网络的平均破坏程度越大; 节点平均...
  • 在分析网络化指挥信息系统结构功能基础上,构建带权重的双层相依网络,提出一种考虑节点过载和节点修复的级联失效模型,并在基于节点权重的负载重分配策略基础上构造基于节点相似、基于节点剩余容量和综合分配3种改进型...
  • 1. 什么是级联列表? 2. 级联列表有什么用? 3. 怎么实现相应的操作? 4. 两种方法实现对应省市的下拉操作 一、什么是级联? 1.级联还指用来设计一对多关系。举个例子:一个表存放学生的信息:表A(姓名,性别,年龄...
  • vtrivik)以获取更多信息。 他会尽力及时回复你。 如果您使用此代码和/或由此产生的任何研究,请引用这篇文章:Koc, Y., Verma, T., Araujo, NA, &​​ Warnier, M.(2013 年 11 月)。 Matcasc:一种分析电网级联...
  • select * from information_schema.triggerG 由于mysql的所有触发器的定义都存放在information_schema数据库的trigger表中,所以查看所有触发器的详细信息可以像上面一样。 我也是挺无语的,这课上的和实际的挺多不...

    5d9c5210c9b0337ddc37608889420a4c.png

    这篇是对前面一些知识的补缺补漏还有关于触发器

    先写几个前提

    88bda264e2ecab3c647401963e9195ec.png

    17c10f6e2e95b002184b038c0296356b.png

    70c944823e48767988716c368a3f6ec2.png

    4702e37f2fa8611fb8622dc39c9537e3.png

    关于主键约束

    违约拒绝执行

    如何检查违约处理:

    方法一:进行全表扫描 效率低

    方法二:进行索引的建立,通过B+树进行检查。 效率高

    外键约束:

    建立两个表之间的联系,在本表该属性有的值,表2中的字段也有

    (1)创建外键约束(这里时在初始化的时候建立)

    foreign key(本表的字段名1,字段2,...) reference 表2的名称(表2中的主键字段,表3中的主键字段名,...)

    表2中的字段必须是主键

    8eba61793ebc941077a8e3f2cfc8a897.png

    破坏情况:

    1.

    49d7740203b9f57d7033c0ea831b4bfc.png

    2.

    eba6ec521d125df46f42908fc2058f29.png

    3.

    7678276bc99cfe75c83c658af2cf5b07.png

    4.

    72424f1b61b08001dc2551233552e2a1.png

    违约处理方式:

    f38aaeb10ddd607f5df082158a5c845d.png

    c0c2b43daceec039803b00618cea23f0.png

    8e135cb39a3160e58950665b85b3c927.png

    (2)对于如何设置级联,拒绝,和设置为空值 只有外键约束拥有

    在约束的定义后面加上

    级联

    on 操作(egg.delete) cascade

    拒绝

    on 操作 no action

    设置为空

    on 操作 set null

    举个栗子:设置Student的Sno为SC表的外键约束,且为级联删除

    e3ef3bdcc1536d420a527bd5e68e2e30.png

    设置同时为级联删除和级联更新

    在on delete cascade后面加一行on update cascade


    其他约束:

    1.叠加定义约束

    egg:

    unique not null

    2.这里补充一个约束

    定义属性值应该满足的条件

    类型1.

    初始化时添加

    字段 类型, Check(字段 in(值1,值2..))

    修改时添加

    ccccf7c49967af15a46c76687b2f3d26.png

    字段 类型, Check(范围)

    类型2.

    初始表时放在字段声明后

    check(条件)

    一般来说第二种类型比较好

    检查和违规处理

    检查插入值是否满足,不满足则拒绝

    为约束命名

    Constraint 约束名 约束语句

    删除约束

    Alter table 表名

    drop constraint 约束名

    cd5263222d657943f8e64fcc7c0e6790.png

    增加约束

    alter table 表名

    add constraint 约束名 约束定义

    0af5e575b0231b3a0b1333542cb527cc.png

    修改约束

    先删除后增加


    断言

    反正我没有测试出来,而且mysql官方文档也没有查到assertion

    对于多个表的限制条件

    1.增加断言

    check assertion 断言名

    check(子句)

    子句和where子句的格式类似

    egg:

    选修数据库的学生不能多于60

    f9149db9ec32c2fbb0fa47c3e01d4f21.png

    a4e095c12dc2cfdabec4e2a449f6d6b9.png

    2.删除断言

    drop assertion 断言名


    触发器

    在某事件发生的时候触发

    1.定义触发器

    create trigger 触发器名

    before|after 触发事件 on 表名

    referencing new|old row|table as 变量 解释:将这行|表的旧|新的命名为变量名

    for each row|statement

    [when 触发条件] 触发动作体

    如果省略[when 触发条件]则触发动作体在触发器激活后立即执行

    row 行级触发器

    statement 语句级触发器

    如果是行级触发器,用户可以在过程体中使用new和old引用事件之后的新值和事件之前的旧值,如果时语句级触发器,则不能在触发动作体中使用new或old进行引用

    上面是我书上看来的。。。然而用不了

    下面是一般用法

    create trigger 触发器名

    after|before insert|update|delete

    on 表名

    for each row

    begin

    SQL语句; 这里是触发程序

    end;

    before:在执行触发事件之前触发

    after:在执行触发事件之后触发

    如果触发动作执行失败,激活触发器事件就会终止执行,触发器的目标表或触发器可能影响的其他对象不发生任何变化

    注意:触发器名和表名要在同一模式下

    old表示旧记录,new表示新记录

    对于INSERT语句,只有NEW是合法的;对于DELETE语句,只有OLD才合法;而UPDATE语句可以在和NEW以及OLD同时使用。

    old是只读的,在触发程序中只能引用它,不能更改它。在before触发程序中。可以使用“set new.字段名=值”更改new记录的值。但是在after触发程序中不能使用“set new.字段名=值”更改记录的值。

    44ab082193e44cd663f893908680ca16.png

    标准8.0文档

    egg:

    716d2b45952693eae40ee7c3016a5a22.png

    举个栗子1:下面的是行不通的

    fb2845009546d09e8808182725975321.png

    e7cac75b9f1596fa89f514d152bb4188.png
    变了一下

    栗子2.

    913878778a5c16fea4309d410294fd7e.png

    6eb0d5b0ad0a16fa166a48640ed313d6.png

    2.激活触发器

    (1)触发器的执行时有触发事件激活的,并有数据库服务器自动执行

    (2)一个数据表上可能定义了多个触发器,遵循下列执行顺序

    执行该表上的before触发器

    激活触发器的sql

    执行该表上的after触发器

    3.删除触发器

    drop trigger 触发器名 on 表名

    上面语句也不行。。。

    3440bf96a14ba5c091745a55f13ccef4.png

    我这里改了一下结束符

    e48631a0734a8c900a86faa8b53c9cb2.png

    触发器可以用来设置级联操作

    查看触发器的定义

    1.

    show trigger like 模式 G

    上面的中模式 eg:

    ”stu%“ 表示查找触发器所在表的名称的前几个字符为stu

    2.

    show create trigger 触发器名

    查看指定触发器名的定义

    3.

    select * from information_schema.triggerG

    由于mysql的所有触发器的定义都存放在information_schema数据库的trigger表中,所以查看所有触发器的详细信息可以像上面一样。

    我也是挺无语的,这课上的和实际的挺多不一样的。。。。

    展开全文
  • 信息化-电子商务-H桥级联型电力电子变压器的控制系统研究.pdf
  • 自己整合的中国各区县行政代码对照表,表格以属性结构整理,一级为省数据,二级为市数据,三级为区县数据,合计3060条区县数据(包含省市)
  • 为了改善差分跳频(DFH)系统抗部分干扰性能,提出一种将喷泉码(Fountain Code,FC)称为DFH的喷泉码差分跳频(Fountain code) -差频跳频,Fountain-DFH)级联编码系统;在加性高斯白噪声信道(加性高斯白噪声信道...
  • 提出了一种应用于红外图像仿真的级联多尺度信息融合生成对抗网络,能由可见光图像估计对应的红外图像。针对可见光与红外图像特征之间的关联与区别,该网络采用级联的对抗网络结构:第一级对抗网络以语义分割图像为辅助...
  • 递归查询级联信息

    2021-01-21 12:09:57
    //List嵌套本身,装父节点信息 // getter and setter } mapper.xml select="selectAllParentsByCode"> SELECT`code`,`parent_code`FROM`relation`WHERE`code` = #{code}AND`parent_code` is not NULL 说明: ...
  • pattern:级联机器学习

    2021-05-30 22:54:16
    如需更多信息,请访问: : PMML Pattern 目前支持以下 PMML 模型类型: 一般回归回归聚类树挖掘 - 上述模型的集合,如随机森林正在进行的有: 神经网络支持向量机并非上述每个模型的所有方面都受支持。 要请求对...
  • 本文实例讲述了js实现全国省份城市级联下拉菜单效果代码。分享给大家供大家参考。具体如下: 这是一个大家都知道的网页小功能,很常见,全国省份与城市级联菜单,采用Select下拉的方式选择数据,不过现在很多都Ajax...
  • 举个简单的例子,拿教务系统来说,我们要查询教学计划信息,查询条件是入学批次、学生层次(专升本、高升专)、专业、课程。 它们之间有什么级联关系呢?入学批次影响学生层次(某个入学批次可能只有专升本或者高升...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 91,894
精华内容 36,757
关键字:

信息级联