调用方法无水印无限制.docx; license.xml; aspose-words-14.9.0-jdk16.jar;
2021-11-04 14:04:21 7.47MB aspose-words license rtf转pdf
1
Aspose.Words 最新破解版 去除了“Evaluation Only. Created with Aspose.Words. Copyright 2003-2011 Aspose Pty Ltd.”水印
2021-11-04 12:50:17 3.34MB Aspose.Words 破解
1
本压缩包中是官方的源码示例,是.NET 平台C#语言的示例,所有示例都做过测试,本人去掉了影响编译的版本控制文件,数据目录中包括测试过程中生成的word 文档,可对比原模板来学习代码的影响。
2021-11-02 16:22:44 11.08MB Apose.Words 示例源码 C# 官方示例
1
在C#环境下,使用Aspose.Words实现Word图片封面操作,
2021-11-01 21:14:00 13.16MB C# Word 图片封面 Aspose.words
1
word转pdf
2021-11-01 18:07:18 17.84MB java aspose-words
1
使用词图方法与词袋方法进行文本分类 介绍 该项目的目标是使用向量空间模型对一定数量的文本进行分类,向量空间模型是文档的空间表示形式。 每个文档都可以描述为具有一定数量特征的矢量,每个特征对应于训练词汇集中的特定单词。 所使用的数据集是经过预处理的路透数据集,其中包含5,495个培训文档和2,189个测试文档,并带有8个不同的标签。 预处理已用于将标记化,停用词删除和词干应用于初始文本。 笔记本中描述的方法背后的想法是构造“智能”文档术语矩阵,即大小为n×m的矩阵,其中n是文档数,m是要素数,选择“正确的”权重进行填充在这些矩阵中。 “好”的权重可以区分不同的文本标签,并且对于将要使用的任何学习算法都将有很大的帮助。 词袋与词图 在通常的单词表示法包中,不考虑文本中不同单词之间的顺序; 它是使用TfidfVectorizer在此处构建的。 与单词袋表示法不同,单词图表示法根据单词在文本中的位
2021-10-31 20:04:50 948KB
1
Words ,Java开发版本,word转PDF和图片, 15.8.0的版本,无水印,,限下载学习试用。
2021-10-29 09:35:48 10.22MB Word 无水印 Aspose 15.8.0
1
这个是已经破解好的 直接下载就可以用了 本人只是提供技术分享 学习使用 不得用于商业 请支持正版
2021-10-28 10:46:52 9.31MB aspose word pdf java
1
敏感词过滤 python3 测试过滤效果 python -m speachless.test 输出json文件 至 dist python -m speachless.sensitive_tree 简介 speachless/lib 敏感词库, 三个种类,涉政, 色情, 自定义. speachless/sensitive_tree.SensitiveTree 根据词库中的敏感词构造检测tree speachless/sensitive_filter.SensitiveFilter 检测输入内容是否与敏感词匹配 使用 git archive master | tar -x -C /project/xxx/speachless ** 应该将以下对象 作为全局变量避免每次重新初始化 tree 造成额外开销 ** ** 当导入外部词库时, 应避免词库中存在特殊字符** sensit
2021-10-25 20:03:07 10KB python text-filter china-law Python
1
Words相应的jar 包,帮助大家开发,已经破解,能帮助大家解决开发中遇到的问题
2021-10-22 13:54:51 6.83MB jar
1