主要是读取文本，然后进行分词、词干提取、去停用词、计算词频，有界面，很实用

Python 豆瓣书评 bs4多页爬虫 jieba中文分词 tf-idf向量化 kmeans聚类+统计词频 +停用词 douban图书评价 浏览器多页爬虫 jupyter notebook numpy pandas sklearn 数据分析 数据挖掘

停用词集合(哈工大停用词表、四川大学机器智能实验室停用词库）

针对自动扶梯上乘客易摔倒的安全隐患，设计一款基于机器视觉的人体摔倒行为识别系统及扶梯自动急停装置.借助OpenPose人体关节点检测算法提取目标人体的骨骼特征，利用Inception V3网络模型搭建分类器，对采集的骨骼特征信息分类，以识别乘客摔倒行为.训练结果表明单人、多人样本的测试精度最高可达98.9%、80.0%.识别摔倒行为后将检测结果以无线通讯的方式发送至基于STM32微控制器及多种传感器的急停装置.最后，在模拟的扶梯环境下进行实验测试，测试结果表明该扶梯自动急停系统的控制实时性良好.

指标用法：当指标出现小绿箭头，但是第二天出现红箭头，可以80%确定是诱空信号，而且3天内涨停概率很大。反之，当出现红箭头，第二天出现绿箭头，诱多信号，先清仓离场

目前道路违规事件检测多在固定摄像头下人工框定区域进行检测，但人工框定工作量大，并且摄像头转动会使得框定区域失效。针对此问题，率先提出一种目标检测与语义分割相结合的违停检测方法。该方法首先使用目标检测Faster R-CNN，采取迁移学习、多阶段训练等方法建模，提取共享单车的类别与检测框位置信息。再使用group normalization改进语义分割DeepLab v3+网络模型，提高其在小batch size下训练的模型精度，用于分割图像获得道路的语义和区域信息。最后综合两部分信息，根据单车检测框内不同道路区域所占比例判定共享单车是否属于违规停放。实验结果表明，该方法对共享单车类别的mAP为72.36%，对共享单车违规停放的平均检测率为89.11%，适用于真实城市道路监控环境中。

常用的停用词表，包括哈工大(hit)、百度(baidu)、四川大学机器智能实验室停用词库（scu)、中文停用词表(cn)，以及汇总的停用词表(all)

主要是读取文本，然后进行分词、词干提取、去停用词、计算词频，有界面，很实用

中国涨停第一人股海特工，3年成功操作100个涨停板。09年东方财富杯炒股大赛冠军，这是他抓涨停板的公式

金将军龙虎榜,股票涨停跌停在线统计等,是程序,非代码