封装Selenium原有API，使用更简洁。封装TestNG，使用验证结果更简单。 加入reportNG测试报告，批量执行用例后，查询结果更直观。

NLP-study 记录做过的NLP任务,包含但不限于文本分类，关系分类，命名实体识别，文本摘要，文本生成等，基于tensorflow2.0或者pytorch框架。

本研究分别采用Lo MacKinlay的传统方差比检验，Wright非参数检验，Chow Denning多元方差检验和Joint Wright多元方差检验来分析和检验欧盟碳排放市场的特征，结果表明：欧盟碳排放权交易的12年发展历程中，只有第二阶段的收益率遵循the过程，显示出形式薄弱的有效市场，而第一阶段和第三阶段则不具备有效市场的特征。

一项众包实验，其中，英国广播公司（BBC）电视节目的观看者（“人群”）提交了不倒翁硬币数量的估计值（在第1部分）中显示，服从对数正态分布∧ （m，s2）。 硬币估计实验是适用于众包解决方案的广泛图像分析和对象计数问题的原型。 当前文章（第2部分）的目的是通过贝叶斯方法和最大似然（ML）方法确定∧（m，s2）的位置和比例参数（m，s），并比较结果。 分析的结果之一是通过杰弗里斯的规则解决了有关适当贝叶斯先验问题的问题。 结果表明，贝叶斯分析和ML分析导致位置参数的表达式相同，但尺度参数的表达式不同，这在无限样本量的限制内变得相同。 分析的第二个结果涉及使用样本均值作为不寻求或不知道响应分布的应用程序中人群信息的度量。 在硬币估计实验中，发现样本均值与根据∧（m，s2）计算出的平均硬币数相差很大。 这种不一致性引发了关于样本平均值是否以及在何种条件下提供人群信息的可靠度量的关键问题。 本文通过使用最大熵原理（PME）解决了该问题。 PME产生了一组方程，用于找到与给定的先验信息且仅与该信息一致的最可能的分布。 如果对于指定的样本均值和样本方差没有PME方程的解，则样本均值是不可靠的统计信息

在大型强子对撞机上执行SM精密测试的一种有前途的途径是测量高不变质量的微分截面，以这种方式利用由繁重的新物理学引起的校正能量的增长。 我们对纵向狄布森和相关的希格斯生产过程中主要的随能量增长效应进行了分类，表明它们可以封装在四个真实的“高能量主要”参数中。 我们在大型强子对撞机和未来的强子对撞机上评估这些参数的可及范围，尤其着重于看起来特别有前途的全轻子W Z通道。 发现该范围比现有约束条件高一个数量级，从而在与LEP边界竞争的情况下，在每毫米水平上测试了SM电弱扇区。 与LHC run-1边界仅适用于比分布的高能尾部中的SM大得多的新物理效应，我们研究的探查适用于更广泛类别的新物理场景，在这些场景中，如此大的偏离并不大 预期。

我们研究了在希格斯暗U（1）D模型（称为Double Dark Portal模型）中的未来e + e-对撞机上产生新的，亮的，隐藏的状态的可能性。 向量和标量门户耦合的同时存在会立即以每个耦合中的前导顺序修改标准模型希格斯通隆通道e + e −→Zh。 此外，每个门户会导致产生互补信号，可以在直接和间接检测暗物质实验中对其进行探测。 在考虑了LEP和LHC的当前限制因素之后，我们通过研究大量的新生产，衰变和辐射返回过程，证明了未来的e + e-希格斯工厂将对这两种门式耦合具有独特且领先的敏感性。 除了可能发生奇异的希格斯衰变外，我们还强调了直接的暗矢量和在e + e-机器上产生暗标量的重要性，可以通过反冲质量方法来标记其不可见的衰变。

我们描述了公共计算机代码HiggsBounds版本4中的新发展。 HiggsBounds是一种工具，可以在LEP，Tevatron和LHC实验中，针对希格斯搜索中已发布的排除范围，测试包含中性和带电希格斯玻色子的任意希格斯扇区的模型。 根据希格斯质量，分支比，生产横截面和总衰减宽度的模型预测，这些预测由用户在程序输入中指定-代码计算

近年来对RK（*）= B（B→K（*）μ+μ-）/ B（B→K（*）e + e-）的测量提示了轻子风味的普遍性，因此引起了广泛的关注。 如果这些异常是由新物理学（NP）引起的，则通过夸克级的相同过程，也可能在其他通道中发现与SM预测的偏差。 在这项工作中，我们在B→K1（1270,1400）μ+ μ−中研究了可以解决b→s异常的两种流行类别的NP模型（即p夸克模型和Z'模型）的影响。 通过假设NP仅影响b→sμ+ μ−跃迁，我们发现非极化和极化的轻子风味通用性（LFU）比率RK1（L，T）（1270）可用于区分NP模型（场景）和 SM是因为它们对NP效应敏感并且对混合角θK1不敏感，而RK1（L，T）（1400）对NP和θK1均敏感。 另一个比率Rμ（K1）= B（B→K1（1400）μ+μ−）/ B（B→K1（1270）μ+ μ−）每周取决于NP模型（场景）下的效应 考虑，因此可用于确定NP探针中的θK1和RK1（L，T）。

中国地质大学(武汉) 软件测试课程复习相关

中国地质大学(武汉)软件测试2017级试卷(答案标注)