20210518-东兴证券-通信行业：5G时代，如何重新发现运营商投资价值？.pdf

20210518-华西证券-维亚生物-1873.HK-全球领先基于结构的药物发现市场龙头，并购朗华制药战略性进入CDMO赛道.pdf

大家大部分都是用的郑大钟的线性系统理论，然而，相应的ppt很很少，能找到的也不是太全，这个版本是我找到的比较全的版本

微博热点话题发现系统的设计与实现 论文下载s

代码由论文作者提供An Evolutionary Multiobjective Approach for Community Discovery in Dynamic Networks

目前发现的世界上最好用且免费的mib browser，来自大名鼎鼎的ZOHO ManaageEngine。这是Windows版的，还有Linux, Mac以及安卓手机版的。简直碉堡了。

传统的话题发现研究主要针对于长文本及新闻数据集，大规模短文本具有稀疏、无结构、多噪等特点，传统方法很难有效发现话题。提出了一个融合词共现与加权GN（CW-WGN）算法的快速话题发现方法，描述了CW-WGN方法的详细过程，给出方法的具体算法。采集了sina微博、新闻网站的标题真实的短文本数据，构建了基础测试数据集，采用LDA与K-means方法作为对比进行了大量对比实验。实验结果表明CW-WGN比LDA和K-means方法能够多发现20%以上的正确话题，而且发现的话题纯度也高于LDA与K-means。此外，CW-WGN消耗的时间最少，能够有效地从实际大规模短文本上发现话题。

随着微博用户的增多，微博平台的信息更新频繁。针对微博文本的数据稀疏性、新词多、用语不规范等特点，提出了基于SOM聚类的微博话题发现方法。从原始语料中对文本进行预处理，通过词向量模型对短文本进行特征提取，降低了向量维度过高带来的计算量繁重问题。采用改进的SOM对话题进行聚类，该算法改善了传统文本聚类的不足，进而能有效地发现话题。实验表明该算法较传统文本聚类算法的综合指标F值有明显提高。

针对传统话题检测方法在微博短文本上存在高维稀疏的缺陷，提出了一种基于特征融合的K-means微博话题发现模型。为了更好地表达微博话题的语义信息，使用在句子中共现的词对向量模型（Biterm_VSM）代替传统的向量空间模型（Vector Space Model，VSM），并结合主题模型（Latent Dirichlet Allocation，LDA）挖掘出微博短文本中的潜在语义，把两个模型得到的特征进行特征融合，并应用K-means聚类算法进行话题的发现。实验结果表明，与传统的话题检测方法相比，该模型的调整兰德系数（Adjusted Rand index，ARI）为0.80，比传统的话题检测方法提高了3%~6%。

新法 nova-faas是一个node.js库，可帮助您实现基于Rabbitmq服务发现的微服务和可伸缩性。 阅读CHANGELOG.md 阅读PLUGINS.md 好处 想得更好！ 想想吻！ 面向配置的框架 github中只有一个整体项目 仅需维护一个整体项目 仅使用配置文件启动所需的服务 不可知论的命令和查询，它们只是必须的承诺 由于结构的原因，测试是独立的 根据需要部署和扩展您的微服务 自动服务发现！ 谢谢rabbitmq 安装 $ npm i -S nova-faas 描述 当心，对于所有这些示例，您都需要在本地主机上运行rabbitmq。 服务器 服务器是主程序，首先需要启动。 因为项目是配置驱动的，所以您仅需要这些代码行即可连续启动所有选定的微服务。 球形图案 此语法将在此目录路径中加载所有位置，并附加1：1队列以执行Promise。 并附加两个1：N队列（对于成功事