介绍

在尝试对图中的节点进行一些分类（将呈现不同）时，我发现自己面临以下问题：

问题

给定一个元素的超集及其S = {0, 1, ... M}许多不相交的子集，其中，找出集合的划分的最佳算法是什么？nT_i0 <= i < nSP

P = S是原始超集的所有不相交分区的并集，其中，对于所有元素，每个“原始”集合中的“父”列表都相同。P_jS0 <= j < Mx in P_jxT_i

例子

所以所有P_j的 s 都是：

问题

1. python 包中有哪些好的函数/类来计算所有P_js及其“父母”列表，理想情况下仅限于numpyand scipy？也许已经有一个功能可以做到这一点
2. 找到这些分区以及每个分区P_j的“父母”列表的最佳算法是什么？让我们注意T_0 = S

我认为蛮力方法是生成所有 2 个集合的组合T并将它们分成最多 3 个不相交的集合，这些集合将被添加回T集合池，然后重复该过程直到所有结果Ts 不相交，因此我们已经得到了我们的答案——P集合。一个小问题可能是在途中缓存所有“父母”。

我怀疑可以使用动态编程方法来优化算法。

注意：我很想用乳胶（通过MathJax）编写数学部分，但不幸的是这没有被激活:-(

我正在研究“文本分析”。现在我有一套语料库，我知道每个文件作者的性别。那么，如何为分类器（贝叶斯、SVM...）构建特征向量。或者你能为我推荐一些关于这个主题的有用文件吗？谢谢！

我希望能够为我的用户分配类别（最多 2 个，允许 1 个）。我希望此用户的任何帖子仅从同一类别列表中分配一个类别（在我的应用程序中称为职业）。

目前，我已经对其进行了配置，以便我可以为每个分配 1，在用户、帖子和专业模型之间具有简单的 belongs_to 和 has_many 关联。这适用于帖子，因为它只需要 1 个专业分配，但对于用户来说，它限制了 2 个的能力。

用户的视图有两个下拉列表，由专业中的项目填充。我可以选择两种不同的职业，但只有一种保留了该职业的价值，我希望它保留这两种职业，或者如果只选择一种，则只接受一种。我的主要限制是，在用户数据库中，只有一个职业列引用了职业 ID。无法复制职业栏，如何设置才能添加第二个职业栏？

或者，我应该如何改变我的数据库设计和模型来完成这个？

用户.rb：

post.rb:

职业.rb：

我正在为 umbraco 做一个简单的项目，我需要一个类别部分。这就是我开始为类别创建页面的原因。在网站中，我使用终极选择器来选择类别。到目前为止，一切都很好，我可以看到我在网站页面中选择的类别。

我的问题是在时尚类别页面下列出所有时尚选择的网站。我找不到任何例子。如果你能在这件事上帮助我，我会很高兴。

您能否给我一些提示，我是否（以及如何）可以在 WEKA 中做到这一点？

我有很多句子，然后我收到一个必须分类的新句子。

现有类别是在现有句子的基础上产生的。首先，如何创建这些类别？

然后，当新句子出现时，我如何将其归类为先前创建的类别之一（不是新的类别）。

我们的网站有用户生成的内容，用户可以使用标签对其内容进行分类。为了使搜索内容更容易，我们正在考虑创建“兴趣”类别，例如：

实现此目的的一种方法是将关键字与每个兴趣类别相关联。因此，如果用户点击爱好，系统将搜索我们与爱好相关联的关键字，例如：

然而，这种方法似乎受到限制，因为用户可以在身体上发布带有“性感”字样的热棒图片，而在我们的系统中，“性感”一词与两个兴趣类别相关联：“性”和“时尚与美容” .

关于如何使这种方法更智能的任何建议？或者，关于公司如何实施这样的事情的建议/建议？

出于搜索能力和清晰度的原因，我想创建一个内容可以并且因此可能应该按类别明确分开的 wiki。

让我们以一个 wiki 作为随机示例，其中每个站点都描述了电影导演在给定时间点的情况。我将有一个组织逻辑如下的页面：Year > Month > director's situation，而且Year > Month > Day > director's situation和Year > director's situation。

1976 > 九月 > 伍迪艾伦：艾伦先生正在拍摄安妮霍尔。

1977 > 伍迪艾伦：艾伦先生在那一年变成了 x。

1979 > 二月 > 伍迪艾伦：艾伦先生正在切割曼哈顿。

好的，这是一个愚蠢的例子，但它明白了这一点。所以现在每个时间框架都有不同内容的伍迪艾伦页面。我希望实现良好的搜索能力，因为我的实际应用程序中的标题不会像名称那样明显，并且不同页面的唯一标识。我的问题是，鉴于内容的明确分类，在 mediaWiki 中实现这一目标的最佳策略是什么？

1. 创建类别层次结构（例如，年 > 月 > 日：导演）和匹配的子页面层次结构（年/月/日/导演）。
2. 创建类别的层次结构，然后只有一个页面标题，如“导演，年，月日”
3. 只是用子页面组织一切。
4. ……

我会选择#1。类别的层次结构允许干净的搜索+incategory:"Category Name"，子页面的层次结构允许更漂亮的页面标题（特别是如果类别具有长名称）。这个解决方案有什么陷阱吗？

有人知道好的开源文本分类模型吗？我知道 Stanford Classifier、Weka、Mallet 等，但它们都需要培训。

我需要将新闻文章分类为体育/政治/健康/游戏/等。有没有预先训练好的模型？

Alchemy、OpenCalais 等不是选项。我需要开源工具（最好是 Java）。

我在 SAS Content Categorization Studio 工作。我试图获得两个概念，每个概念都包含一个正则表达式，以返回多个匹配项。一个应该找到日期，另一个是特别格式化的数字。

只要应该查找日期（前者）的正则表达式处于活动状态或未注释掉，则应该找到格式化数字（后者）的正则表达式不会返回任何命中。一旦我注释掉日期的正则表达式，后者就会继续工作。它们似乎是相互排斥的。谁能告诉我我做错了什么？

我有一个包含 20 列的表格，我喜欢将其分类；

我不喜欢使用 20 case ... when 语句。任何知道如何更动态和有效地做到这一点的人？可以是 SQL 或 PL/SQL。

我尝试了一些 PL/SQL，但没有看到将列名用作变量的简单方法。

非常感谢。

弗兰斯