1.连接数据库(三种方式相等)
2.事务操作
a)直接返回结果
b)以pandas格式返回结果
事务操作样例
3.匹配关系
查找alice的所有朋友
4.带参数查询
5.NodeSelector使用,可以使用Cypher语言的where部分
6.删除操作
1.连接数据库(三种方式相等)
2.事务操作
a)直接返回结果
b)以pandas格式返回结果
事务操作样例
3.匹配关系
查找alice的所有朋友
4.带参数查询
5.NodeSelector使用,可以使用Cypher语言的where部分
6.删除操作
使用豆瓣源
sudo pip install #package -i http://pypi.douban.com.simple —trusted-host pypi.douban.com
搜索在20年前就已出现在互联网,而如今搜索已经无处不在。传统的搜索像这样,用户给出Query,Query中包含1个或多个关键词,搜索引擎通过关键词去检索返回查询结果。然而,在互联网上存在的资源早已是亿万级,所以仅仅用传统的搜索方法去返回给用户查询结果势必会存在大量用户不需要的结果,根据2007年”Tag recommendations in folksonomies”一文中提出不考虑用户偏好返回的搜索结果中仅有20%-45%是用户想要的,另外,用户所想查找的内容也可能远远不在结果的前列,所以,这类问题的解决需要在传统的搜索方法上考虑context-上下文,即,
简要概括:1.用户搜索返回的结果大量是其所不需要的;2.不同的用户提出同一个关键词,搜索引擎返回的结果都是同样的,而不同的用户使用同一个关键词所想搜索的意图其实可能是不同的.
将(1)用户的行为、习惯、兴趣/历史搜索结果等等;(2)资源上下文(3)任务上下文等因素考虑进去。
网络个性化用于四类:predicting web navigation, assisting personalization information, personalizing content, and personalizing search results
有两类方法:协同过滤和user profiles
协同过滤的缺点:这种方法能根据大多数人的兴趣推测什么是流行的,但不能预测某一个用户是否对新的页面是否感兴趣.
1.User Models
1.1 可以用来构建用户特征的有
a)内容方面:查询的关键词、网页的内容、桌面索引等等
b)行为方面:浏览的网页、tag 活动/直接或间接的反馈等
c)上下文方面:性别、年龄、地理位置、时间等
1.2 时间上分短期和长期兴趣(将两者结合起来,按时间分配权重)
1.2.1长期兴趣偏好建立方式:
行为:具体的查询和URLs
内容:语言模型/主题模型
1.2.2短期兴趣偏好建立方式:
搜索session的queries
1.3 用户分个体还是某类群体
Note:
a.在用户model中还需考虑的有长期和短期的兴趣,仅仅根据用户长期的兴趣来推测用户现在想要的搜索结果会有偏差.e.g.一个人之前搜索的”java”都是关于编程语言,但不排除他下一次搜索”java”是要找”java咖啡或者java 岛”.用户的兴趣会改变的.
b.对用户可profile的信息有:Clickthrough Histories/Queries Histories/搜索过网页的Snippets/收藏过的书签
c.Domain Ontological:所谓的领域本体(domain-specific ontology)就是对学科概念的一种描述,包括学科中的概念、概念的属性、概念间的关系以及属性和关系的约束。由于知识具有显著的领域特性,所以领域本体能够更为合理而有效地进行知识的表示。
d.Folksonomy中的challenges:(1)用户标注的tags有很多的同样的拼写,不同意思的单词;有很多同义词;(2)怎么根据tags去对用户偏好建模(Tags聚类/VSM-空间向量模型/领域本体论(有一篇文章中将用户的tags映射到ODP(the Open Directionary Project)-Web topic ontology中))
—在Folksonomy中,用户标注的资源都是用户所感兴趣的资源,或者说用户所标注的资源都能代表用户的兴趣偏好;也就是说用户不再仅仅是web资源的消费者,同时用户可以通过承担web的一些任务同时方便其他web用户.(Folksnonomy这样一类系统代表性的有:Flickr.com/Delicious.com/Last.fm)
e.Clustering:聚类用于两个方面:切分和分层(分级).
f.Social Context:有一些预定义好的值,每个上下文的值都有具体的值.Verbal Context:历史查询/点击记录等
1.可以入手的方面有三类:user model(long-term & short-term)/query的替换或扩充/resource(web resource)/privacy/evaluation/查询效率
2.可以选择的对象有两个:Server端和Client-Side端
用户相关性:
1.直接的显示反馈
2.隐式地从点击熵获得
用户潜在的意图:
1.上下文的元数据
Location/Time/Device
2.过去的行为
当前的session活动/长期的活动和兴趣偏好
基本的方法:
(1)对Query做扩展或替换
比如,用户正在浏览的关于汽车的页面,那么当他搜索“轮廓”时,会将Query的关键词添加“汽车”关键词,使返回的结果是用户想要找的汽车轮廓结果。
(2)对结果排序
根据user profile,进行相似度匹配对结果重新排序。
1.MovieLens(notations & ratings)
2.Delicious.com(bookmarks)
3.Flickr(notations)
4.DOMZ(ODP)—web search经常使用
5.BibSonomy(http://bibsonomy.org)
6.CiteULike(网页书签数据)
其他方法:
1)2002年CIKM中将用户的Query分类
2)2003年”Scaling Personalized Web Search”根据用户兴趣给页面分配权重用图来计算,类似PageRank
3)2005年WWW”A Personalized Search Engine Based on Web-Snippet Hierarchical Clustering”对网页的Snippet做了聚类然后对结果再根据User Profile对查询结果再排序
(Snippet指的是网页的标题和摘要)
4)2005年WWW-“CubeSVD: A Novel Approach to Personalized Web Search”将用户的点击链接历史记录(who click which web page)作为user profile部分辅助查询.通过从点击链接记录数据中发现用户的兴趣和搜索信息的模式.
5)2005年CIKM”Implicit User Modeling for Personalized Search”User Model方法,完成了一个客户端查询代理.针对长期兴趣可能会改变的问题,本文中利用即时的搜索上下文和隐式的反馈来user model.
隐式的反馈信息有着两类:1)根据之前的查询寻找合适的term去扩展现在的query;2)利用用户已经看过的文档形成摘要来对没有看过的文档重新排序
6)2005年WI”Personalized Serach Based on User Search History”根据用户搜索历史对用户profile,利用User Profiles来对查询或者snippets分类,然后再对搜索结果重排序
7)2005年WI”Personaliezed Search Results with User Interest Hierarchies Learnt from Bookmarks”建立分层的user profile来对查询结果重新排序.
8)2005年DATAK期刊”Category ranking for personalzied search”在ODP分类基础上根据用户profile重新选择一个子图结构分类来personalize 查询结果
9)2006年WWW”Automatic Identification of User Interest For Personalized Search”利用用户历史点击记录构建user profile来对查询结果重新排序.
补充:2006年SIGKDD”Mining Long-Term Search History to Improve Search Accuracy”挖掘用户长期的搜索历史提出统计的语言模型
10)2007年WWW”A Large-scale Evaluation and Analysis of Personalized Search Strategies”评价Personalized Search对于传统搜索是否有提高,并且揭示了Click-Based方法优于profile-based方法
11)2007年CIS”Personalized Web Search Using User Profile”在Client-Side构建User Profile,然后对用户的Query根据Profile进行扩充使查询更具体,将Query提交给Search Engine.
12)2007WWW”Privacy-Enhancing Personalized Web Search”权衡用户隐私和个性化搜索的需要,将用户无结构的个人数据整合成有结构的User Profile
13)2007年SIGIR”Privacy Protection in Personalized Search”在个性化搜索时同时保护用户隐私,在Client-Side保护隐私比在Server-Client要好
14)2007年WI”Using Personalized Web Search for Enhancing Common Sense and Folksonomy Based Intelligent Search Systems”对于大众分类标签的这样的系统中,用户检索时对于其他用户标注的内容会检索到不相关的内容,本文利用搜索历史和兴趣分类来建立用户偏好
15)2008年CIKM”Matching Task Profiles and User Needs in Personalized Web Search”在Client-Side,同时结合用户之前的历史搜索结果和对用户建立不同粒度的profile.同时结合past search results(search histories)和current session context就弥补了只根据用户长期兴趣造成的缺点.
16)2008年WWW”Personalized Search and Exploration with MyTag”一篇DEMO完成了这样一个系统,根据flickr,YouTube和del.icio.us多个系统构造用户profile,在用户查询时完成返回多个平台的个性化资源结果.
17)2008年SIGIR”The Impact of History Length on Personalized Search”一篇DEMO基于任务研究web search(Task-based即限制了查询的方向,限制了查询任务),研究了搜索历史的长度对personalized search的影响.
18)2009年”Cluster Based Personalized Search”着手了两方面:利用文本聚类方法来Personalized Search和新的evaluation准则
19)2009年WSDM”Discovering and Using Groups to Improve Personalized Search”由于利用收集的个人信息来User Profile,但是由于通常User的个人信息通常不足够来构建,所以该篇文章利用其他用户来辅助收集用户个人信息.通过Query的相似性groupize一类用户
20)2009年TKDE期刊”Evaluating the Effectiveness of Personalized Web Search”测试了五种personalized search算法,提出了新的评价框架来测试是否personalized search对于不同的用户提出不同的queries在不同的搜索上下文中有没有用.(五种测试方法:2种Click-based和3种Topipcal-interest-based);并且,提出了现有的personalized search的缺点:大多数提出的算法都是运用到所有的用户和查询上(对于有些很明确的查询不需要应用personalized;personalization算法的有效性会根据不同的搜索上下文而不同;现有的论文中测试personalized search的算法是基于少量的参与者积累查询数据集,很少有在真是世界中数据集做测试)
21)2009年CIKM”Personalized Social Search Based on the User’s Social Network”利用用户的三种社会关系:家庭社会关系/相似社会关系/全部的社会关系来建立user profile
22)2009年CSE”Social Tagging in Query Expansion:a New Way for Personalized Web Search”对于社交网络和协标注系统利用协标注来对Query进行扩展
23)2009年Konwl Inf syst”Towards a graph-based user profile modeling for a session-based personalized search”提出了利用图结构来user profile
24)2010年WWW”Anonymizing User Profiles for Personalized Web Search”关于user profile的隐私保护
25)2010年”Applying Taxonomic Knowledge and Semantic Collaborative Filtering to Personalized Search: a Bayesian Belief Network based Approach”对于利用查询关键词匹配得到结果的方法而言,有些结果与查询有关而却与查询的关键字术语没有能匹配的结果往往会漏掉.该篇文章为了找出具有权威性的文本,通过语义协同过滤,用贝叶斯信念网络来代表用户的偏好,查询和相关的文本.
26)2010年CIKM”CiteData:A new multi-faceted dataset for evaluating personalized search performance”现在的personalized search系统使用了用户各种各样的特征数据如:文本超链接/分类标签等,将各种分类方法和社会标注结合起来,随之有分类/PageRank/协同过滤等算法来处理personalized search,但是对于这些方法的评价一直没有合适的数据集,所以该篇文章提出新的评价方法,利用多种多方面的数据来评价personalized search方法的表现.
27)2010年AMT”Folksonomy-Based Ontological User Interest Profile Modeling and Its Application in Personalized Search”在大众分类系统中,利用用户标注的tags并运用领域本体论来构建用户兴趣偏好
28)2010年ICDE“Personalized Web Search with Location Preferences”文中将用户偏好概念分为了内容概念和位置概念,本文不仅从搜索结果/点击率来构建内容上的兴趣偏好,还考虑了位置概念.
29)2010年WIC”Personalized Search based on a User-centered Recommender Engine”提出了将推荐系统和Personalized Search结合起来
30)2011年CIKM”A Framework for Personalized and Collaborative Clustering of Search Results”根据search results利用Wiki预料来聚类和协同过滤的方法来优化个性化搜索结果.
30)2011年WEBIST”A Multi-factor Tag-Based Personalized Search”提出了利用用户的tag activity(浏览过的网页和对网页分配的标签)来建立用户的偏好然后再重新排序搜索结果.
31)2011年IS的期刊”A personalized search using a semantic distance measure in a graph-based ranking model”用图结构(映射到ODP上)来表示文本和user profiles,基于语义距离测量来重新对搜索结果排序.
32)2011年UMAP”Leveraging Collaborative Filtering to Tag-Based Personalized Search”利用协同过滤的方法通过其他相似用户计算用户的潜在兴趣偏好,通过相似物品来构建物品的潜在tags.
33)2011年CSC”Modeling User’s Preference in Folksonomy for Personalized Search”在大众分类系统利用标签聚类来构建user profile
34)2011年Canadian AI”Normal Distribution Re-Weighting for Personalized Web Search”根据term的频率建立向量构建profile,但是同时重新对vector建立权重.因为频率大小对profile的影响是不一样的,其中,比较注重的是Mid-frequency.
35)2011年WWW”Personalized Search on Flickr based on Searcher’s Preference Prediction”一篇DEMO,基于Flickr系统根据用户的朋友的兴趣偏好和聚类方法来预测该用户所要找的图片.(e.g.用户搜索”长城”,返回118147张照片结果,但是,他/她所需要或想要的是哪一张或那几张需要自己去从中挑选)
36)2011年FSKD”User Profile for Personalized Web Search”利用三种机器学习方法(Rocchio/K-Nearest Neighbors/SVM)来构建user profiles
37)2012年ICCCI”Construction of Semantic User Profile for Personalized Web Search”完成这样一个系统,让用户输入用户名和邮件地址后从网页抓取和邮件地址相关的信息来构建user profile(使用VSM)(依据ODP).
38)2012年APWeb”Context-Aware Personalized Search Based on User and Resource Profiles in Folksonomies”指出了之前运用于Folksonomy系统中建立VSM后TF-IDF和BM25方法的不合理之处.
39)2012年Information Systems期刊”Folksonomy-based personalized search and ranking in social media services”同时利用面向用户的tags和面向items的tags构建模型,构建user-tag矩阵/user-item矩阵/tag-item矩阵;对于查询的term没有出现在标注中的情况也能够对结果重新排序
40)2012年”Multilingual User Modeling for Personalized Reranking of Multilingual Web Search Results”用多语言来构建用户模型.
41)2012年ADMA”Personalized Diversity Search Based on User’s Social Relationships”针对搜索引擎由于不能领会用户潜在的意图和兴趣偏好,所以不能返回给用户精确/充足,且伴随有累赘的结果.现有的方法有返回多样性的结果来满足大部分用户,并且统一地运用到所有的用户和查询中,返回的结果通常返回的是大部分用户的需求,对于某个用户的具体需求并没有被考虑进去.本文将多样性搜索和个性化搜索结合来使搜索结果对于群体和某个用户来说更加精确.
42)2012年SIGMOD”Taagle:Efficient,Personalized Search in Collaborative Tagging Networks”用户带有在社交网络中的权值,items带有用户的关键词标注,用户用某一个tags来搜索返回Top-k个结果
43)2013年SIGMOD”Efficient Ad-hoc Search for Personalized PageRank”对PPR做了改进
44)2013年WWW”Enhancing Personalized Search by Mining and Modeling Task Behavior”提出之前在Personalized Search中都是比较依赖和用户历史查询记录相关信息,对于新的查询可能会无所适从;本文提出了Task-based(基于URLs)的方法,通过在历史搜索日志中挖掘出提出过和当前用户任务相关的用户,利用他们的on-task行为来提升web pages的排序.并将算法和Query-based进行对比
45)2013年(LiQing)WI-IAT”Finding Dominating Set from Verbal Contextual Graph for Persoanlized Search in Folksonomy”对于去挖掘用户潜在的意图和兴趣偏好,基于上下文的信息是不可或缺的,在社会语言学中上下文中分为Verbal Context(queries历史/点击历史数据)和social context(mood/weather/time).通过对比了social context之后,作者选用了verbal context语言模型,verbal context模型用图结构构造,并将重要的节点区别出来.
46)2013年SIGKDD一篇DEMO”LAICOS:An Open Source Platform Personalized Social Web Search”1.利用了文本内容来建立social context2.和之前方法一样也用了对query进行扩展的方法.当用户提出一个query,系统会根据用户experience匹配query,同时,系统还会根据其他提出过相似查询的用户来返回相似的文档
47)2013年CIKM”Personalized Models of Search Satisfaction”这篇文章通过区分不同用户的搜索行为来建立用户的满意度,从而使个性化搜索更为准确.(依赖于点击数据)
48)2013年SIGIR”Personalized Ranking Model Adaptation for Web Search”针对之前搜索引擎对所有的用户都运用单一的排序模型而提出了新的排序模型(通过一系列的线性转化,缩放或者转变)
49)2013年ICCCSA”Personalized Semantic Search Using ODP:A Sutdy Case in Academic Domain”将文本大致分类到相应的实体ODP来完成语义搜索
50)2013年SIGIR”SoPRa: A New Social Personalized Ranking Function for Improving Web Search”提出了新的搜索结果等级排序函数
51)201年SIGIR”Using Social Annotations to Enhance Document Representation for Personalized Search”基于用户查询过的网页,不仅仅基于该用户对其的标注,而且考虑其他用户的标注.因为如果只考虑该用户的标注存在两个问题:1)忽略了他没有标注的页面2)分配的等级分数不合理
52)2014年WSDM”Adapting Deep RankNet for Personalized Search”:RankNet被广泛地应用在web搜索任务中,但是很少有应用在Personalized Search中.本文利用5层深度神经网络来构造RankNet运用于Personalized Search中.
53)2014年KDD”Personalized Search Result Diversification via Structured Learning”利用有监督学习来解决搜索结果个性化多样性的问题,既保持结果的多样性,同时结合用户的兴趣偏好
54)2015年”Adaptive and Multiple Interest-aware User Profiles for Personalized Search in Folksonomy:A Simple but Effective Graph-based Profiling Model”基于图结构利用社会标注的tags构造自适应的且融合多种用户兴趣偏好的user profiles.
55)2015年WWW”An Optimization Framework for Weighting Implicit Relevance Labels for Personalized Web Search”提出了之前给web document分配权重的不合理之处,另外重新提出了personalized ranking算法.
56)2015年”Real Time Personalized Search on Social Networks”提出了在社交网络平台中两个特点1)频繁的内容更新2)小社区群体;而现有的搜索算法都还不能解决这样两个问题,本文提出了实时的personalized top-k查询(等级排序算法融合了时间/社会相关性/文本相似性).加入了时间因素
57)2016年SIGKDD”How to Get Them a Dream Job”主要针对Job Personalized Search.
58)2016年SIGIR一篇DEMO”Learning to Rank Personalized Search Results in Professional Networks”在领英中提出新的结果等级排序算法.
59)2016年Neurocomputing”Personalized search for social media via dominating verbal context”Qing Li同之前篇
60)2016年Knowledge-Based Systems”Preference recmmendation for personalized search”综合之前的user profiles模型,本文指出使用比较广泛有一个CP-nets模型,不仅能简明地表达用户定性的兴趣偏好,而且很好地定义了用户偏好的范围.现在很多基于CP-nets的搜索系统都是假设用户之前已经定义好他们的兴趣偏好范围,但是在生活中这并不现实.本文的工作一方面利用不完全的CP-nets,另一方面利用协同过滤来弥补CP-nets的不足.还有一方面,本文提出偏好推荐模式来弥补CP-nets的不足.
61)2016年”Topic Model based Privacy Protection in Personalized Web Search”本文在保持搜索引擎个性化的同时,通过在用户查询日志中加入控制噪声来保护用户隐私.
Collaboative Tagging Systems:协标签系统,类似于YouTube、Flickr这样一类系统,允许用户使用标签对资源进行标注,而得出用户的标签;所以,用户具有标签,资源也有标签,这样称为协同标签。
folksonomy:大众分类的。如上所说的一些系统中允许用户去标注资源,即,利用大众的力量去分类资源。
personalized search:个性化搜索,在返回和查询相关的结果时不仅考虑和搜索的关键词相关,并且考虑用户的profile(偏好)。
论文中首先总结了之前的工作中对用户和资源的profile构建的方法,用户和资源的profile的tag的权重计算方法有TF、TF-IDF、BM25,以及用户兴趣和资源相似性的计算方法,但这些方法都存在一定的局限性。
TF方法:对于标注比较频繁或者比较活跃的用户,经常使用某些tag标注。如果使用TF计算tag的权重,那么,对于不经常标注资源的用户,其偏好的标签权重必定比活跃的用户tag小很多。
举个例子:
Tom = {(tag1:300;tag2:200;tag3:280)}; Jerry = {(tag1:50;tag2:30;tag3:10)} 对于,Tom和Jerry来说,tag1都是其偏好的,但是如果以TF来计算,tag1对于Tom的偏好程度是大于Jerry的,而其实,tag1对Jerry是更为感兴趣的。同理,对于资源标签权重计算方法也存在相似问题。
TF-IDF方法:这里为TF-IDF的演变版,TF-IUF和TF-IRF。TF-IDF用来表示一个tag能否表示该实体的程度,同理,TF-IUF和TF-IRF表示一个标签能否表示该用户和资源。但是,这里存在的问题是,标签的权值并不能表示用户对于该标签的偏好程度。
举个例子:
Tom的标签使用频率如下:[tag1:500;tag2:400;…;tagn:1]。如果使用TF-IDF方法来计算标签权重,那么,tagn的TF-IDF权重是最大的,但是,tagn并不是用户最感兴趣的。同理,对于资源标签权重计算方法也存在相似问题。
BM25:BM25方法是以TF和TF-IDF的值作为变量,所以BM25方法也存在以上的局限性。
用户兴趣与资源相似性计算方法:一般计算该相似度采用的方法是余弦相似性等相似性计算法方法,这存在一些问题。因为现在用户的标签的权值代表的是用户对该tag的感兴趣程度,而不是与目标资源的相关程度,所以用一般相似性计算方法是不合理的。
举个例子:
Resource1 = {(tag1:0.9;tag2:0.95;tag3:0.85)}; Resource2 = {(tag1:0.9;tag2:0.1;tag3:0.01)}; User = {(tag1:0.8;tag2:0.5;…;tag3:0.25)}。如果用一般方法计算相似度,那么R1相似性小于R2,而与用户偏好相似的更多是R1。是因为用户对tag1,tag2,tag3都是偏好的,而R2只是对tag1更符合一些。
所以,基于以上方法的不合理之处,该论文提出了计算user和resource标签权值及计算用户兴趣和资源相关性的方法。
某用户中标签的权值 = 该标签被用来标注的次数 / 该用户标签总标注次数
某资源中标签的权值 = 使用该标签标注该资源的用户数 / 标注该资源的总用户数
分为查询相似性计算和用户兴趣与查询相似性计算。相关公式见论文。
最后,将两个相似性分数融合得到相似性分数。
数据集:MovieLens数据集和该论文自己的一个demo系统。
1.标准1:imp = 1 / rp - 1 / rb;rp为新方法对目标资源的等级,rb为baseline方法对目标资源的等级。
2.标准2:HR:命中率计算方法
3.标准3:MRR:平均倒数评级
由于学校服务器上不允许随便装其他环境,所以用自己pc跑了程序.
学校服务器配置:10台物理机 每台机子2个核
PC:4核
1.OpenMPI
2.Python环境
3.nltk包安装
4.numpy环境
5.mpi4py
|
|
1.48个用户,每个用户10个标签 加速比1.6左右(单核:365s;4核:226s)
3.100个用户,每个用户10个标签,加速比1.7左右(单核:781s;4核:457s)
3.1000个用户,每个用户10个标签,加速比(1.8左右)(单核:5706s;4核:3108s)
4.10000个用户,每个用户10个标签,加速比(2左右)(单核:69299s;4核:34643s)
近日,论文中涉及到NP-Hard问题,写下笔记对以上问题进行区分.
P问题:在多项式时间内可以求解的问题.
NP问题:在多项时间内不能求解,在多项式时间内可以验证的问题.
NP-Hard问题:所有的NP问题在多项式时间内可以归约到该问题,该问题为NP-Hard问题.
NP-Complete问题:一个问题即是NP-Hard问题,同时又是NP问题.
安装mpi4py所需要的依赖包(python2.7版本/Cpython/Openmpi)
1.源码包安装Python2.7版本
2.安装Cpython
使用当前用户目录下的python版本来进行安装
3.安装openmpi
配置openmpi环境变量
安装mpi4py包(同Cpython包安装方法)
重新选择neo-4j官方的与python交互包,尝试了py2neo包后发现对neo4j了解还不够,很多操作只是浅尝辄止,所以,决定阅读neo4j的官方开发驱动包,并尝试学习Cypher语言,这对以后对人物关系的挖掘是有帮助的.
neo-4j由两部分组成:relationship,label和property,label或者relationship中包含property,label与label之间形成关系.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
更新操作
2.5 Cypher语法
2.5.1 CASE语法
|
|
2.5.2 带参数查询
2.5.3 定义正则表达式
2.5.4
用json数据创建结点
用json数据批量创建结点
2.5.5 查询关系(限定跳数)
a到b的跳数少于7跳
2.5.6 Match
匹配关系
两点之间最短长度的路径
2.5.7 直接从CSV文件中批量插入结点数据
当CSV文件包含大量数据时,使用USING PERIODIC COMMIT
2.5.7 Set
|
|
2.5.8 Delete
2.5.9 Remove
Remove和Delete不同之处在于,Delete用来删除结点,而Remove用来移除结点的属性和标签.
2.5.10 FOREACH
安装驱动
带参更新数据
|
|
保存结果
I am happy to join with you today in what will go down in history as the greatest demonstration for freedom in the history of our nation.
Five score years ago, a great American, in whose symbolic shadow we stand today, signed the Emancipation Proclamation. This momentous decree came as a great beacon light of hope to millions of Negro slaves who had been seared in the flames of withering injustice. It came as a joyous daybreak to end the long night of bad captivity.
But one hundred years later, the Negro still is not free. One hundred years later, the life of the Negro is still sadly crippled by the manacles of segregation and the chains of discrimination. One hundred years later, the Negro lives on a lonely island of poverty in the midst of a vast ocean of material prosperity. One hundred years later, the Negro is still languished in the corners of American society and finds himself an exile in his own land. And so we’ve come here today to dramatize a shameful condition.
In a sense we’ve come to our nation’s capital to cash a check. When the architects of our republic wrote the magnificent words of the Constitution and the Declaration of Independence, they were signing a promissory note to which every American was to fall heir. This note was a promise that all men, yes, black men as well as white men, would be guaranteed the “unalienable Rights” of “Life, Liberty and the pursuit of Happiness.” It is obvious today that America has defaulted on this promissory note, insofar as her citizens of color are concerned. Instead of honoring this sacred obligation, America has given the Negro people a bad check, a check which has come back marked “insufficient funds.”
But we refuse to believe that the bank of justice is bankrupt. We refuse to believe that there are insufficient funds in the great vaults of opportunity of this nation. And so, we’ve come to cash this check, a check that will give us upon demand the riches of freedom and the security of justice.
We have also come to this hallowed spot to remind America of the fierce urgency of Now. This is no time to engage in the luxury of cooling off or to take the tranquilizing drug of gradualism. Now is the time to make real the promises of democracy. Now is the time to rise from the dark and desolate valley of segregation to the sunlit path of racial justice. Now is the time to lift our nation from the quicksands of racial injustice to the solid rock of brotherhood. Now is the time to make justice a reality for all of God’s children.
It would be fatal for the nation to overlook the urgency of the moment. This sweltering summer of the Negro’s legitimate discontent will not pass until there is an invigorating autumn of freedom and equality. Nineteen sixty-three is not an end, but a beginning. And those who hope that the Negro needed to blow off steam and will now be content will have a rude awakening if the nation returns to business as usual. And there will be neither rest nor tranquility in America until the Negro is granted his citizenship rights. The whirlwinds of revolt will continue to shake the foundations of our nation until the bright day of justice emerges.
But there is something that I must say to my people, who stand on the warm threshold which leads into the palace of justice: In the process of gaining our rightful place, we must not be guilty of wrongful deeds. Let us not seek to satisfy our thirst for freedom by drinking from the cup of bitterness and hatred. We must forever conduct our struggle on the high plane of dignity and discipline. We must not allow our creative protest to degenerate into physical violence. Again and again, we must rise to the majestic heights of meeting physical force with soul force.
The marvelous new militancy which has engulfed the Negro community must not lead us to a distrust of all white people, for many of our white brothers, as evidenced by their presence here today, have come to realize that their destiny is tied up with our destiny. And they have come to realize that their freedom is inextricably bound to our freedom.
We cannot walk alone.
And as we walk, we must make the pledge that we shall always march ahead.
We cannot turn back.
There are those who are asking the devotees of civil rights, “When will you be satisfied?” We can never be satisfied as long as the Negro is the victim of the unspeakable horrors of police brutality. We can never be satisfied as long as our bodies, heavy with the fatigue of travel, cannot gain lodging in the motels of the highways and the hotels of the cities. We cannot be satisfied as long as the Negro’s basic mobility is from a smaller ghetto to a larger one. We can never be satisfied as long as our children are stripped of their selfhood and robbed of their dignity by signs stating “for whites only.” We cannot be satisfied as long as a Negro in Mississippi cannot vote and a Negro in New York believes he has nothing for which to vote. No, no, we are not satisfied, and we will not be satisfied until “justice rolls down like waters, and righteousness like a mighty stream.”
I am not unmindful that some of you have come here out of great trials and tribulations. Some of you have come fresh from narrow jail cells. And some of you have come from areas where your quest — quest for freedom left you battered by the storms of persecution and staggered by the winds of police brutality. You have been the veterans of creative suffering. Continue to work with the faith that unearned suffering is redemptive. Go back to Mississippi, go back to Alabama, go back to South Carolina, go back to Georgia, go back to Louisiana, go back to the slums and ghettos of our northern cities, knowing that somehow this situation can and will be changed.
Let us not wallow in the valley of despair, I say to you today, my friends.
And so even though we face the difficulties of today and tomorrow, I still have a dream. It is a dream deeply rooted in the American dream.
I have a dream that one day this nation will rise up and live out the true meaning of its creed: “We hold these truths to be self-evident, that all men are created equal.”
I have a dream that one day on the red hills of Georgia, the sons of former slaves and the sons of former slave owners will be able to sit down together at the table of brotherhood.
I have a dream that one day even the state of Mississippi, a state sweltering with the heat of injustice, sweltering with the heat of oppression, will be transformed into an oasis of freedom and justice.
I have a dream that my four little children will one day live in a nation where they will not be judged by the color of their skin but by the content of their character.
I have a dream today!
I have a dream that one day, down in Alabama, with its vicious racists, with its governor having his lips dripping with the words of “interposition” and “nullification” — one day right there in Alabama little black boys and black girls will be able to join hands with little white boys and white girls as sisters and brothers.
I have a dream today!
I have a dream that one day every valley shall be exalted, and every hill and mountain shall be made low, the rough places will be made plain, and the crooked places will be made straight; “and the glory of the Lord shall be revealed and all flesh shall see it together.”?
This is our hope, and this is the faith that I go back to the South with.
With this faith, we will be able to hew out of the mountain of despair a stone of hope. With this faith, we will be able to transform the jarring discords of our nation into a beautiful symphony of brotherhood. With this faith, we will be able to work together, to pray together, to struggle together, to go to jail together, to stand up for freedom together, knowing that we will be free one day.
And this will be the day — this will be the day when all of God’s children will be able to sing with new meaning:
My country ‘tis of thee, sweet land of liberty, of thee I sing.
Land where my fathers died, land of the Pilgrim’s pride,
From every mountainside, let freedom ring!
And if America is to be a great nation, this must become true.
And so let freedom ring from the prodigious hilltops of New Hampshire.
Let freedom ring from the mighty mountains of New York.
Let freedom ring from the heightening Alleghenies of
Pennsylvania.
Let freedom ring from the snow-capped Rockies of Colorado.
Let freedom ring from the curvaceous slopes of California.
But not only that.
Let freedom ring from Stone Mountain of Georgia.
Let freedom ring from Lookout Mountain of Tennessee.
Let freedom ring from every hill and molehill of Mississippi.
From every mountainside, let freedom ring.
And when this happens, when we allow freedom ring, when we let it ring from every village and every hamlet, from every state and every city, we will be able to speed up that day when all of God’s children, black men and white men, Jews and Gentiles, Protestants and Catholics, will be able to join hands and sing in the words of the old Negro spiritual:
Free at last! Free at last!
Thank God Almighty, we are free at last!
今天,我高兴地同大家一起参加这次将成为我国历史上为争取自由而举行的最伟大的示威集会。
100年前,一位伟大的美国人—今天我们就站在他的雕像前—签署了《解放黑奴宣言》。这项重要法令的颁布,对于千百万灼烤于非正义残焰中的黑奴,犹如带来希望之光的硕大灯塔,恰似结束漫漫长夜禁锢的欢畅黎明。
然而100年后的今天,我们必须正视黑人还没有得到自由这一悲惨的事实。100年后的今天,在种族隔离的镣铐和种族歧视的枷锁下,黑人的生活备受压榨。100年后的今天,黑人仍生活在物质充裕的海洋中一个穷困的孤岛上。100年后的今天,黑人仍然蜷缩在美国社会的角落里,并且意识到自己是故土家园中的流亡者。今天我们在这里集会,就是要把这种骇人听闻的情况公诸世人。
就某种意义而言,今天我们是为了要求兑现诺言而汇集到我们国家的首都来的。我们共和国的缔造者草拟宪法和独立宣言的气壮山河的词句时,曾向每一个美国人许下了诺言,他们承诺所有人—不论白人还是黑人—都享有不可让渡的生存权、自由权和追求幸福权。
就有色公民而论,美国显然没有实践她的诺言。美国没有履行这项神圣的义务,只是给黑人开了一张空头支票,支票上盖着“资金不足”的戳子后便退了回来。但是我们不相信正义的银行已经破产,我们不相信,在这个国家巨大的机会之库里已没有足够的储备。因此今天我们要求将支票兑现——这张支票将给予我们宝贵的自由和正义保障。
我们来到这个圣地也是为了提醒美国,现在是非常急迫的时刻。现在绝非奢谈冷静下来或服用渐进主义的镇静剂的时候。现在是实现民主的诺言时候。现在是从种族隔离的荒凉阴暗的深谷攀登种族平等的光明大道的时候,现在是向上帝所有的儿女开放机会之门的时候,现在是把我们的国家从种族不平等的流沙中拯救出来,置于兄弟情谊的磐石上的时候。
如果美国忽视时间的迫切性和低估黑人的决心,那么,这对美国来说,将是致命伤。自由和平等的爽朗秋天如不到来,黑人义愤填膺的酷暑就不会过去。1963年并不意味着斗争的结束,而是开始。有人希望,黑人只要撒撒气就会满足;如果国家安之若素,毫无反应,这些人必会大失所望的。黑人得不到公民的基本权利,美国就不可能有安宁或平静,正义的光明的一天不到来,叛乱的旋风就将继续动摇这个国家的基础。
但是对于等候在正义之宫门口的心急如焚的人们,有些话我是必须说的。在争取合法地位的过程中,我们不要采取错误的做法。我们不要为了满足对自由的渴望而抱着敌对和仇恨之杯痛饮。我们斗争时必须永远举止得体,纪律严明。我们不能容许我们的具有崭新内容的抗议蜕变为暴力行动。我们要不断地升华到以精神力量对付物质力量的崇高境界中去。
现在黑人社会充满着了不起的新的战斗精神,但是不能因此而不信任所有的白人。因为我们的许多白人兄弟已经认识到,他们的命运与我们的命运是紧密相连的,他们今天参加游行集会就是明证。他们的自由与我们的自由是息息相关的。我们不能单独行动。
当我们行动时,我们必须保证向前进。我们不能倒退。现在有人问热心民权运动的人,“你们什么时候才能满足?”
只要黑人仍然遭受警察难以形容的野蛮迫害,我们就绝不会满足。
只要我们在外奔波而疲乏的身躯不能在公路旁的汽车旅馆和城里的旅馆找到住宿之所,我们就绝不会满足。
只要黑人的基本活动范围只是从少数民族聚居的小贫民区转移到大贫民区,我们就绝不会满足。
只要我们的孩子被“仅限白人”的标语剥夺自我和尊严,我们就绝不会满足。
只要密西西比州仍然有一个黑人不能参加选举,只要纽约有一个黑人认为他投票无济于事,我们就绝不会满足。
不!我们现在并不满足,我们将来也不满足,除非正义和公正犹如江海之波涛,汹涌澎湃,滚滚而来。
我并非没有注意到,参加今天集会的人中,有些受尽苦难和折磨,有些刚刚走出窄小的牢房,有些由于寻求自由,曾在居住地惨遭疯狂迫害的打击,并在警察暴行的旋风中摇摇欲坠。你们是人为痛苦的长期受难者。坚持下去吧,要坚决相信,忍受不应得的痛苦是一种赎罪。
让我们回到密西西比去,回到亚拉巴马去,回到南卡罗来纳去,回到佐治亚去,回到路易斯安那去,回到我们北方城市中的贫民区和少数民族居住区去,要心中有数,这种状况是能够也必将改变的。
我们不要陷入绝望而不可自拔。朋友们,今天我对你们说,在此时此刻,我们虽然遭受种种困难和挫折,我仍然有一个梦想,这个梦想深深扎根于美国的梦想之中。
我梦想有一天,这个国家会站立起来,真正实现其信条的真谛:“我们认为真理是不言而喻,人人生而平等。”
我梦想有一天,在佐治亚的红山上,昔日奴隶的儿子将能够和昔日奴隶主的儿子坐在一起,共叙兄弟情谊。
我梦想有一天,甚至连密西西比州这个正义匿迹,压迫成风,如同沙漠般的地方,也将变成自由和正义的绿洲。
我梦想有一天,我的四个孩子将在一个不是以他们的肤色,而是以他们的品格优劣来评价他们的国度里生活。
今天,我有一个梦想。我梦想有一天,亚拉巴马州能够有所转变,尽管该州州长现在仍然满口异议,反对联邦法令,但有朝一日,那里的黑人男孩和女孩将能与白人男孩和女孩情同骨肉,携手并进。
今天,我有一个梦想。
我梦想有一天,幽谷上升,高山下降;坎坷曲折之路成坦途,圣光披露,满照人间。
这就是我们的希望。我怀着这种信念回到南方。有了这个信念,我们将能从绝望之岭劈出一块希望之石。有了这个信念,我们将能把这个国家刺耳的争吵声,改变成为一支洋溢手足之情的优美交响曲。
有了这个信念,我们将能一起工作,一起祈祷,一起斗争,一起坐牢,一起维护自由;因为我们知道,终有一天,我们是会自由的。
在自由到来的那一天,上帝的所有儿女们将以新的含义高唱这支歌:“我的祖国,美丽的自由之乡,我为您歌唱。您是父辈逝去的地方,您是最初移民的骄傲,让自由之声响彻每个山岗。”
如果美国要成为一个伟大的国家,这个梦想必须实现!
让自由之声从新罕布什尔州的巍峨的崇山峻岭响起来!
让自由之声从纽约州的崇山峻岭响起来!
让自由之声从宾夕法尼亚州的阿勒格尼山响起来!
让自由之声从科罗拉多州冰雪覆盖的落基山响起来!
让自由之声从加利福尼亚州蜿蜒的群峰响起来!
不仅如此,还要让自由之声从佐治亚州的石岭响起来!
让自由之声从田纳西州的瞭望山响起来!
让自由之声从密西西比的每一座丘陵响起来!
让自由之声从每一片山坡响起来!
当我们让自由之声响起,让自由之声从每一个大小村庄、每一个州和每一个城市响起来时,我们将能够加速这一天的到来,那时,上帝的所有儿女,黑人和白人,犹太教徒和非犹太教徒,耶稣教徒和天主教徒,都将手携手,合唱一首古老的黑人灵歌:
“自由啦!自由啦!感谢全能上帝,我们终于自由啦!”
例子:
k-median问题:在备选工厂集里面选定k个工厂,使得需求点到离它最近工厂的加权距离总和最小.
近似方法分为两种:近似算法(Approximate Algorithms)和启发式算法(Heuristic Algorithms).近似算法通常有质量保证的解.然而启发式算法通常可找到在传统解决问题的经验中找到寻求一种面向问题的策略,之后用这种策略来在可行时间内寻找一个相对比较好的解,但对解的质量没有保证.
工厂选址问题已经形成了多种求解方法,大致可以分为定性和定量两类方法.
启发式搜索在状态空间中对每一个要搜索的位置按照某种方式进行评估,得到最优的位置,再从这个位置进行搜索直到达到目标.常用的启发式算法包括:禁忌搜索/遗传算法/进化算法/模拟退火算法/蚁群算法/人工神经网络等等.
Note:
Metric问题:指距离函数上是对称的且满足三角形不等式.
禁忌搜索在局部搜索(基于领域搜索)算法中加入了禁忌周期,使得搜索领域里的解分成了两种类型:禁忌的解和非禁忌的解,这样帮助了搜索过程”跳坑”,扩大了搜索领域,避免了局部最优,增强了解的疏散性.
思路:
(1)给定一个禁忌表(Tabu List)H=null,并选定一个初始解X_now.
(2)如果满足停止规则,则停止计算,输出结果;否则,在X_now的领域中选出满足不受禁忌的候选集N(X_now).在N(X_now)中选择一个评价值最佳的解X_next,X_now:=X_next;更新历史记录H, 重复步骤(2).