试验5.天生一个100个点，300条边的无向图，对于图中的每一个连通分支，盘算其中的割点。
从连通分支中删除了该点，会导致分支再也不连通的点被称为割点。
试验6.用部份搜查算法，求一个无向图的最小天生树。
天生一个无向连通图，有100个点，1000条边，边上的权重是1到20之间的随机整数。
用Kruskal或者prim算法求患上该图的最小天生树，验证部份搜查算法的对于错。
试验7.已经知Bellman-Ford算法能分辨一个有向加权图能否含有负权重的圈。
请方案一个算法，从图中找出一个负圈。
图：100个点，500条边，每一条边的权重是[-5,5]之间的随机非零整数。
申请频频天生如许的随即图，直到发现负圈为止。

本法度圭表标准可反对于双向站点相同的公交路线转乘下场。
中间引擎算法速率极快，且能够以及路途搜查算法离散。
引擎具备同时反对于起码转乘、最短路途、起码功夫以及起码用度的才气。
对于环路该引擎部份反对于，如反对于起码转乘，最短路途略加更正（思考双向）就可。
对于双向站点不合的路线，本引擎能够很约莫地略加更正就反对于。
惟独经由文件stops.txt输入齐全公交站点的坐标，以及经由文件lines.txt输入齐全路线搜罗哪些站点，就能够作为本体系Businfo.exe的输入文件，这三个文件必需位于相同目录下。
对于引擎的中间算法就不在这里介绍了：其中使用了矩阵闭包运算以及最大子串算法，矩阵闭包用于盘算齐全大概转乘公交毗邻，本算法所付与的本领不合于以往齐全算法。
法度圭表标准使用的若干文件如下：1.traffic.png是舆图示例；
2.stops.txt是依据traffic.png患上到的公交站点坐标，站点以血色数字编号；
3.lines.txt是依据traffic.png患上到的公交路线、频频路线站点数、路线各站点编号，路线以玄色数字编号。
4.stops.txt以及lines.txt必需以及可实施文件Businfo.exe在相同的目录下。
使用本体系的相关软件构建，能够结构自己的公交咨询体系。
本算法略加更正就可顺应任何贸易级用途：如满足种种特殊路线搜罗单向路线，以及反对于海量站点（目前，矩阵运算受空间限度，估量反对于1000条路线尚未下场，可选最优路线至多反对于100条）。
由于版权以及贸易方面的关连，最右优化的算法有所留存，不残缺植入体系。

我们将会使用在信誉评级建模中非常常用的德国信贷数据（Germancreditdataset）作为建模的数据集。
德国信贷数据共有1000条数据，每条数据20个特征。
这些特征包括AccountBalance（Checking账户余额）、Duration(DurationofCreditinmonth借款期限）、Paymentstatus（还款记录）等。
其中比较难以理解的指标是Instalmentpercent，其代表着Installmentrateinpercentageofdisposableincome（分期付款占可支配收入的百分比）。

公司用一年多了，几千条数据，蛮好用的，用过的都晓得

该词典不断被誉为“现代英语之权威”。
近一个世纪以来，十次修订，与时俱进，品质更臻完美，既为全世界英语学习者的良师益友，也早已成为我国高级英语学习者首选之必备工具书。
其收词多达130,000余条，精选新词10,000余条，英文释义精，中文译文规范权威，近千条实用的用法说明，大量的词源信息，还有丰富的附录等。

#语料库阐明------------------------------------------------------------------------##词典1、HowNet情感词典2、ntusd情感词典3、情感分析停用词表4、结巴分词自定义词典5、常用语词典，包括流行新词，网络流行词，手机词汇，粤语，潮语潮词、阿里巴巴-通讯产品词汇等##手机评论数据1、HTC手机评论，包括打分，共302篇1-52、魅族手机评论，包括打分，共529篇1-53、诺基亚手机评论，包括打分，共614篇1-54、OPPO手机评论，包括打分1-5，共553篇5、三星手机评论，包括打分1-5，共762篇6、中兴手机评论，包括打分1-5，共785篇7、摩托罗拉手机评论，包括打分1-5，共990篇8、整合：正面评论1084篇，负面评论524篇##淘宝商品评论数据1、正面评论一万篇，负面评论一万篇2、待预测的语料一万篇##2012微博情感分析数据共三个任务，数据集来自腾讯微博，每个话题1,000条，总约两万条微博1、观点句与非观点句的判别2、情感分类3、情感要素抽取##谭松波酒店评论语料正负样本不平衡，正样本7,000，负样本3000，共10,000.##酒店、服装、水果、平板、洗发水正负样本均5,000，总样本数50,000

医学类辞汇词典汇总(共1W8千条)

爬取京东评论文本，一个商品只能获取1000条评论。
很简单的代码，仅供参考。
使用爬虫请恪守爬虫协议

德国信贷数据（Germancreditdataset）为信誉评级建模中非常典型的数据。
共有1000条数据，每条数据20个特征。
本数据从github.com上下载的，原汁原味~

爆破主动执行

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。