计算机科学

为学生，研究人员和计算机科学从业者提供的问答

4
信息检索与信息提取之间的关系和区别？
来自维基百科 信息检索是从信息资源集合中获取与信息需求相关的信息资源的活动。搜索可以基于元数据或全文索引。 来自维基百科 信息提取（IE）是从非结构化和/或半结构化的机器可读文档中自动提取结构化信息的任务。在大多数情况下，此活动涉及通过自然语言处理（NLP）来处理人类语言文本。多媒体文档处理中的最新活动，例如从图像/音频/视频中自动注释和内容提取，可以看作是信息提取。 信息检索与信息提取之间的关系和区别是什么？ 谢谢！
5
OOP中对象状态的定义
我需要在面向对象的编程中（针对论文）对“对象的状态”进行简洁的定义。 在大约半天的时间里，我搜索了一篇可以引用该主题的论文，但找不到。我发现的所有论文大部分都是有关面向对象程序设计的常规论文，它们没有定义对象的状态。 我不确定，但是我的最佳猜测是： 对象的状态由对象的实例变量的状态定义。 我正在搜索对象状态的定义和/或关于主题的引用。 （顺便说一句，我可以将这个概念称为“对象状态”吗？还是不常见？）
2
有关多项式的问题的可判定性
我遇到了以下有趣的问题：令为实数域上的多项式，让我们假设它们的系数都是整数（即这些多项式的有限精确表示）。如果需要，我们可以假设两个多项式的次数相等。让我们表示由（RESP。）多项式的一些（实数或复数）根的绝对值最大（RESP。）。属性可确定？p,qp,qp,qxpxpx_pxqxqx_qpppqqqxp=xqxp=xqx_p = x_q 如果不是，此属性是否适用于某些受限多项式族？在出现此问题的上下文中，多项式是矩阵的特征多项式，其根是特征值。 我知道一些用于计算多项式/特征值根的数值算法，但是这些似乎在这里没有用，因为这些算法的输出只是近似的。在我看来，计算机代数在这里可能有用，但是，不幸的是，我在该领域几乎没有任何知识。 我不是在寻找有关此问题的详细解决方案，但是在哪里寻找解决方案的任何直觉和想法都会有所帮助。 先感谢您。
2
是否
因此，我有一个问题可以证明一个说法： O(n)⊂Θ(n)O(n)⊂Θ(n)O(n)\subset\Theta(n) ... 我不需要知道如何证明这一点，只是我认为这没有任何意义，我认为应该是。Θ(n)⊂O(n)Θ(n)⊂O(n)\Theta(n)\subset O(n) 我的理解是是所有不比差的函数的集合，而是所有不比n好且不差的函数的集合。ñ Θ （Ñ ）O(n)O(n)O(n)nnnΘ(n)Θ(n)\Theta(n) 使用这个，我可以想到一个常数函数的例子，。该函数肯定是的元素，因为当接近足够大的数字时，它的作用不会比差。O （n ）n ng(n)=cg(n)=cg(n)=cO(n)O(n)O(n)nnnnnn 然而，同样的功能不会的元素为G中做得比大型 ...然后因为和，然后是Θ （Ñ ）ñ ñ 克∈ ø （Ñ ）克∉ Θ （Ñ ）ø （Ñ ）∉ Θ （Ñ ）gggΘ(n)Θ(n)\Theta(n)nnnnnng∈O(n)g∈O(n)g \in O(n)g∉Θ(n)g∉Θ(n)g \not\in \Theta(n)O(n)∉Θ(n)O(n)∉Θ(n)O(n)\not\in\Theta(n) 那么问题也许是错的吗？我知道做这个假设很危险，通常我会漏掉一些东西，在这种情况下我什至看不到。 有什么想法吗 ？非常感谢..
1
约束空间的选择算法？
有一种众所周知的最坏情况选择算法，可以找到整数数组中的第k个最大元素。它使用中位数中位数方法找到足够好的枢轴，将输入数组划分为适当的位置，然后递归继续搜索第k个最大元素。O （n ）O(n)O(n) ķkkķkk 如果不允许我们触摸输入数组，那么要找到O （n ）时间中的第个最大元素，需要多少额外空间呢？我们能否在O （1 ）的额外空间中找到第k个最大元素，并且仍然保持运行时O （n ）？例如，查找最大或最小元素需要O （n ）时间和O （1 ）空间。 ķkkO （n ）O(n)O(n)ķkkO （1 ）O(1)O(1)O （n ）O(n)O(n)O （n ）O(n)O(n)O （1 ）O(1)O(1) 凭直觉，我无法想象我们可以做得比空间更好，但是有证据吗？O （n ）O(n)O(n) 可有人点到基准或拿出一个说法，为什么 “个元素将需要Ø （ñ ）空间中找到Ø （ñ ）的时间？⌊ Ñ / 2 ⌋⌊n/2⌋\lfloor n/2 \rfloorO （n ）O(n)O(n)O(n)O(n)O(n)
2
正方形的色多项式
考虑一个正方形，ABCD。在我看来，它的色多项式为λ(λ−1)(λ−1)(λ−2)λ(λ−1)(λ−1)(λ−2)\lambda(\lambda - 1)(\lambda - 1)(\lambda - 2)，其中存在λλ\lambda种颜色。 即有λλ\lambda，其中用于一种颜色能够被拾取的方式，有λ - 1λ-1个\lambda - 1的方式对颜色B和d要被拾取（B和d是相邻的A）和λ - 2λ-2\lambda - 2方式为颜色C到被选中。 但是，使用分解定理（幻灯片47，示例11.33）并将正方形分解为长度为3和三角形的路径，表明我的最初推理是错误的。 你能告诉我我的想法哪里出问题了。
1
推断优化类型
在工作中，我的任务是推断一些有关动态语言的类型信息。我将语句序列重写为嵌套let表达式，如下所示： return x; Z => x var x; Z => let x = undefined in Z x = y; Z => let x = y in Z if x then T else F; Z => if x then { T; Z } else { F; Z } 由于我从一般类型信息开始，并试图推断出更具体的类型，因此自然的选择是精简类型。例如，条件运算符返回其真假分支类型的并集。在简单的情况下，它效果很好。 但是，在尝试推断以下类型时遇到了障碍： function …
11 programming-languages  logic  type-theory  type-inference  machine-learning  data-mining  clustering  order-theory  reference-request  information-theory  entropy  algorithms  algorithm-analysis  space-complexity  lower-bounds  formal-languages  computability  formal-grammars  context-free  parsing  complexity-theory  time-complexity  terminology  turing-machines  nondeterminism  programming-languages  semantics  operational-semantics  complexity-theory  time-complexity  complexity-theory  reference-request  turing-machines  machine-models  simulation  graphs  probability-theory  data-structures  terminology  distributed-systems  hash-tables  history  terminology  programming-languages  meta-programming  terminology  formal-grammars  compilers  algorithms  search-algorithms  formal-languages  regular-languages  complexity-theory  satisfiability  sat-solvers  factoring  algorithms  randomized-algorithms  streaming-algorithm  in-place  algorithms  numerical-analysis  regular-languages  automata  finite-automata  regular-expressions  algorithms  data-structures  efficiency  coding-theory  algorithms  graph-theory  reference-request  education  books  formal-languages  context-free  proof-techniques  algorithms  graph-theory  greedy-algorithms  matroids  complexity-theory  graph-theory  np-complete  intuition  complexity-theory  np-complete  traveling-salesman  algorithms  graphs  probabilistic-algorithms  weighted-graphs  data-structures  time-complexity  priority-queues  computability  turing-machines  automata  pushdown-automata  algorithms  graphs  binary-trees  algorithms  algorithm-analysis  spanning-trees  terminology  asymptotics  landau-notation  algorithms  graph-theory  network-flow  terminology  computability  undecidability  rice-theorem  algorithms  data-structures  computational-geometry 
1
顶级SAT求解器可以分解为简单数吗？
现代SAT求解器非常擅长求解SAT实例的许多实际示例。但是，我们知道如何生成难的密码：例如，使用从分解为SAT的简化方法，并提供RSA数字作为输入。 这就提出了一个问题：如果我举一个简单的因式分解的例子怎么办。而不是对位取两个大质数，如果我对位取质数而对位取质数q ，则令并编码作为SAT实例。是通过蛮力搜索或筛分法容易分解的数字，因为其中一个因素很小。从分解到SAT的标准减少了的现代SAT求解器是否也采用了这种结构？n / 2ñ/2n/2ppp日志ñ日志⁡ñ\log nñ /日志ññ/日志⁡ñn/\log nñ= p qñ=pqN = pqF A C T O R（ N）F一种CŤØ[R（ñ）\mathrm{FACTOR}(N)ññN 可以使SAT求解器的因子，其中快速？ñ= pqñ=pqN = pq| p |=日志ñ|p|=日志⁡ñ|p| = \log n
1
修正的Borůvka算法的更严格分析
Borůvka算法是计算图的最小生成树的标准算法之一，。G=(V,E)G=(V,E)G = (V,E)|V|=n,|E|=m|V|=n,|E|=m|V| = n, |E| = m 伪代码为： MST T = empty tree Begin with each vertex as a component While number of components > 1 For each component c let e = minimum edge out of component c if e is not in T add e to T …
2
具有大量子问题的动态编程
具有大量子问题的动态编程。因此，我正在尝试通过Interview Street解决此问题： 网格漫游（得分50分） 您位于维网格中，位置为。网格的尺寸为）。一步，您可以在维度中的任何一个维度上向前或向后走一步。（因此，总是有可能的不同动作）。您可以采用多少种方法采取步骤，以使您在任何时候都不会离开网格？如果有任何，则离开网格，或。（X 1，X 2，... ，X Ñ）（d 1，d 2，... ，d Ñ Ñ 2 Ñ 中号X 我X 我 ≤ 0 X 我 > d 我NNN(x1,x2,…,xN)(x1,x2,…,xN)(x_1,x_2,\dots,x_N)(D1,D2,…,DN(D1,D2,…,DN(D_1,D_2,\dots,D_NNNN2N2N2NMMMxixix_ixi≤0xi≤0x_i \leq 0xi>Dixi>Dix_i > D_i 我的第一个尝试是这个记住的递归解决方案： def number_of_ways(steps, starting_point): global n, dimensions, mem #print steps, starting_point if (steps, tuple(starting_point)) in mem: return mem[(steps, tuple(starting_point))] val = …
2
最小化向量和的最大分量
我想了解一些有关此优化问题的信息：对于给定的非负整数，找到使表达式最小的函数ai,j,kai,j,ka_{i,j,k}fff maxk∑iai,f(i),kmaxk∑iai,f(i),k\max_k \sum_i a_{i,f(i),k} 使用不同公式的示例可能会更清楚：给您一组向量，例如 { {(3, 0, 0, 0, 0), (1, 0, 2, 0, 0)}, {(0, 1, 0, 0, 0), (0, 0, 0, 1, 0)}, {(0, 0, 0, 2, 0), (0, 1, 0, 1, 0)} } 从每个集合中选择一个向量，以便其总和的最大成分最小。例如，您可以选择 (1, 0, 2, 0, 0) + (0, 1, 0, 0, 0) + …
2
一个
我想说明一下，将代数作为算法的输入是什么意思，而关于它的文献却很少。因此，首先我想问一问，您是否可以推荐一本书或一本涉及领域代数复杂性分析主题并明确定义决策问题的书或论文。 经过一番挖掘后，我发现了一些东西并想在这里分享，并进一步询问这些定义是否合理并符合文献（如果有）： 定义：设是一个领域，是有限生成的交换代数与添加剂基础。现在，我们要捕获代数的乘法结构，因此将基本元素的每个乘积写为所有基本元素的线性组合： 该被称为结构系数。我们直接得到： 甲˚F b 1，... ，b Ñ ∈ ˚F ∀ 1 ≤ 我，Ĵ ，ķ ≤ Ñ ：∃ 一个我Ĵ ķ：b 我b Ĵ = Ñ Σ ķ = 1一个我Ĵ ķ b ķ。一个我Ĵ ķ甲≅ ˚F [ b 1，... ，b ÑFF\mathbb F一种AAFF\mathbb Fb1个，… ，bñ∈ ˚Fb1,…,bn∈Fb_1,\ldots, b_n\in\mathbb F∀ 1 ≤ 我，Ĵ ，ķ ≤ …
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.