当前位置： 首页 > news >正文

KARE：知识图谱社区级检索，增强 LLM 推理能力的医疗预测框架

news 来源：原创 2025/7/2 22:23:07

KARE：知识图谱社区级检索，增强 LLM 推理能力的医疗预测框架

    • 论文大纲
    • 理解要点
    • 全流程分析
    • 核心模式
    • 解法拆解
    • 知识图谱社区检索和普通检索有什么本质区别？
    • 为什么要同时使用专家LLM和本地LLM？
    • 动态知识检索中的评分机制是如何平衡多个因素的？
    • 推理链的生成过程中可能存在哪些风险？
    • 如何评估知识图谱社区的质量？
    • 对比 GraphRAG

 
论文：REASONING-ENHANCED HEALTHCARE PREDICTIONS WITH KNOWLEDGE GRAPH COMMUNITY RETRIEVAL

论文大纲

├── 1 医疗预测增强框架【研究主题】
│   ├── 现状与挑战【背景分析】
│   │   ├── LLMs在临床决策支持中表现出巨大潜力【现状】
│   │   └── 存在局限性【挑战】
│   │       ├── 产生幻觉【具体问题】
│   │       └── 缺乏细粒度的医学知识【具体问题】
│   │
│   ├── KARE框架【解决方案】
│   │   ├── 知识图谱社区级检索【核心技术】
│   │   └── LLM推理【核心技术】
│   │
│   └── 创新点【技术贡献】
│       ├── 密集医学知识结构化【方法创新】
│       ├── 动态知识检索机制【方法创新】
│       └── 推理增强预测框架【方法创新】
│
├── 2 具体实现【技术细节】
│   ├── 多源医学知识图谱构建【第一阶段】
│   │   ├── 生物医学数据库【数据来源】
│   │   ├── 临床文献【数据来源】
│   │   └── LLM生成的见解【数据来源】
│   │
│   ├── 层次化图社区检测【第二阶段】
│   │   ├── 知识组织【功能】
│   │   └── 信息检索【功能】
│   │
│   └── 推理增强预测【第三阶段】
│       ├── 准确性提升【效果】
│       └── 可解释性增强【效果】
│
└── 3 实验验证【评估结果】
├── 数据集【评估基础】
│   ├── MIMIC-III【数据来源】
│   └── MIMIC-IV【数据来源】
│
└── 效果提升【具体成果】
├── 死亡率预测提升10.8-15.0%【量化指标】
└── 再入院预测提升12.6-12.7%【量化指标】

理解要点

  1. 背景和问题分析：
  • 类别问题：医疗健康预测的准确性和可解释性
  • 具体问题：
    • LLMs在临床预测中会产生幻觉（预测结果不可靠）
    • 缺乏细粒度的医学专业知识（预测依据不充分）
    • 传统RAG方法检索到的信息经常稀疏或不相关（知识获取效率低）
  1. KARE的性质：
  • 本质：知识增强的医疗预测框架
  • 形成原因：结合了知识图谱社区检索和LLM推理能力，通过多源知识整合和动态检索提升预测效果
  1. 案例对比：
  • 正例：在心力衰竭诊断中，模型能同时考虑左心室射血分数和NT-proBNP等具体生物标记水平
  • 反例：传统RAG模型可能仅仅检索到"急性冠状动脉综合征"这样的相似概念，但无法捕获心力衰竭的具体特征
  1. 类比理解：
    KARE就像一个经验丰富的医学专家团队：
  • 知识图谱相当于专家的知识储备库
  • 社区检索类似专家间的知识共享
  • LLM推理就像团队讨论得出诊断结论

  1. 概念总结：
    KARE是一个通过知识图谱社区级检索增强LLM推理能力的医疗预测框架，它整合多源医学知识，实现精准的上下文相关信息检索，从而提高预测准确性和可解释性。

  2. 概念重组：
    “知识感知推理增强”(KARE)：通过知识的感知和获取，增强推理能力，实现更精准的医疗预测。

  3. 与上下文关联：
    这是论文的核心贡献，展示了如何通过知识增强来改进LLM在医疗领域的应用效果。

  4. 规律分析：
    主要矛盾：医疗预测的准确性与可解释性之间的平衡
    次要矛盾：

  • 知识获取与整合的效率
  • 计算资源的消耗
  • 模型复杂度与实用性的平衡
  1. 功能分析：
    定量指标：
  • 死亡率预测准确度提升10.8-15.0%
  • 再入院预测准确度提升12.6-12.7%
    定性指标：
  • 提供可解释的推理链
  • 产生上下文相关的医学见解
  • 支持精确的知识检索
  1. 梳理来龙去脉：
  • 起因：LLMs在医疗预测中存在幻觉和知识缺乏问题
  • 经过：
    1. 构建多源医学知识图谱
    2. 实现层次化社区检索
    3. 整合LLM推理能力
  • 结果：
    • 提高了预测准确性
    • 增强了模型可解释性
    • 实现了精确的知识检索

全流程分析

在这里插入图片描述

  1. 全流程优化分析

多题一解:

  • 共用特征: 医疗预测任务中的知识需求和推理需求
  • 通用解法: KARE框架(知识图谱社区检索+推理增强)
  • 适用场景: 死亡率预测、再入院预测等需要专业知识和推理的医疗预测任务

一题多解:

  • 传统机器学习方法: 针对数据模式特征
  • 传统RAG方法: 针对外部知识检索特征
  • KARE方法: 针对知识结构化和推理链生成特征

优化过程:

  1. 知识库优化
  • 从单一知识源到多源知识整合
  • 从平面知识到社区结构化知识
  1. 检索机制优化
  • 从语义相似度检索到多维度相关性计算
  • 从静态检索到动态检索
  1. 推理机制优化
  • 从直接预测到推理链生成
  • 从单任务到多任务学习框架
  1. 输入输出分析

输入:

  • 患者电子健康记录(EHR)数据
  • 多源医疗知识(UMLS、PubMed、LLM生成)

输出:

  • 主输出: 医疗预测结果(如死亡率、再入院风险)
  • 副输出: 预测的推理解释链

全流程:

  1. 知识准备阶段
  • 多源知识抽取
  • 知识结构化和社区组织
  1. 上下文构建阶段
  • 患者基础上下文构建
  • 动态知识检索和整合
  1. 预测生成阶段
  • 推理链生成
  • 预测结果输出

核心模式

核心创新: KARE框架

知识获取 -> 社区组织 -> 动态检索 -> 推理预测1. 知识获取与组织来源: {生物医学KG, 文献, LLM} -> 统一KG结构: 层次社区 + 主题摘要，按主题相关性聚类，为每个社区生成摘要2. 动态检索机制评分 = 节点命中 × 衰减 × {一致性, 时效性, 主题相关度}迭代更新: 命中计数 -> 重新评分 -> 社区选择比如，基于患者数据计算社区相关性:- 节点命中率:直接相关的医疗概念
- 衰减因子:避免重复信息
- 其他评分:时效性、主题相关度等
- 选择最相关的知识社区3. 双任务预测专家LLM -> 推理链生成本地LLM -> {推理 + 预测}

关键参数与约束

  • Zc: 社区最大三元组数
  • Zs: 摘要最大三元组数
  • α: 间接命中权重
  • β: 衰减因子
  • λ1,2,3: 评分组件权重

效果提升(相比基线)

MIMIC-III: 死亡率+10.8%, 再入院率+15.0%
MIMIC-IV: 死亡率+12.6%, 再入院率+12.7%

这个压缩版本揭示了论文的核心模式:

  1. 多源知识融合
  2. 层次化组织
  3. 动态权重更新
  4. 双任务协同学习

每个部分都遵循"聚合-分解-重组"的基本模式，通过有限参数控制整个系统的行为。

这种模式在不同层次上重复出现，构成了整个框架的基本规律。

 

解法拆解


在这里插入图片描述

  1. 逻辑关系拆解：

目的：提高医疗预测的准确性和可解释性

问题：如何整合知识和推理能力来增强医疗预测？

解法：KARE框架
├── 子解法1：知识获取与组织（因为需要整合多源医疗知识）
│   ├── 特征：医疗知识分散在不同来源
│   └── 实现：整合生物医学KG、文献、LLM生成知识
│
├── 子解法2：动态知识检索（因为需要针对具体病例找到相关知识）
│   ├── 特征：每个病例情况独特
│   └── 实现：基于节点命中、衰减、相关度等多维度评分
│
└── 子解法3：增强推理预测（因为需要可解释的预测结果）├── 特征：医疗决策需要清晰的推理过程└── 实现：结合专家LLM生成推理链和本地LLM执行预测例子：预测患者再入院风险
└── 过程示例├── 收集患者数据：病情、用药、治疗记录├── 检索相关知识：相似病例、治疗指南└── 生成预测：通过推理得出再入院风险评估
  1. 逻辑链分析：
                    [患者数据]↓┌──────────────┴──────────────┐[知识检索]                    [特征提取]│                            │└────────────→ [知识增强] ←───┘↓[推理预测]↓[预测结果]
  1. 隐性特征分析：

隐性特征1：知识关联度

  • 表现：不同知识源之间的关联程度
  • 影响：影响知识检索的准确性
  • 定义：知识单元间的语义和逻辑关联强度

隐性特征2：时序依赖性

  • 表现：病情发展的时间相关性
  • 影响：影响预测的时效性
  • 定义：医疗事件的时序关联模式

  1. 潜在局限性：

  2. 数据局限

  • 训练数据可能存在偏差
  • 稀有病例的表示不足
  1. 知识局限
  • 医学知识更新可能滞后
  • 非标准化知识难以整合
  1. 计算局限
  • 大规模知识图谱检索成本高
  • 实时推理需要较多计算资源
  1. 应用局限
  • 可能需要专业医生监督
  • 不同医疗系统的兼容性问题

这个分析涵盖了KARE框架的核心组成、内在逻辑、隐含特征和局限性。

每个子解法都有其特定的目标和应对的特征，形成了一个完整的解决方案。

知识图谱社区检索和普通检索有什么本质区别？

5 Why分析：

Why 1: 为什么要采用知识图谱社区检索而不是普通检索？

  • 普通检索通常基于关键词或语义相似度，容易检索到表面相关但实际意义不大的信息
  • 如在医疗场景中，可能检索到相似症状但病因完全不同的案例

Why 2: 为什么普通检索方法在医疗场景中效果不理想？

  • 医疗知识具有高度的结构化和复杂的关联关系
  • 单纯的相似度匹配无法捕捉疾病、症状、治疗之间的深层联系
  • 缺乏对医学概念间层次关系的理解

Why 3: 为什么需要考虑医学概念之间的关联关系？

  • 患者的病情通常涉及多个相互影响的因素
  • 某些症状组合可能暗示特定的病理机制
  • 治疗方案的选择需要考虑多个方面的相互作用

Why 4: 为什么医疗知识的组织方式如此重要？

  • 医疗决策需要全面的上下文信息
  • 孤立的知识点难以支撑准确的临床决策
  • 知识的结构化程度直接影响预测的准确性

Why 5: 最根本的原因是什么？

  • 医疗预测本质上是一个需要系统性思维的复杂决策过程
  • 需要同时考虑显性知识（如症状）和隐性知识（如经验规律）
  • 知识的组织方式决定了能否有效支持这种复杂决策

5 So分析：

So 1: 如何改进检索方式？

  • 构建基于知识图谱的社区结构
  • 引入多层次的知识组织方式
  • 设计动态评分机制

So 2: 这种改进会带来什么结果？

  • 检索结果更具医学相关性
  • 能够捕捉复杂的医学概念关系
  • 支持上下文感知的知识检索

So 3: 对整个系统有什么影响？

  • 提高预测模型的准确度
  • 增强结果的可解释性
  • 优化知识利用效率

So 4: 进一步的影响是什么？

  • 支持更精准的医疗决策
  • 降低错误诊断风险
  • 提高医疗资源使用效率

So 5: 最终目标是什么？

  • 建立一个能够模拟医学专家思维过程的智能系统
  • 实现知识驱动的精准医疗预测
  • 提供可靠且可解释的决策支持

基于这个分析，我们可以看出知识图谱社区检索的核心优势在于它能够:

  1. 保持知识的结构化关系
  2. 支持多维度的相关性分析
  3. 实现动态和上下文感知的检索
  4. 提供更符合医学专业认知的检索结果

 

为什么要同时使用专家LLM和本地LLM？

动态知识检索中的评分机制是如何平衡多个因素的？

推理链的生成过程中可能存在哪些风险？

如何评估知识图谱社区的质量？

对比 GraphRAG

相关文章：

KARE：知识图谱社区级检索，增强 LLM 推理能力的医疗预测框架

KARE：知识图谱社区级检索，增强 LLM 推理能力的医疗预测框架 论文大纲理解要点全流程分析核心模式解法拆解知识图谱社区检索和普通检索有什么本质区别？为什么要同时使用专家LLM和本地LLM？动态知识检索中的评分机制是如何平衡多个因…...

编程日记 2025/7/2 22:23:07

LabVIEW氢气纯化控制系统

基于LabVIEW的氢气纯化控制系统满足氢气纯化过程中对精确控制的需求，具备参数设置、过程监控、数据记录和报警功能，体现了LabVIEW在复杂工业控制系统中的应用效能。 项目背景 在众多行业中，尤其是石油化工和航天航空领域，氢气作为…...

编程日记 2025/7/1 19:32:20

数据分析案例-笔记本电脑价格数据可视化分析

🤵‍♂️ 个人主页：艾派森的个人主页 ✍🏻作者简介：Python学习者 🐋 希望大家多多支持，我们一起进步！😄 如果文章对你有帮助的话， 欢迎评论 💬点赞&#x1f4…...

编程日记 2025/7/1 18:39:10

CSS函数

目录 一、背景 二、函数的概念 1. var()函数 2、calc()函数 三、总结 一、背景 今天我们就来说一说，常用的两个css自定义属性，也称为css函数。本文中就成为css函数。先来看一下官方对其的定义。 自定义属性（有时候也被称作CSS 变量或者级…...

编程日记 2025/7/2 22:22:19

Linux网络——传输层

目录 1. 再谈端口号 2. UDP ① UDP 协议的报文 ② UDP 协议报头的本质 3. TCP ① TCP 缓冲区的理解 ② TCP 协议的报文 1. 16位源端口号 && 16位目的端口号 && 4位首部长度 2. 16位窗口大小 3. 32位序号 && 32位确认序号 4. 六个标记位 ③…...

编程日记 2025/6/30 1:33:07

2024年认证杯SPSSPRO杯数学建模A题(第一阶段)保暖纤维的保暖能力全过程文档及程序

2024年认证杯SPSSPRO杯数学建模 A题 保暖纤维的保暖能力 原题再现： 冬装最重要的作用是保暖，也就是阻挡温暖的人体与寒冷环境之间的热量传递。人们在不同款式的棉衣中会填充保暖材料，从古已有之的棉花、羽绒到近年来各种各样的人造纤维。不…...

编程日记 2025/6/28 20:46:03

采药 刷题笔记 （动态规划）0/1背包

P1048 [NOIP2005 普及组] 采药 - 洛谷 | 计算机科学教育新生态 动态规划 0/1背包 的本质在于继承 一行一行更新 上一行是考虑前i个物品的最优情况 当前行是考虑第i1个物品的情况 当前行的最优解 来自上一行和前i个物品的最优解进行比较 如果当前装了当前物品&#xff…...

编程日记 2025/7/2 1:20:58

LabVIEW MathScript工具包对运行速度的影响及优化方法

LabVIEW 的 MathScript 工具包 在运行时可能会影响程序的运行速度，主要是由于以下几个原因： 1. 解释型语言执行方式 MathScript 使用的是类似于 MATLAB 的解释型语言，这意味着它不像编译型语言（如 C、C 或 LabVIEW 本身的 VI&…...

编程日记 2025/7/2 18:56:51

大数据新视界 -- Hive 数据湖架构中的角色与应用（上）（25 / 30）

💖💖💖亲爱的朋友们，热烈欢迎你们来到 青云交的博客！能与你们在此邂逅，我满心欢喜，深感无比荣幸。在这个瞬息万变的时代，我们每个人都在苦苦追寻一处能让心灵安然栖息的港湾。而 我的…...

编程日记 2025/6/28 21:05:31

电脑关机的趣味小游戏——system函数、strcmp函数、goto语句的使用

文章目录 前言一. system函数1.1 system函数清理屏幕1.2 system函数暂停运行1.3 system函数电脑关机、重启 二、strcmp函数三、goto语句四、电脑关机小游戏4.1. 程序要求4.2. 游戏代码 总结 前言 今天我们写一点稍微有趣的代码，比如写一个小程序使电脑关机&#xf…...

编程日记 2025/7/2 3:59:53

elasticsearch是如何进行搜索的？

请求与转发 协调节点确定参与搜索的目标索引，及其通过分片路由表确定分片对索引所在分片中选择任意节点并发请求多个分片的副本分片 副本选择策略 副本选择主要考虑 分片健康状态：选择状态为 green 或 yellow 的副本节点负载情况：避免查询…...

编程日记 2025/6/30 1:35:44

【Linux课程学习】：站在文件系统之上理解：软硬链接，软硬链接的区别

🎁个人主页：我们的五年 🔍系列专栏：Linux课程学习 🌷追光的人，终会万丈光芒 🎉欢迎大家点赞👍评论📝收藏⭐文章 Linux学习笔记： https://blog.csdn.net/d…...

编程日记 2025/6/29 22:29:08

如何做好一份技术文档

要做好一份技术文档，你需要遵循以下步骤： 1. 明确文档目标： 确定文档的目的和受众。 了解受众的技术水平和背景，以便调整内容的深度和语言风格。 2. 收集信息： 搜集所有与主题相关的技术细节、数据、图表和…...

编程日记 2025/6/29 22:29:31

优雅关闭进程

原文地址：优雅关闭进程 – 无敌牛 欢迎参观我的个人博客：无敌牛 – 技术/著作/典籍/分享等 介绍 本文涉及到进程对信号的响应，关于信号的一些基本知识，可以参考往期文章：linux系统信号简介 – 无敌牛 一个进程正常…...

编程日记 2025/6/30 17:49:35

【WEB开发.js】addEventListener事件监听器的绑定和执行次数的问题（小心踩坑）

假设我们有一个按钮，用户点击该按钮后，会选择一个文件，且我们希望每次点击按钮时只触发一次文件处理。下面我会给你一个简单的例子，展示放在函数内部和放在函数外部的区别。 1. 将事件监听器放在函数内部（问题的根源&…...

编程日记 2025/7/2 20:27:59

将 x 减到 0 的最小操作数 C++滑动窗口

给你一个整数数组 nums 和一个整数 x 。每一次操作时，你应当移除数组 nums 最左边或最右边的元素，然后从 x 中减去该元素的值。请注意，需要 修改 数组以供接下来的操作使用。 如果可以将 x 恰好 减到 0 ，返回 最小操作数 &#x…...

编程日记 2025/7/2 22:17:03

深入解析 C++ 中的 common_reference_with 和 common_with：设计原理与复杂性

在 C 标准库的设计中，类型之间的兼容性和安全性是至关重要的，尤其是在泛型编程中。为了实现高效且安全的类型推导和转换，C 提供了一些复杂的概念和工具来确保不同类型之间能够正确协同工作。common_reference_with 和 common_with 这两个概念…...

编程日记 2025/6/28 20:51:29

从CPU缓存与指令重排序探讨JMM

目录 问题背景 解决思路 hb关系的应用 原子性问题 问题背景 1. 编译器和CPU优化： 编译器和CPU为了提升单线程程序的性能，会对代码进行优化，如指令重排序、延迟计算等。这些优化在单线程环境下不会影响程序的最终结果，但在多线…...

编程日记 2025/7/1 22:21:02

ETSI EN 300328 标准的一些笔记

ETSI - European Telecommunications Standards Institute 欧洲电信标准化协会 ETSI EN 300328 是欧洲协调标准，此标准适用于工作在2.4G频段范围内运行的宽频传输系统和设备的无线电频谱。 例如 WIFI、Zigbee、蓝牙、 (国内的星闪)。不涵盖UWB。 符合了EN 300328标…...

编程日记 2025/7/2 21:01:30

各大浏览器（如Chrome、Firefox、Edge、Safari）的对比

浏览器如Chrome、Firefox、Edge等在功能、性能、隐私保护等方面各有特点。以下是对这些浏览器的详细对比，帮助你选择合适的浏览器。 1. Google Chrome 市场份额：Chrome是目前市场上最流行的浏览器，约占全球浏览器市场的65%以上。 性能&#…...

编程日记 2025/7/1 1:06:39

AD7606使用方法

AD7606是一款8通道最高16位200ksps的AD采样芯片。5V单模拟电源供电，真双极性模拟输入可以选择10 V，5 V两种量程。支持串口与并口两种读取方式。 硬件连接方式： 配置引脚 引脚功能 详细说明 OS2 OS1 OS2 过采样率配置 000 1倍过采样率 …...

编程日记 2025/6/30 7:07:03

双向长短期记忆(Bi-LSTM)神经网络介绍

长短期记忆(Long Short-Term Memory, LSTM)神经网络： 1.是Hochreiter和Schmidhuber设计的循环神经网络(Recurrent Neural Network, RNN)的改进版本。LSTM模型借鉴了人类大脑的选择性输入和选择性遗忘机制，获取序列中的关键信息，遗忘和当前预测…...

编程日记 2025/7/1 4:42:03

openGauss开源数据库实战十八

文章目录 任务十八 openGauss逻辑结构:构:用户和权眼管理任务目标实施步骤一、准备工作二、用户和角色管理1.使用CREATE USER语句创建用户2.使用CREATE ROLE语句创建用户3.删除用户和角色 三、权限管理1.系统权限清理工作 任务十八 openGauss逻辑结构:构:用户和权眼管理 任务目…...

编程日记 2025/7/1 16:28:23

JVM 性能调优 -- JVM 调优常用网站

前言： 上一篇分享了 JDK 自带的常用的 JVM 调优命令和图形化界面工具，本篇我们分享一下常用的第三方辅助 JVM 调优网站。 JVM 系列文章传送门 初识 JVM（Java 虚拟机） 深入理解 JVM（Java 虚拟机） 一文搞…...

编程日记 2025/7/1 11:53:42

现在的电商风口已经很明显了

随着电商行业的不断发展，直播带货的热潮似乎正逐渐降温，而货架电商正成为新的焦点。抖音等平台越来越重视货架电商，强调搜索功能的重要性，预示着未来的电商中心将转向货架和搜索。 在这一转型期，AI技术与电商的结合为…...

编程日记 2025/7/2 10:17:06

基于AT89C52单片机的电子时钟与温湿度检测系统

✅作者简介：2022年博客新星 第八。热爱国学的Java后端开发者，修心和技术同步精进。 🍎个人主页：Java Fans的博客 🍊个人信条：不迁怒，不贰过。小知识，大智慧。 💞当前专栏…...

编程日记 2025/6/29 19:23:26

Wwise SoundBanks内存优化

1.更换音频格式为Vorbis 2.停用多余的音频，如Random Container的随机脚步声数量降为2个 3.背景音乐勾选“Stream”。这样就让音频从硬盘流送到Wwise，而不是保存在内存当中，也就节省了内存 4.设置最大发声数Max Voice Instances 5.设置音频…...

编程日记 2025/7/2 9:19:23

Next.js 独立开发教程（十三）：错误处理（Error Handling）

系列文章目录 Next.js 开发教程(一)：入门指南-CSDN博客 Next.js 开发教程（二）：从零构建仪表盘应用-CSDN博客 Next.js 开发教程（三）：CSS 样式的完整指南-CSDN博客 Next.js 独立开发教程&…...

编程日记 2025/7/1 8:50:30

【Halcon】边缘检测算子汇总（一）

frei_amp 功能：使用Frei-Chen算法检测图像的边缘振幅。 参数： 输入图像（Image）：待处理的原始图像。输出梯度图像（ImageEdgeAmp）：经过Frei-Chen算法处理后的边缘振幅图像。工作原理：frei_amp算子通过计算图像一阶导数的近似值来检测边缘。它使用两个特定的滤波器掩模（…...

编程日记 2025/7/2 4:44:13

前端开发中Token存储：选择Cookie还是localStorage？

在现代前端开发领域，用户身份验证与状态管理不可或缺，而 token 作为身份验证机制的核心要素，对保障用户信息安全至关重要。然而，token 的存储方式对应用安全性和用户体验有着直接影响。本文将从安全性、便捷性和使用场景等维度，深度剖析在 Cookie 和 localStorage 中选择存…...

编程日记 2025/6/28 20:57:12

Scala中的正则表达式01

规则类型具体规则示例说明单字符大多数字符匹配自身正则表达式 abc，文本 abca 匹配 a，b 匹配 b，c 匹配 c方括号 [ ][ ] 定义字符集，匹配其一[abc]，文本 a、b 或 c[abc] 匹配 a、b 或者 c排除字符集 [^ ][^ ] 开头加 ^&…...

编程日记 2025/7/2 10:56:00

机器学习——决策树模型

决策树是如何工作的？ 假设你在经营一家猫收养中心，并提供了一些功能，你想训练一个分类器来快速告诉你，动物到底是不是猫，这里有10个训练例子，并与这10个例子中的每一个相关联，我们将有关于动物…...

编程日记 2025/7/1 16:26:32

#3003. Jed‘s MEX

刚开始直接硬来，要么TLE要么WA 后面改成另一种思路： 先把ai大于n的全都转换为刚好小于n的数，记录在cnt[i]中，代表ai有多少个 然后从高往低走，把cnt大于1的分到下面去，使数尽可能分布得广一些 然后从低往…...

编程日记 2025/6/30 22:22:18

数据集增强：提升深度学习模型泛化能力的关键技术

在深度学习中，数据是模型性能的基石。大规模、高质量的数据集通常能显著提高模型的泛化能力，帮助模型在真实场景中做出更准确的预测。然而，在很多实际应用中，数据收集困难、昂贵或者受限，尤其是当数据集相对较小或标注…...

编程日记 2025/7/1 18:01:16

JS实现高效导航——A*寻路算法+导航图简化法

一、如何实现两点间路径导航 导航实现的通用步骤，一般是： 1、网格划分 将地图划分为网格，即例如地图是一张图片，其像素为1000*1000，那我们将此图片划分为各个10*10的网格，从而提高寻路算法的计算量。 2、标…...

编程日记 2025/6/30 1:12:30

在wordpress添加自定义文章类型

实现思路 在Once主题中，有文章，页面等编辑的文案类型，文章类型主要做文案输出，而页面类型主要做一些界面菜单的操作。参考文章类型，使用自定义页面模板，实现一个自定义文章类型，例如**笔记(nod…...

编程日记 2025/6/28 20:50:36

[node.js] [HTTP/S] 实现 requests 发起 HTTP/S/1.1/2.0 请求

node.js 使用 V8 引擎来编译运行 javascript 代码，与浏览器中的环境不同的是，node.js 不包含 DOM 和 BOM 模块。 本文使用 node.js 的官方库来实现一个简单的 requests() 函数，可以用来发送 HTTP/1.1 和 HTTP/2.0 的请求。有关 HTTP/1.1 和 …...

编程日记 2025/7/2 4:41:56

基于Java Springboot线上约拍摄影预约微信小程序

一、作品包含 源码数据库全套环境和工具资源部署教程 二、项目技术 前端技术：Html、Css、Js、Vue、Element-ui uniapp 数据库：MySQL 后端技术：Java、Spring Boot、MyBatis 三、运行环境 开发工具：IDEA/eclipse 微信开发者工…...

编程日记 2025/7/2 19:27:51

node.js基础学习-cheerio模块-简单小爬虫（五）

学习cheerio模块，简单做一个爬取图片网站的图片，并且将这些图片下载到本地指定的文件夹下，很多图片网站都有一些反爬取的机制，找的好几个都会报302错误，所以我找了一个小的图片网站，这个没有反爬取机制&…...

编程日记 2025/6/30 15:50:38

吾杯网络安全技能大赛WP(部分)

吾杯网络安全技能大赛WP(部分) MISC Sign 直接16进制解码即可 原神启动 将图片用StegSolve打开 找到了压缩包密码 将解出docx文件改为zip 找到了一张图片和zip 再把图片放到stegSlove里找到了img压缩包的密码 然后在document.xml里找到了text.zip压缩包密码 然后就出来fl…...

编程日记 2025/6/28 21:01:21

【python自动化一】pytest的基础使用

1.pytest简述 pytest‌ 是一个功能强大且灵活的Python测试框架，其主要是用于流程控制，具体用于UI还是接口自动化根据个人需要而定。且其具有丰富插件，使用时较为方便。咱们具体看下方的内容，本文按照使用场景展开，不完…...

编程日记 2025/6/28 20:46:16

使用 CFD 仿真进行阀门性能分析：第 II 部分

了解如何使用 Ansys Discovery 通过优化模式获得准确的阀门性能结果。 第 II 部分：优化模式下的模拟 阀门的模拟可以在 Explore （探索） 模式和 Refine （优化） 模式下执行。Explore 模式允许快速仿真，在长达…...

编程日记 2025/7/1 4:09:42

Node.js实现WebSocket教程

Node.js实现WebSocket教程 1. WebSocket简介 WebSocket是一种在单个TCP连接上提供全双工通信的协议，允许服务器和客户端之间进行实时、双向通信。本教程将详细讲解如何在Node.js中实现WebSocket。 2. 技术选型 我们将使用ws库来实现WebSocket服务器，…...

编程日记 2025/6/30 10:26:06

使用 Statsmodels 进行统计建模与分析

使用 Statsmodels 进行统计建模与分析 Statsmodels 是 Python 中一个功能强大的库，用于执行统计建模和计量经济学分析。它提供了一系列经典的统计模型和评估方法，涵盖线性回归、时间序列分析和广义线性模型等。 本文将带你深入了解 Statsmodels 的功能…...

编程日记 2025/6/28 5:36:07

【Linux】进程间通信

目录 一、管道 （一）概念 （二）匿名管道 1、概念 2、函数介绍 3、示例代码 4、原理 （三）命名管道 1、概念 2、函数介绍 3、示例代码 4、原理 （四）管道的读写规则 &#x…...

编程日记 2025/6/28 20:52:07

Python 网络爬虫高级教程：分布式爬取与大规模数据处理

经过基础爬虫和进阶爬虫的学习，我们已经掌握了爬虫的基本原理、动态内容处理及反爬机制的应对。然而，当我们面对海量数据或需要高效爬取多个站点时，分布式爬虫和数据存储、处理能力就显得尤为重要。本篇博客将带你迈向网络爬虫的高级阶段&…...

编程日记 2025/7/2 7:50:05

猫爪背后的情感密码

当家中那只可爱的猫咪时不时用它的小爪子轻拍我们时，很多人或许只当作是调皮捣蛋，实则背后大有深意。 猫用爪子打，可能是在向我们发出玩耍的邀约。在猫咪的天性里，捕猎本能根深蒂固。它们在幼年时与同伴的嬉戏打闹，便…...

编程日记 2025/6/30 22:29:42

【自用】管材流转项目前端重部署流程 vue2 webpackage4 vuecli4

一、配置 1.下载项目，使用 IDEA 打开，并配置 Nodejs 它提示我，需要 Node.js，因为 nodejs 14 的 installer 已经官网已经找不到了，使用 fnm 又太麻烦， 所以直接采用在 IDEA 中下载的方式就好了。 2.清除缓…...

编程日记 2025/6/28 21:12:38

关于c的子进程 fork()

fork() 是一个非常重要的系统调用，用于在 Unix-like 操作系统中创建一个新的进程。它会将当前进程（父进程）复制成一个新的进程（子进程）。子进程会从父进程的代码处继续执行，但具有不同的进程 ID。 fork() …...

编程日记 2025/7/1 5:08:50

耀圣控制设备有限公司：优质压滤机阀门的引领者

耀圣控制设备有限公司：优质压滤机阀门的引领者 在压滤机阀门领域，耀圣控制设备有限公司以其卓越的品质和领先的技术，成为了行业内备受瞩目的品牌。 耀圣控制设备有限公司专注于压滤机阀门的研发与生产，凭借着先进的工艺和严格的质…...

编程日记 2025/6/28 20:47:37