是他？是他！小哪吒 - 小宝pengpeng
词：陈伟灏
曲：陈乜宝
编曲：陈乜宝
珠入尘
三年六月诞魔童
怒发冲冠提红焰
金刚咒
陈塘关内脱真神
奈何人间偏见推
脚踏金霞风火轮
混天绫中福世民
我命由我不由天
灵珠二世出凡尘
三收三放乾坤圈
为亲未惧万雷诛
莲花身上真元神
君神叹 爹娘怜
来世再追逐
晴日无忧少童年
珠入尘
三年六月诞魔童
怒发冲冠提红焰
金刚咒
陈塘关内脱真神
奈何人间偏见推
脚踏金霞风火轮
混天绫中福世民
我命由我不由天
灵珠二世出凡尘
三收三放乾坤圈
为亲未惧万雷诛
莲花身上真元神
君神叹 爹娘怜
来世再追逐
晴日无忧
我命不由天
来世再出凡生为亲为惧
莲花身上真元神
君神叹 爹娘怜
来世再追逐
晴日无忧少童年
《哪吒传奇》的片尾曲是《少年英雄小哪吒》，主题曲是《小哪吒》。
《哪吒传奇》动画片音乐：
《小哪吒》作词：张黎 作曲：肖白 演唱：孙楠 片头主题曲
《少年英雄小哪吒》作词：乔羽 作曲：李海鹰 演唱：杨采钰 片尾主题曲
歌曲介绍：
1、小哪吒
歌名：小哪吒
（《哪吒传奇》的主题曲）
作词：张黎
作曲：肖白
演唱：孙楠
歌词：
说一段神话
话说那么一家
这家夫妻俩
生了个怪娃娃
扎俩个冲天鬏
光着俩小脚丫
踩着俩风火轮
乾坤圈手中拿
混天绫护着他
轩辕箭满弓拉
两眼是照妖镜
双腿是追风马
乾坤圈伴着他
上天下海本事大
三头六臂显威力
千征百战斗魔法
要问他名字叫什么
哪吒 哪吒 小哪吒
说一段神话
话说那么一家
这家夫妻俩
生了个怪娃娃
扎俩个冲天鬏
光着俩小脚丫
踩着俩风火轮
乾坤圈手中拿
混天绫护着他
轩辕箭满弓拉
两眼是照妖镜
双腿是追风马
乾坤圈伴着他
上天下海本事大
三头六臂显威力
千征百战斗魔法
要问他名字叫什么
哪吒 哪吒 小哪吒
2、少年英雄小哪吒
歌名：少年英雄小哪吒
（《哪吒传奇》的片尾曲）
歌曲原唱：杨采钰
填 词：乔羽
谱 曲：李海鹰
歌词：
是他,是他,是他,就是他.
我们的朋友小哪吒.
是他,就是他,是他,就是他.
少年英雄,小哪吒.
上天他比~(稍长音),天要高~(同上).
下海他比~(同上),海更大啊~啊~(同上).
智斗妖魔~,勇降鬼怪.
少年英雄,就是小哪吒.
有时,他很聪明.
有时,他也犯傻.
他的个头跟我一般高.
有时,他很努力.
有时,他也贪玩.
他的年纪和我一般大~~(长音).
上天他比~(稍长音),天要高~(同上).
下海他比~(同上),海更大啊~啊~(同上).
智斗妖魔~,勇降鬼怪.
少年英雄,就是小哪吒~~(长音)
《哪吒之魔童降世》是一部中国动画电影，讲述了中国传统神话故事中的神话角色哪吒的故事。在电影中，有一首著名的歌曲称为《小哪吒》。这首歌曲是电影中的主题曲，由华语流行歌手赵雷演唱。该歌曲以活泼、阳光的旋律，表达了哪吒少年时代的顽皮和天真，相当受到观众喜爱。
电动汽车市场的崛起为环保出行提供了全新的选择。中国作为全球最大的汽车市场之一，一直致力于推动电动汽车技术和创新。在这个快节奏的市场中，一个备受关注的品牌脱颖而出，那就是哪吒汽车。
作为中国新兴的电动汽车品牌，哪吒汽车以其鲜明的个性、卓越的性能和引人注目的设计而闻名。其独特的品牌名称“哪吒”源于中国古代神话故事，寓意着通过科技和创新来唤醒人们对环境保护的意识。
哪吒汽车的使命是推动可持续出行的未来，为消费者提供高品质、高性能的电动汽车。
哪吒u是哪吒汽车最受欢迎的车型之一。它是一款全电动SUV，融合了先进的科技和创新的设计。哪吒u的电池采用了最新的锂离子技术，具有出色的续航能力和快速充电功能，为用户提供便捷的充电体验。
哪吒u还配备了先进的驾驶辅助系统，包括自动紧急制动、车道保持辅助和自适应巡航控制等功能，提供了安全可靠的驾驶体验。同时，哪吒u的智能互联功能使得驾驶变得更加智能方便，通过手机应用可以远程控制车辆，了解车辆的状态并进行预约充电等操作。
哪吒u的外观设计简约而富有动感，前脸采用了哪吒汽车标志性的“地球进化”设计元素，给人一种科技感和未来感。内饰采用了高级材料和精致工艺，营造出舒适而豪华的驾驶空间。
哪吒u不仅在性能和技术上出众，其坚持可持续发展的理念也得到了广泛认可。哪吒汽车致力于推动电动汽车的发展，降低车辆对环境的影响，为绿色出行贡献力量。
哪吒汽车是中国电动汽车市场的新秀，但它以其独特的个性和出色的性能逐渐在竞争激烈的市场中崭露头角。随着对环保和可持续出行需求的不断增加，电动汽车市场正在迎来发展的黄金时期，而哪吒汽车正是这个机遇下的受益者。
作为一家年轻的品牌，哪吒汽车不断推出创新的产品和服务，满足消费者对高品质电动汽车的需求。它不仅注重技术和性能的提升，还致力于提供舒适、智能的驾驶体验。
与此同时，哪吒汽车还注重可持续发展的理念，在产品设计和生产过程中采用环保材料和技术，减少对环境的负担。哪吒汽车积极推广绿色出行，呼吁人们关注环境保护，共同构建可持续发展的未来。
哪吒汽车的前景非常可观。随着电动汽车市场的不断发展，消费者对高品质、高性能电动汽车的需求将进一步增长。同时，政府对环保出行的支持和鼓励也将提供更多机会给电动汽车企业。
中国作为全球最大的汽车市场之一，对电动汽车的需求量巨大。哪吒汽车凭借其卓越的性能、鲜明的品牌形象和绿色发展理念，将在电动汽车市场中占据重要地位。
哪吒汽车作为中国新兴的电动汽车品牌，以其独特的个性和出色的性能赢得了消费者的青睐。哪吒u作为哪吒汽车的明星产品，以其卓越的驾驶体验和绿色发展理念成为了电动汽车市场的焦点。
随着电动汽车市场的不断壮大和需求的不断增长，哪吒汽车有着巨大的发展潜力。它积极推动环保出行，为消费者提供高品质、高性能的电动汽车，不断满足人们对智能、舒适驾驶体验的需求。
哪吒汽车的未来可期，我们有理由相信，在不久的将来，哪吒汽车将成为中国电动汽车市场的佼佼者，为绿色出行事业贡献更多力量。
哪吒汽车是一家新兴的汽车制造公司，近年来备受关注。哪吒汽车哪吒v是该公司旗下的一款电动汽车，备受消费者喜爱。本文将对哪吒汽车哪吒v进行深入的分析和评价。
哪吒汽车哪吒v的外观设计可谓独具匠心，融入了许多未来感的元素。车身线条流畅，外观犀利，给人一种时尚、科技感极强的视觉冲击。前格栅设计独特，搭配LED大灯，赋予了这款车独特的个性。
作为一款电动汽车，哪吒汽车哪吒v在性能方面表现优异。动力强劲，加速迅猛，给驾驶者带来极佳的驾驶体验。电池续航里程长，充电便捷，满足日常使用需求。
哪吒汽车哪吒v的内饰设计简洁大气，采用了高品质的材质，舒适度和实用性兼具。中控台采用了大尺寸触控屏幕，操作便捷，界面友好。座椅舒适支撑力度适中，长途驾驶也不觉得疲劳。
在安全方面，哪吒汽车哪吒v配备了多项智能安全系统，如自动紧急刹车、车道保持辅助等，有效提升了驾驶安全系数。车辆结构稳固，通过了多项安全测试，为驾驶者和乘客提供了全方位的安全保障。
哪吒汽车哪吒v的售价相对合理，性价比较高，吸引了不少消费者的关注。在竞争对手方面，哪吒v与其他电动汽车品牌竞争激烈，但凭借出色的性能和设计，依然具有一定的市场竞争力。
综合来看，哪吒汽车哪吒v作为一款新兴的电动汽车，拥有优良的外观设计、强劲的性能表现和优秀的安全性能，给人留下了深刻的印象。相信随着哪吒汽车在市场上的不断发展壮大，哪吒v将会在电动汽车领域发光发热，为消费者带来更多惊喜。
李靖
李靖，中国古代神话人物，道教神仙，出自于明代古典神话小说名著《封神演义》、《西游记》、《南游记》等诸多文学作品以及民间传说。乃殷夫人之夫，金吒、木吒、哪吒三太子、李贞英之父；地涌夫人（金鼻白老鼠精）的义父。
在小说《封神演义》之中是商朝人，家住陈塘关李府，在凡间曾任陈塘关的镇关总兵，本是商朝纣王部下的关口守将之一，后反商伐纣，参与殷周大战，原为西昆仑度厄真人的弟子，后另拜燃灯道人为师，是阐教的老三代弟子。修道成圣后，晋升仙班成为灵山护法神。府邸居于天庭的云楼宫
我觉得演小范闲的“老戏骨”韩昊霖好适合解封之前的小哪吒！
太可爱啦
笑起来特别像，声音也像，而且他的牙齿跟动漫里哪吒那种圆圆的一模一样，哪吒的烟熏妆一上完全没问题！
演起来风格能动能静，在看庆余年戏里面一开始拍师傅那一砖面部动作都能表演狠劲儿，要有打戏能hold住，在戏外花絮里，孩子也挺挺活络的，也已经出演了不少的电视剧，就像《我和我的祖国》里演冬冬就很精彩，当时在电影院里演到紧张的就是那个女排关键时刻他要扶电线杆的部分，把一众阿姨逗笑了。
如果真的能演真人版，我觉得孩子完全演的出哪吒所需要的那种张力。
要拍可赶早啊，否则适合的演的小朋友可都要长大啦！
在中国汽车行业的竞争激烈背景下，哪吒汽车成为了一颗耀眼的新星。作为中国本土汽车制造商，哪吒汽车凭借其独特的设计理念和创新科技，成功地重新定义了中国汽车行业的未来。
哪吒汽车以其独特的外观设计吸引了全球的目光。哪吒u白色，作为哪吒汽车旗下的一款经典车型，将中国传统文化与现代科技相结合，形成了一种独特的审美风格。这款车型采用了全新的造型设计，融合了中国传统雕塑的元素，赋予了车身一种流畅而有力的曲线。而纯白色的车身，则象征着纯净和未来。
在科技方面，哪吒汽车同样秉持着创新的理念。哪吒u白色搭载了最新一代的电动驱动系统，为用户带来了更加绿色和环保的出行方式。同时，哪吒汽车注重与互联网技术的结合，为用户提供了智能驾驶等一系列先进的功能，进一步提升了驾驶体验。
哪吒汽车始终将用户体验放在首位。在哪吒u白色中，用户可以感受到前所未有的舒适与便利。车内采用了高级材质和人性化设计，打造了一个宽敞而温馨的驾驶空间。同时，哪吒汽车还在车联网和智能服务领域做出了积极的探索，为用户提供了更加个性化和便捷的服务。
哪吒汽车还注重与用户的互动与沟通。通过社交媒体和智能手机应用，哪吒汽车与用户建立了紧密的联系。用户可以随时获得品牌的最新动态和优惠信息，同时还可以参与到哪吒汽车的产品设计和改进中来。这种用户参与的模式，不仅增强了用户的忠诚度，也为哪吒汽车提供了宝贵的市场反馈。
哪吒汽车积极响应国家绿色发展的号召，致力于推动绿色出行的发展。哪吒u白色作为电动汽车，零排放的特性使其成为城市环境友好型车辆的代表。哪吒汽车还积极参与社会公益事业，通过赞助环保活动和推广节能理念，为社会的可持续发展做出了积极的贡献。
哪吒汽车以其独特的品牌价值取得了巨大的市场成功。哪吒u白色作为其旗舰产品，不仅在设计与科技上具备独特的竞争优势，同时也赢得了广大用户的认可和喜爱。
未来，哪吒汽车将继续保持对创新的追求，不断提升产品的品质和用户的体验。随着中国汽车市场的进一步发展和对绿色出行需求的增加，哪吒汽车有着更广阔的发展前景。哪吒u白色作为哪吒汽车的一张名片，将继续引领中国汽车行业的潮流，为用户带来更加出色的出行体验。
在哪吒汽车的努力下，中国汽车行业正逐渐走向创新与绿色发展的道路，为中国和全球的可持续发展做出了积极的贡献。
Disclaimer: 本文为机器生成内容，不代表任何观点和立场。因为今天太冷有购车需求，第一个考虑的是五菱宏光mini，顶配170km，落地4.5。全车没有安全气囊和等车一个月，续航问题最后pass。通过朋友介绍看车1天直接选择哪吒v
同价位车型性价比最高，外形是suv，内饰造型简介，符合年轻人审美。
操作精准，适合女生操作。男生当然也可以
3电质保，有国资背书，更值得信赖
已提车一个月，1000km有余，冲了大概5-6次电，基本都是百分之20充电。总而言之感觉很值，用车成本低，停车半价，基本现在也会给有需求的朋友推荐。
颜色最终选的白色，耐脏！
之前看了Mahout官方示例 20news 的调用实现；于是想根据示例的流程实现其他例子。网上看到了一个关于天气适不适合打羽毛球的例子。
训练数据：
Day Outlook Temperature Humidity Wind PlayTennis
D1 Sunny Hot High Weak No
D2 Sunny Hot High Strong No
D3 Overcast Hot High Weak Yes
D4 Rain Mild High Weak Yes
D5 Rain Cool Normal Weak Yes
D6 Rain Cool Normal Strong No
D7 Overcast Cool Normal Strong Yes
D8 Sunny Mild High Weak No
D9 Sunny Cool Normal Weak Yes
D10 Rain Mild Normal Weak Yes
D11 Sunny Mild Normal Strong Yes
D12 Overcast Mild High Strong Yes
D13 Overcast Hot Normal Weak Yes
D14 Rain Mild High Strong No
检测数据：
sunny，hot，high，weak
结果：
Yes=》 0.007039
No=》 0.027418
于是使用Java代码调用Mahout的工具类实现分类。
基本思想：
1. 构造分类数据。
2. 使用Mahout工具类进行训练，得到训练模型。
3。将要检测数据转换成vector数据。
4. 分类器对vector数据进行分类。
接下来贴下我的代码实现=》
1. 构造分类数据：
在hdfs主要创建一个文件夹路径 /zhoujainfeng/playtennis/input 并将分类文件夹 no 和 yes 的数据传到hdfs上面。
数据文件格式，如D1文件内容： Sunny Hot High Weak
2. 使用Mahout工具类进行训练，得到训练模型。
3。将要检测数据转换成vector数据。
4. 分类器对vector数据进行分类。
这三步，代码我就一次全贴出来；主要是两个类 PlayTennis1 和 BayesCheckData = =》
package myTesting.bayes;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.util.ToolRunner;
import org.apache.mahout.classifier.naivebayes.training.TrainNaiveBayesJob;
import org.apache.mahout.text.SequenceFilesFromDirectory;
import org.apache.mahout.vectorizer.SparseVectorsFromSequenceFiles;
public class PlayTennis1 {
private static final String WORK_DIR = "hdfs://192.168.9.72:9000/zhoujianfeng/playtennis";
/*
* 测试代码
*/
public static void main(String[] args) {
//将训练数据转换成 vector数据
makeTrainVector();
//产生训练模型
makeModel(false);
//测试检测数据
BayesCheckData.printResult();
}
public static void makeCheckVector(){
//将测试数据转换成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"testinput";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失败！");
System.exit(1);
}
//将序列化文件转换成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件转换成向量失败！");
System.out.println(2);
}
}
public static void makeTrainVector(){
//将测试数据转换成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"input";
String output = WORK_DIR+Path.SEPARATOR+"tennis-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失败！");
System.exit(1);
}
//将序列化文件转换成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件转换成向量失败！");
System.out.println(2);
}
}
public static void makeModel(boolean completelyNB){
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-vectors"+Path.SEPARATOR+"tfidf-vectors";
String model = WORK_DIR+Path.SEPARATOR+"model";
String labelindex = WORK_DIR+Path.SEPARATOR+"labelindex";
Path in = new Path(input);
Path out = new Path(model);
Path label = new Path(labelindex);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
if(fs.exists(label)){
//boolean参数是，是否递归删除的意思
fs.delete(label, true);
}
TrainNaiveBayesJob tnbj = new TrainNaiveBayesJob();
String[] params =null;
if(completelyNB){
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow","-c"};
}else{
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow"};
}
ToolRunner.run(tnbj, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("生成训练模型失败！");
System.exit(3);
}
}
}
package myTesting.bayes;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;
import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.fs.PathFilter;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.mahout.classifier.naivebayes.BayesUtils;
import org.apache.mahout.classifier.naivebayes.NaiveBayesModel;
import org.apache.mahout.classifier.naivebayes.StandardNaiveBayesClassifier;
import org.apache.mahout.common.Pair;
import org.apache.mahout.common.iterator.sequencefile.PathType;
import org.apache.mahout.common.iterator.sequencefile.SequenceFileDirIterable;
import org.apache.mahout.math.RandomAccessSparseVector;
import org.apache.mahout.math.Vector;
import org.apache.mahout.math.Vector.Element;
import org.apache.mahout.vectorizer.TFIDF;
import com.google.common.collect.ConcurrentHashMultiset;
import com.google.common.collect.Multiset;
public class BayesCheckData {
private static StandardNaiveBayesClassifier classifier;
private static Map<String, Integer> dictionary;
private static Map<Integer, Long> documentFrequency;
private static Map<Integer, String> labelIndex;
public void init(Configuration conf){
try {
String modelPath = "/zhoujianfeng/playtennis/model";
String dictionaryPath = "/zhoujianfeng/playtennis/tennis-vectors/dictionary.file-0";
String documentFrequencyPath = "/zhoujianfeng/playtennis/tennis-vectors/df-count";
String labelIndexPath = "/zhoujianfeng/playtennis/labelindex";
dictionary = readDictionnary(conf, new Path(dictionaryPath));
documentFrequency = readDocumentFrequency(conf, new Path(documentFrequencyPath));
labelIndex = BayesUtils.readLabelIndex(conf, new Path(labelIndexPath));
NaiveBayesModel model = NaiveBayesModel.materialize(new Path(modelPath), conf);
classifier = new StandardNaiveBayesClassifier(model);
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("检测数据构造成vectors初始化时报错。。。。");
System.exit(4);
}
}
/**
* 加载字典文件，Key: TermValue； Value：TermID
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<String, Integer> readDictionnary(Configuration conf, Path dictionnaryDir) {
Map<String, Integer> dictionnary = new HashMap<String, Integer>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
String name = path.getName();
return name.startsWith("dictionary.file");
}
};
for (Pair<Text, IntWritable> pair : new SequenceFileDirIterable<Text, IntWritable>(dictionnaryDir, PathType.LIST, filter, conf)) {
dictionnary.put(pair.getFirst().toString(), pair.getSecond().get());
}
return dictionnary;
}
/**
* 加载df-count目录下TermDoc频率文件，Key: TermID； Value：DocFreq
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<Integer, Long> readDocumentFrequency(Configuration conf, Path documentFrequencyDir) {
Map<Integer, Long> documentFrequency = new HashMap<Integer, Long>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
return path.getName().startsWith("part-r");
}
};
for (Pair<IntWritable, LongWritable> pair : new SequenceFileDirIterable<IntWritable, LongWritable>(documentFrequencyDir, PathType.LIST, filter, conf)) {
documentFrequency.put(pair.getFirst().get(), pair.getSecond().get());
}
return documentFrequency;
}
public static String getCheckResult(){
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String classify = "NaN";
BayesCheckData cdv = new BayesCheckData();
cdv.init(conf);
System.out.println("init done...............");
Vector vector = new RandomAccessSparseVector(10000);
TFIDF tfidf = new TFIDF();
//sunny，hot，high，weak
Multiset<String> words = ConcurrentHashMultiset.create();
words.add("sunny",1);
words.add("hot",1);
words.add("high",1);
words.add("weak",1);
int documentCount = documentFrequency.get(-1).intValue(); // key=-1时表示总文档数
for (Multiset.Entry<String> entry : words.entrySet()) {
String word = entry.getElement();
int count = entry.getCount();
Integer wordId = dictionary.get(word); // 需要从dictionary.file-0文件（tf-vector）下得到wordID，
if (StringUtils.isEmpty(wordId.toString())){
continue;
}
if (documentFrequency.get(wordId) == null){
continue;
}
Long freq = documentFrequency.get(wordId);
double tfIdfValue = tfidf.calculate(count, freq.intValue(), 1, documentCount);
vector.setQuick(wordId, tfIdfValue);
}
// 利用贝叶斯算法开始分类,并提取得分最好的分类label
Vector resultVector = classifier.classifyFull(vector);
double bestScore = -Double.MAX_VALUE;
int bestCategoryId = -1;
for(Element element: resultVector.all()) {
int categoryId = element.index();
double score = element.get();
System.out.println("categoryId:"+categoryId+" score:"+score);
if (score > bestScore) {
bestScore = score;
bestCategoryId = categoryId;
}
}
classify = labelIndex.get(bestCategoryId)+"(categoryId="+bestCategoryId+")";
return classify;
}
public static void printResult(){
System.out.println("检测所属类别是："+getCheckResult());
}
}
