登門討說(shuō)法記者電話：中國(guó)有一句古話叫做“寧為玉碎，不為瓦全”，意思是寧愿當(dāng)一個(gè)被碎成碎片的玻璃瓶，也不愿做一個(gè)完好無(wú)損的瓷罐。這句話表達(dá)了在某些情況下，人們寧愿選擇犧牲自己的一部分，來(lái)保全他們的主要價(jià)值觀念或立場(chǎng)。在生活中，有些時(shí)候我們會(huì)被迫面對(duì)艱難的選擇，需要衡量犧牲和保全之間的平衡。
當(dāng)我們遇到困境或疑惑時(shí)，很多人會(huì)選擇采取主動(dòng)行動(dòng)來(lái)尋求幫助或解決問(wèn)題。有時(shí)候這種行為可能會(huì)被描述為“登門討說(shuō)法”，意指親自去找相關(guān)人員交流溝通，以求得合理的解決方案。這種做法展示了主動(dòng)積極的態(tài)度，愿意通過(guò)交流溝通來(lái)解決疑慮。
在現(xiàn)代社會(huì)，尤其是在信息傳播發(fā)達(dá)的時(shí)代，記者電話作為信息傳遞的紐帶和橋梁扮演著至關(guān)重要的角色。記者電話可以作為互聯(lián)網(wǎng)信息的補(bǔ)充，提供更為直接、現(xiàn)場(chǎng)的信息來(lái)源，讓新聞更加立體和真實(shí)。記者電話的使用也帶來(lái)了便利，可以隨時(shí)隨地獲取當(dāng)前最新的新聞資訊。
有效的交流溝通是人際交往中至關(guān)重要的一環(huán)。無(wú)論是在個(gè)人生活中，還是在工作職場(chǎng)中，交流都扮演著不可或缺的角色。好的交流可以增進(jìn)人際關(guān)系，促進(jìn)問(wèn)題的解決，減少誤解和矛盾。
而對(duì)于記者來(lái)說(shuō)，電話則是他們工作中必不可少的工具。通過(guò)電話采訪，記者可以直接與被采訪對(duì)象對(duì)話，獲取第一手資料，更貼近事實(shí)。在新聞報(bào)道中，電話采訪也是保證報(bào)道及時(shí)性和權(quán)威性的重要手段。
隨著科技的不斷進(jìn)步與通訊技術(shù)的飛速發(fā)展，電話已經(jīng)不再是唯一的交流方式。現(xiàn)代人們可以通過(guò)互聯(lián)網(wǎng)、社交媒體等多種渠道來(lái)獲取信息和進(jìn)行交流。這種多元化的交流方式豐富了我們的生活，同時(shí)也為記者提供了更多的采訪渠道。
盡管現(xiàn)代通訊技術(shù)提供了更多的可能性，但電話作為一種傳統(tǒng)的交流方式依然發(fā)揮著重要作用。在某些情況下，電話的直接性和實(shí)時(shí)性仍然無(wú)法被其他方式替代。特別是在一些緊急事件發(fā)生時(shí)，電話仍然是傳遞消息的最快途徑。
媒體作為信息傳播的重要渠道，具有舉足輕重的影響力。記者的報(bào)道內(nèi)容直接關(guān)系到公眾的知情權(quán)和權(quán)益保障，因此記者需要承擔(dān)相應(yīng)的社會(huì)責(zé)任。他們的報(bào)道不僅要客觀公正，還應(yīng)當(dāng)秉持真實(shí)性和負(fù)責(zé)任的態(tài)度。
在進(jìn)行采訪時(shí)，記者電話也是一種重要的聯(lián)系方式。通過(guò)電話采訪，記者可以及時(shí)與消息來(lái)源取得聯(lián)系，及時(shí)了解事件的最新進(jìn)展。這有助于記者更快速、更準(zhǔn)確地報(bào)道新聞，讓公眾及時(shí)了解事件發(fā)展的全貌。
總的來(lái)說(shuō)，登門討說(shuō)法和記者電話在現(xiàn)代社會(huì)都具有重要意義。采取主動(dòng)尋求解決問(wèn)題的態(tài)度和通過(guò)電話聯(lián)系來(lái)獲取信息的方式，都有助于解決疑慮，促進(jìn)信息傳遞的暢通。在社會(huì)交往和新聞報(bào)道中，這兩種方式都承載著溝通和建設(shè)的重要使命。
根據(jù)《治安管理處罰法》規(guī)定，多次上門騷擾他人，或者通過(guò)其它方式干擾他人正常生活的，屬于違反治安管理的違法行為，由公安機(jī)關(guān)根據(jù)具體情節(jié)予以治安處罰。
首先你未經(jīng)對(duì)方同意，到別人家里已經(jīng)屬于私闖民宅，如果在這過(guò)程當(dāng)中發(fā)生肢體沖突或言語(yǔ)恐嚇。對(duì)方完全有理由報(bào)警！到時(shí)候吃虧的肯定是你。
看是什么原因?qū)е卤谎汀Ｈ绻遣豢煽雇饬?dǎo)致，可以根據(jù)有關(guān)規(guī)定向之前投保的保險(xiǎn)公司索賠，也可以向政府有關(guān)部門申請(qǐng)救濟(jì)。如果是他方原因?qū)е碌模梢灾苯诱移鋮f(xié)調(diào)賠償，必要時(shí)依法起訴維權(quán)！
1可以登錄浙江省臺(tái)州市的《臺(tái)州網(wǎng)絡(luò)電視臺(tái)》的“臺(tái)州在線”官方網(wǎng)站。
2然后移動(dòng)鼠標(biāo)到精彩欄目的專欄。 3點(diǎn)擊大民討說(shuō)法后，再任意點(diǎn)擊一個(gè)視頻進(jìn)行觀看。 4等候主持人講完后，注意屏幕下方滾動(dòng)播出的文字 介紹。 如果是咨詢有關(guān)法律問(wèn)題，大民討說(shuō)法將會(huì)提供 平臺(tái)，需要提供本人身份證號(hào)碼和真實(shí)姓名（僅作核實(shí)身份用，不播出）。 提示：如果是有具體的法律問(wèn)題要解決，可以找當(dāng)?shù)氐穆蓭熥稍兲幚怼Ｈ绻怯猩顭赖膯?wèn)題需要提供幫助，可以撥打其新聞熱線，該網(wǎng)站上可以找到。一般正規(guī)黃金實(shí)體店購(gòu)買的黃金飾品都有鋼印，如果沒(méi)有鋼印，可以憑發(fā)票到店內(nèi)進(jìn)行協(xié)商和換款。如果不成可以討說(shuō)法。
國(guó)標(biāo)規(guī)定黃金首飾必須打上廠家，品牌，材質(zhì)，含量，重量等信息鋼印。
黃金變白可以向商家討說(shuō)法。黃金由于佩戴的時(shí)候和鉑金在一起，由于摩擦氧化黃金會(huì)出現(xiàn)變白的現(xiàn)象，如果找到商家，商家一定會(huì)妥善處理的，可以通過(guò)火槍，用火輕輕的吃一下，白金就會(huì)變回黃金的本色。但是有的消費(fèi)者不懂這個(gè)道理，就會(huì)以為買到了假貨會(huì)到商家討要說(shuō)法。
農(nóng)民功功傷討說(shuō)法橫幅內(nèi)容:為公而傷還我血汗錢
糧食種植補(bǔ)貼款沒(méi)有發(fā)放全可以到當(dāng)?shù)剞r(nóng)村農(nóng)業(yè)局和鄉(xiāng)鎮(zhèn)紀(jì)委投訴。糧食種植補(bǔ)貼是國(guó)家為了調(diào)動(dòng)農(nóng)民種植糧食作物的積極性，制定的一項(xiàng)惠民措施，這也是保障我國(guó)糧食安全的一項(xiàng)制度，實(shí)施以來(lái)，受到廣大群眾的歡迎，沒(méi)有發(fā)放到戶，可以到當(dāng)?shù)剞r(nóng)業(yè)部門和紀(jì)委投訴。
某些工作場(chǎng)地因意外傷亡事故，無(wú)任責(zé)任如何劃分，都不提倡也不允許釆取拉橫幅標(biāo)語(yǔ)討說(shuō)法的方式來(lái)解決問(wèn)題。正確的做法應(yīng)該在出現(xiàn)人員傷亡的情況下或及時(shí)報(bào)警，由警方出面依法依規(guī)解決問(wèn)題，或由調(diào)解機(jī)關(guān)牽頭，組織雙方協(xié)商調(diào)解，調(diào)解未果或?qū)矙C(jī)關(guān)處理不服，可以起訴法院解決，拉橫幅寫什么內(nèi)容都不是解決問(wèn)題的好辦法。
之前看了Mahout官方示例 20news 的調(diào)用實(shí)現(xiàn)；于是想根據(jù)示例的流程實(shí)現(xiàn)其他例子。網(wǎng)上看到了一個(gè)關(guān)于天氣適不適合打羽毛球的例子。
訓(xùn)練數(shù)據(jù)：
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
檢測(cè)數(shù)據(jù)：
sunny，hot，high，weak
結(jié)果：
Yes=》 0.007039
No=》 0.027418
于是使用Java代碼調(diào)用Mahout的工具類實(shí)現(xiàn)分類。
基本思想：
1. 構(gòu)造分類數(shù)據(jù)。
2. 使用Mahout工具類進(jìn)行訓(xùn)練，得到訓(xùn)練模型。
3。將要檢測(cè)數(shù)據(jù)轉(zhuǎn)換成vector數(shù)據(jù)。
4. 分類器對(duì)vector數(shù)據(jù)進(jìn)行分類。
接下來(lái)貼下我的代碼實(shí)現(xiàn)=》
1. 構(gòu)造分類數(shù)據(jù)：
在hdfs主要?jiǎng)?chuàng)建一個(gè)文件夾路徑 /zhoujainfeng/playtennis/input 并將分類文件夾 no 和 yes 的數(shù)據(jù)傳到hdfs上面。
數(shù)據(jù)文件格式，如D1文件內(nèi)容： Sunny Hot High Weak
2. 使用Mahout工具類進(jìn)行訓(xùn)練，得到訓(xùn)練模型。
3。將要檢測(cè)數(shù)據(jù)轉(zhuǎn)換成vector數(shù)據(jù)。
4. 分類器對(duì)vector數(shù)據(jù)進(jìn)行分類。
這三步，代碼我就一次全貼出來(lái)；主要是兩個(gè)類 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";
/*
* 測(cè)試代碼
*/
public static void main(String[] args) {
//將訓(xùn)練數(shù)據(jù)轉(zhuǎn)換成 vector數(shù)據(jù)
makeTrainVector();
//產(chǎn)生訓(xùn)練模型
makeModel(false);
//測(cè)試檢測(cè)數(shù)據(jù)
BayesCheckData.printResult();
}
public static void makeCheckVector(){
//將測(cè)試數(shù)據(jù)轉(zhuǎn)換成序列化文件
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參數(shù)是，是否遞歸刪除的意思
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("文件序列化失敗！");
System.exit(1);
}
//將序列化文件轉(zhuǎn)換成向量文件
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參數(shù)是，是否遞歸刪除的意思
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("序列化文件轉(zhuǎn)換成向量失敗！");
System.out.println(2);
}
}
public static void makeTrainVector(){
//將測(cè)試數(shù)據(jù)轉(zhuǎn)換成序列化文件
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參數(shù)是，是否遞歸刪除的意思
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("文件序列化失敗！");
System.exit(1);
}
//將序列化文件轉(zhuǎn)換成向量文件
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參數(shù)是，是否遞歸刪除的意思
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("序列化文件轉(zhuǎn)換成向量失敗！");
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參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
if(fs.exists(label)){
//boolean參數(shù)是，是否遞歸刪除的意思
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("生成訓(xùn)練模型失敗！");
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("檢測(cè)數(shù)據(jù)構(gòu)造成vectors初始化時(shí)報(bào)錯(cuò)。。。。");
System.exit(4);
}
}
/**
* 加載字典文件，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;
}
/**
* 加載df-count目錄下TermDoc頻率文件，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時(shí)表示總文檔數(shù)
for (Multiset.Entry<String> entry : words.entrySet()) {
String word = entry.getElement();
int count = entry.getCount();
Integer wordId = dictionary.get(word); // 需要從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);
}
// 利用貝葉斯算法開(kāi)始分類,并提取得分最好的分類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("檢測(cè)所屬類別是："+getCheckResult());
}
}
