5.21 一面

自我介绍后没聊项目，直接问基础知识，答案为查询资料后复盘。

操作系统

Q：Linux中输入echo命令发生了什么？
A：shell命令分为内建命令和外部命令。内建命令是shell解释程序内建的，直接调用函数执行，不需要派生新的进程。外部命令分为二进制代码或shell脚本，会通过fork调用创建一个新的进程来执行命令，默认shell会等待直到该进程结束。其中二进制命令会调用exec系列函数执行，取代子shell，脚本会在子shell中运行。echo是内建命令，会被shell直接执行。（面试官说从进程角度讲，应该是想问外部命令）

DBIS的21天学习打卡系列活动，此篇将记录这期间学习的计算机网络和操作系统。琦琦学长发钱了，冲啊！

感谢杀哥引路JavaGuide

5.15 计算机网络

DBIS的21天学习打卡系列活动，此篇将记录这期间学习的Java知识。琦琦学长发钱了，冲啊！

感谢杀哥引路JavaGuide

DBIS的21天学习打卡系列活动，此篇将记录这期间学习的数据库知识。琦琦学长发钱了，冲啊！

4.29 分区分表

挑战第一天，正好明天数据库上机课要讲分区分表，提前备好课，学习一下相关知识。

数据库助教工作需要讲解MySQL基本数据类型，以下为准备内容

当我们学习一门程序语言时，首先可能是了解它的语法，接着就是学习它的数据类型了。而对于SQL这种用在以存储为主的数据库上的语言来说，了解它所支持的数据类型就更加重要了，而接下来我们就来学习一下MySQL数据表中支持的数据类型。

下面分别介绍一下几个常用的存储引擎的特点

一年前国创项目因前端展示需要，在阿里云上购置了一台服务器，促销价一年还不到一百，前段时间到期了（当时能够报销竟然只买了一年的)，其续费要用原价，贵的要死（果然都是套路）。现在随着结项答辩的临近，只能自掏腰包重新促销价购买了一年新的服务器。并且重新部署了neo4j，在服务器跑上我们的程序，成功借助微信公众号作为前端展示。重新部署的过程中，很多坑踩了两次，在这里记录下来，也算是一个总结。

标题：Long Text Generation via Adversarial Training with Leaked Information
作者：Jiaxian Guo, Sidi Lu, etc.
发表：AAAI 2018

将生成器视为强化学习过程，使用判别器指导生成器训练的GAN模型在文本生成上取得了不错的结果。但是，标量指导信号只有在整个文本生成完后才能由判别器给出，且信号信息量不大，缺少了生成过程中文本结构的中间信息。所以在生成较长的文本时（超过20个单词）效果并不好。该论文提出了一个新的架构 LeakGAN，来解决长文本生成的问题。LeakGAN 允许判别器向生成器泄露抽取到的高层次特征来帮助生成器的学习。在生成过程的每一步中，生成器通过 MANAGER 模型将当前文本抽取到的特征作为输入，输出一个隐藏向量来指导 WORKER 模型生成下一个单词。

标题：MaskGAN: Better Text Generation via Filling in the______
作者：William Fedus, Ian Goodfellow, Andrew M. Dai
发表：ICLR 2018

文本生成的神经模型常常是自回归语言模型或者seq2seq模型，这些模型通过序列采样单词生成文本，每个词的生成受之前产生词的影响。虽然这些方法在一些 benchmark 上有比较好的结果，比较适合优化 perplexity，但常会因为前段序列产生了训练数据中未出现过的单词而导致错误累计（exposure bias），产生很差的结果。而 GAN 模型解决了以上问题却对离散数据生成有着难以计算梯度的问题，因此论文提出了一个 actor-critic conditional GAN，MaskGAN，通过周围的语境填充缺失的文本进行训练，在条件和非条件的 text samples 中有着很好的效果。

标题：SeqGAN: Sequence Generative Adversarial Nets with Policy Gradient
作者：Lantao Yu, Weinan Zhang, Jun Wang, Yong Yu
发表：AAAI 2017

GAN模型在生成由离散 token 组成的句子时，判别器难以将梯度创给生成器更新参数，另外判别器只能评判整个句子，而对于生成句子的一部分，很难平衡当前分数和未来生成的句子的分数。这篇文章提出了 SeqGAN 来解决这些问题。该模型将生成器看成是强化学习中的随机策略，通过直接执行梯度策略（gradient policy）更新来绕过生成器的微分问题。模型使用GAN中判别器对整个句子评判的结果作为强化学习中的奖励信号，并用蒙特卡洛搜索将其传递给中间步的状态动作。