> 文档中心 > ChatGPT的N种用法(持续更新中。。。)

ChatGPT的N种用法(持续更新中。。。)

目录

  • 前言
  • 一、语法更正
  • 二、文本翻译
  • 三、语言转换
    • 3-1、Python-->JAVA
  • 四、代码解释-1
  • 五、代码解释-2
  • 六、修复代码错误
  • 七、作为百科全书
  • 八、信息提取
  • 九、好友聊天
  • 十、创意生成器
    • 10-1、VR和密室结合
    • 10-2、再结合AR
  • 十一、采访问题
    • 11-1、采访问题清单
    • 11-2、采访问题清单并给出相应答案
  • 十二、论文大纲
    • 12-1、创建论文大纲
    • 12-2、解释大纲内容
  • 十三、故事创作
    • 13-1、爱情故事
    • 13-2、恐怖故事
  • 十四、问题类比
  • 十五、创建SQL需求
  • 十六、情感分析
  • 十七、将产品描述转变为广告
  • 十八、关键字提取
  • 十九、闲聊机器人
  • 二十、总结

前言

当今的ChatGPT是一个强大的语言模型,它可以帮助您创建出色的产品并提高您的业务成功率。ChatGPT利用大规模的自然语言处理和机器学习算法,可以进行自然而流畅的对话,理解自然语言问题和回答。您可以使用ChatGPT来建立智能客服、智能助手、文本自动补全、语音识别和机器翻译等多种产品。ChatGPT可以快速适应新的数据和新的场景,使用ChatGPT,您可以轻松实现个性化、高效率和全天候的服务。让ChatGPT帮助您推动业务的增长!

一、语法更正

用途:文章、论文等润色。
ChatGPT的N种用法(持续更新中。。。)

二、文本翻译

用途:日常学习、商务翻译等。
ChatGPT的N种用法(持续更新中。。。)

三、语言转换

3-1、Python–>JAVA

用途:工作用途,不同语言工程师之间的合作,更加方便。
ChatGPT的N种用法(持续更新中。。。)

import numpy as npimport plotly.express as pxdef thresholding_algo(y, lag, threshold):    """    :param y: 输入列表    :param lag: 滑动窗口大小    :param threshold: 调节系数,用于调节容忍范围的大小。    :return:    """    # signals:信号列表    signals = np.zeros(len(y))    avgFilter = np.zeros(len(y))    # 初始化平均值列表、差值列表    avgFilter[lag - 1] = np.mean(y[0:lag])    dif_li = [0] * len(y)    for i in range(lag, len(y)): if i < len(y) - lag - 30:     for j in range(i + 11, len(y)):  if y[j] >= y[i - 1]:      break     if j >= len(y) - 30:  back = y[i - 1]     else:  back = np.mean(y[j + 11:j + 20 + lag]) else:     back = y[i - 1] # 前后均值差值计算 tmp = abs(back - avgFilter[i - 1]) dif = (tmp if tmp > 1 else 1) if abs(y[i] - avgFilter[i - 1]) > dif * threshold:     signals[i] = (1 if y[i] > avgFilter[i - 1] else -1)     avgFilter[i] = np.mean(y[(i - lag):i])     y[i] = avgFilter[i - 1] else:     signals[i] = 0     avgFilter[i] = np.mean(y[(i - lag):i]) dif_li[i] = dif    return dict(signals=np.asarray(signals),  avgFilter=np.asarray(avgFilter),  y=np.asarray(y),  dif=np.asarray(dif_li),  )

ChatGPT的N种用法(持续更新中。。。)

public static Map<String, double[]> thresholding_algo(double[] y, int lag, double threshold) {    double[] signals = new double[y.length];    double[] avgFilter = new double[y.length];    Arrays.fill(avgFilter, 0.0);    avgFilter[lag - 1] = mean(Arrays.copyOfRange(y, 0, lag));    double[] dif_li = new double[y.length];    Arrays.fill(dif_li, 0.0);    for (int i = lag; i < y.length; i++) { int j; if (i < y.length - lag - 30) {     for (j = i + 11; j < y.length; j++) {  if (y[j] >= y[i - 1]) {      break;  }     }     double back;     if (j >= y.length - 30) {  back = y[i - 1];     } else {  back = mean(Arrays.copyOfRange(y, j + 11, j + 20 + lag));     } } else {     back = y[i - 1]; } double tmp = Math.abs(back - avgFilter[i - 1]); double dif = tmp > 1 ? tmp : 1; if (Math.abs(y[i] - avgFilter[i - 1]) > dif * threshold) {     signals[i] = y[i] > avgFilter[i - 1] ? 1 : -1;     avgFilter[i] = mean(Arrays.copyOfRange(y, i - lag, i));     y[i] = avgFilter[i - 1]; } else {     signals[i] = 0;     avgFilter[i] = mean(Arrays.copyOfRange(y, i - lag, i)); } dif_li[i] = dif;    }    Map<String, double[]> result = new HashMap<>();    result.put("signals", signals);    result.put("avgFilter", avgFilter);    result.put("y", y);    result.put("dif", dif_li);    return result;}private static double mean(double[] array) {    double sum = 0.0;    for (double d : array) { sum += d;    }    return sum / array.length;}

四、代码解释-1

用途:当我们来到一家新的公司,发现前任工程师留下了一摊谁都看不懂的代码,这时候,如果有个人能帮我们解释一下这些代码是什么意思,那简直不要太开心。
ChatGPT的N种用法(持续更新中。。。)

def Fusion_algorithm(y_list):    """    最终的融合算法    1、第一次遍历列表: 处理掉小于上一个值的点,使其等于上一个值。    2、第二次使用z-score来处理异常点:一种基于统计方法的时序异常检测算法借鉴了一些经典的统计方法,比如Z-score和移动平均线    该算法将时间序列中的每个数据点都看作是来自一个正态分布,通过计算每个数据点与其临接数据点的平均值和标准差,可以获得Z-score    并将其用于检测异常值,将z-score大于3的数据点视为异常值,缺点:如果异常点太多,则该算法的准确性较差。    3:param y_list: 传入需要处理的时间序列    :return:    """    # 第一次处理    for i in range(1, len(y_list)): difference = y_list[i] - y_list[i - 1] if difference <= 0:     y_list[i] = y_list[i - 1] # 基于突变检测的方法:如果一个数据点的值与前一个数据点的值之间的差异超过某个阈值, # 则该数据点可能是一个突变的异常点。这种方法需要使用一些突变检测算法,如Z-score突变检测、CUSUM(Cumulative Sum) # else: #     if abs(difference) > 2 * np.mean(y_list[:i]): #  y_list[i] = y_list[i - 1]    # 第二次处理    # 计算每个点的移动平均值和标准差    ma = np.mean(y_list)    # std = np.std(np.array(y_list))    std = np.std(y_list)    # 计算Z-score    z_score = [(x - ma) / std for x in y_list]    # 检测异常值    for i in range(len(y_list)): # 如果z-score大于3,则为异常点,去除 if z_score[i] > 3:     print(y_list[i])     y_list[i] = y_list[i - 1]    return y_list

ChatGPT的N种用法(持续更新中。。。)

五、代码解释-2

备注:上一个代码解释,我们可以看到,答案或许受到了代码中注释的影响,我们删掉注释,再来一次。对于解释中一些不懂的点,我们可以连续追问!

ChatGPT的N种用法(持续更新中。。。)

import numpy as npfrom sklearn.ensemble import IsolationForestimport plotly.express as pximport matplotlib.pyplot as pltfrom sklearn.cluster import KMeansimport jsondef Fusion_algorithm(y_list):    for i in range(1, len(y_list)): difference = y_list[i] - y_list[i - 1] if difference <= 0:     y_list[i] = y_list[i - 1]     # else: #     if abs(difference) > 2 * np.mean(y_list[:i]): #  y_list[i] = y_list[i - 1]    ma = np.mean(y_list)    std = np.std(y_list)    z_score = [(x - ma) / std for x in y_list]    for i in range(len(y_list)): if z_score[i] > 3:     print(y_list[i])     y_list[i] = y_list[i - 1]    return y_list

ChatGPT的N种用法(持续更新中。。。)
ChatGPT的N种用法(持续更新中。。。)

六、修复代码错误

用途:写完一段代码后发现有错误?让chatGPT来帮你!
ChatGPT的N种用法(持续更新中。。。)

### Buggy Pythonimport Randoma = random.randint(1,12)b = random.randint(1,12)for i in range(10):    question = "What is "+a+" x "+b+"? "    answer = input(question)    if answer = a*b print (Well done!)    else: print("No.")

ChatGPT的N种用法(持续更新中。。。)

七、作为百科全书

用途:chatGPT可以解释你所有的问题!但是列出小说这个功能有些拉跨,经过测试只有科幻小说列的还可以,其他类型不太行,可能chatgpt训练工程师是个科幻迷!
ChatGPT的N种用法(持续更新中。。。)

八、信息提取

用途:作为自然语言处理界的大模型,怎么能少得了信息提取呢?
ChatGPT的N种用法(持续更新中。。。)

九、好友聊天

用途:输入对方性格模拟聊天,这方面功能不太完善,可能有新鲜玩法我还没有挖掘出来。
ChatGPT的N种用法(持续更新中。。。)
ChatGPT的N种用法(持续更新中。。。)

十、创意生成器

用途:是不是常常会在创新上遇到思维瓶颈不知道怎么做?不要担心,让chatGPT帮你生成创意!

10-1、VR和密室结合

ChatGPT的N种用法(持续更新中。。。)

10-2、再结合AR

ChatGPT的N种用法(持续更新中。。。)

十一、采访问题

用途: 可能您是一个媒体工作者,采访问题不知道怎么写?chatGPT可以帮您解决。

11-1、采访问题清单

ChatGPT的N种用法(持续更新中。。。)

11-2、采访问题清单并给出相应答案

ChatGPT的N种用法(持续更新中。。。)

十二、论文大纲

用途: 这个功能对于研究生简直不要太爽了,一直在郁闷大纲怎么写,直接列出来大纲简直帮了我天大的忙!对于大纲中不理解的点,直接要求chatGPT给出进一步解释。代码也可以有!那一章的内容不太会写,直接让chatGPT安排,这样,一篇论文很快就写出来啦!

12-1、创建论文大纲

ChatGPT的N种用法(持续更新中。。。)

12-2、解释大纲内容

ChatGPT的N种用法(持续更新中。。。)

class PBA(nn.Module):    def __init__(self, PerformanceThreshold, DistributionType, AttentionWeightRange): super(PBA, self).__init__() self.PerformanceThreshold = PerformanceThreshold self.DistributionType = DistributionType self.AttentionWeightRange = AttentionWeightRange     def forward(self, input, performance_scores): # 计算注意力分数 attention_scores = [] for i in range(len(input)):     if performance_scores[i] > self.PerformanceThreshold:  attention_scores.append(performance_scores[i])     else:  attention_scores.append(0.0)   # 将性能分数映射到注意力权重 if self.DistributionType == "softmax":     attention_weights = F.softmax(torch.tensor(attention_scores), dim=0) elif self.DistributionType == "sigmoid":     attention_weights = torch.sigmoid(torch.tensor(attention_scores)) else:     raise ValueError("Unknown distribution type: {}".format(self.DistributionType))  # 缩放注意力权重到指定范围 attention_weights = attention_weights * (self.AttentionWeightRange[1] - self.AttentionWeightRange[0]) + self.AttentionWeightRange[0]  # 计算加权输入 weighted_input = torch.mul(input, attention_weights.unsqueeze(1).expand_as(input)) output = torch.sum(weighted_input, dim=0)  return output

十三、故事创作

用途: 这个功能真的太太太棒了,以后我自己列提纲出来就可以写小说啦!

13-1、爱情故事

ChatGPT的N种用法(持续更新中。。。)

13-2、恐怖故事

ChatGPT的N种用法(持续更新中。。。)
ChatGPT的N种用法(持续更新中。。。)

十四、问题类比

用途: 当你想要做一个比喻时,这是一个很棒的功能。
ChatGPT的N种用法(持续更新中。。。)

十五、创建SQL需求

用途: 写SQL有时候挺头疼的,想好久想不起来。

ChatGPT的N种用法(持续更新中。。。)

十六、情感分析

用途: 这个功能让我想起来在之前公司做的情感分析任务了。
ChatGPT的N种用法(持续更新中。。。)

十七、将产品描述转变为广告

用途: 这个功能对于商家来说太棒了。
ChatGPT的N种用法(持续更新中。。。)

十八、关键字提取

用途: NLP任务的重要作用,关键字提取!
ChatGPT的N种用法(持续更新中。。。)

十九、闲聊机器人

用途:这个不多说了,用来闲聊体验感真的很不错。
ChatGPT的N种用法(持续更新中。。。)
ChatGPT的N种用法(持续更新中。。。)
ChatGPT的N种用法(持续更新中。。。)


二十、总结

emmm,今天白嫖chatGPT次数太多了,request请求被禁止了,那就改天再请求啦~

好看的书法字体下载