1） 初始化（Initialzation）。利用下表给出的字符集和频度的实际统计数据建立哈夫曼树，并将它存于文件hfmTree中； 2） 编码（EnCoding）。利用已建好的哈夫曼树（若不在内存中，则从文件hfmTree中读入），对以下报文进行编码，结果存入文件CodeFile中； 报文内容：THIS PROGRAM IS MY FAVORITE 3） 译码（Decoding）。利用已建好的哈夫曼树，对文件CodeFile中编码后的报文进行解码，结果存入文件Textfile中； 4） 输出（

通过简单的全连接神经网络对电影评论进行分类，代码包含了数据集的读取与处理，神经网络的构建、训练，以及使用训练好的网络去测试自定义的评论，适用于初学者，如果没有积分下载私信我邮箱。

资源包含了国家间的距离以及各国首都间的距离（单位千米），共224*224组，数据来自CEPII，可自行注册免费下载。由于原始数据中国家名字用的ISO编码，本人在数据里目标国家后增加了两列（国家全名和国家编码），提供多种国家名称表达方式，方便快速与其他数据集内国家名称匹配，从而与其他数据集配套使用。（PS：可以留下邮箱或私信我发给你）