为了探测W tb顶点结构，从质子-质子碰撞中质子能量为8 TeV的质子-质子碰撞中产生的t通道单顶夸克事件中测量了顶夸克和W玻色子极化观测值。 该数据集对应于LHC处用ATLAS探测器记录的20.2 fb -1的综合光度。 选定的事件包含一个孤立的电子或介子，缺少大的横向动量，恰好有两个射流，其中一个被确定为可能包含b-强子。 严格的选择要求适用于将t通道单顶夸克事件与背景区分开。 从相对于为上夸克和W玻色子适当选择的自旋量化轴测量的角度分布的不对称性中，提取可观察到的极化。 不对称性测量是在部分背景下通过减去背景贡献后，校正观察到的检测器效应和强子化作用的角度分布来进行的。 测得的上夸克和W玻色子极化值与标准模型预测一致。 异常耦合g R的虚部的极限也可以通过与模型无关的测量来设置。

提出了在C通道LHC上与CMS检测器发生质子-质子碰撞的s通道中单个顶夸克生成的搜索，其中包含最终状态的μ子或电子的顶夸克的衰减模式。 通过最大似然拟合提取信号，该拟合适合于使用增强决策树将预期信号贡献与背景过程分开的多元判别式的分布。 该分析使用在质量中心能量为7和8 TeV时收集的数据，分别对应于5.1和19.7 fb -1的积分光度。 测得的横截面为7.1±8.1 pb（在7 TeV时）和13.4±7.3 pb（在8 TeV时），对于测量值和预期值的组合比，最佳拟合值为2.0±0.9。 信号显着性为2.5个标准偏差，在95％置信度下，相对于标准模型期望值的速率上限为4.7。

给出了单个夸克和Z玻色子的相关产量的度量。 该研究使用CMS实验记录的s = 13TeV质子-质子碰撞的数据，对应的综合光度为35.9 fb -1。 使用具有三个轻子（电子或介子）的最终状态，测得的tZq横截面为σ（pp→tZq→Wbℓ+ℓ-q）= 123-31 + 33（stat）-23 + 29（syst）fb ，其中ℓ代表电子，μ子或τ轻子，观察到的和预期的显着性分别为3.7和3.1标准偏差。

使用来自s = 8 $$ \ sqrt {s} = 8 $$ TeV的pp碰撞的数据，测量了与大量矢量玻色子相关的顶夸克对的生产截面。 该数据集对应于2012年在LHC上由ATLAS检测器收集到的20.3 fb -1的综合光度。 考虑具有两个，三个或四个轻子的最终状态。 考虑到tt W $ t \ overline {t} W $$和tt z Z t t \ overline {t} Z $$过程的数据拟合同时产生显着性为5.0σ（4.2σ）。 tt的总背景假设[w $$ t \ overline {t} W $$（tt¯Z $$ t \ overline {t} Z $$）生产。 测得的横截面为σtt W = 369 − 91 + 100 $$ {\ sigma} _ {t \ overline {t} W} = {369} _ {-91} ^ {+ 100} $$ fb和σ Z = 176 − 52 + 58 $$ {\ sigma} _ {t \ overline {t} Z} = {176} _ {-52} ^ {+ 58} $$ fb。 在7.1σ处排除了既不产生t t

提出了寻找类似重向量B夸克的对的方法，主要针对B夸克衰变成W玻色子和顶夸克。 搜索基于在2015年和2016年使用CERN大型强子对撞机的ATLAS探测器记录的s = 13 $$ \ sqrt {s} = 13 $$ TeV的pp碰撞的36.1 fb-1。 在轻子加喷射器的最终状态下分析数据，其特征是具有高横向动量的孤立电子或介子，大的缺失横向动量以及多个喷射器，其中至少一个是b标记的。 没有观察到与标准模型预期的显着偏差。 假设对Wt的支化率为100％，则B质量的95％置信水平下限为1350 GeV。 在SU（2）单重态方案中，下限为1170 GeV。 发现100％的支化比极限也适用于重电荷状X生成，电荷+5/3，衰变为Wt。 该搜索还对重矢量状的B夸克衰减到其他最终状态（Zb和Hb）也很敏感，因此，根据衰变分支比来设置B产生的质量极限。

在此报告了在最终状态下包含顶夸克和W玻色子的事件中对矢量状夸克和激发夸克的搜索。 该搜索基于质子-质子碰撞数据的20.3 fb -1，该质子-质子碰撞数据是在ATHC检测器记录的质心能量为8 TeV的情况下在LHC处获得的。 选择具有一或两个轻子以及一，两个或三个射流的事件，其附加要求是至少一个射流包含b-夸克。 还需要单轻子事件包含至少一个来自高p T W玻色子或顶夸克强子衰变的大半径射流。 没有观察到超过预期背景的显着过量，并且得出了不同矢量样夸克和激发夸克模型质量的横截面时间分支比的上限。 对于激发夸克的产生和通过单元耦合衰变到Wt的情况，排除质量低于1500 GeV的夸克，并设置依赖于耦合的极限。

报告了使用正好一个轻子，至少四个射流以及大的横向动量缺失的事件搜索类似矢量的夸克的结果。 该搜索针对Z（→νν）t + X衰减通道中的矢量样顶夸克的配对生成进行了优化。 使用质心能量为s = 13 $$ \ sqrt {s} = 13 $$ TeV的LHC pp碰撞数据，该质量是由ATLAS检测器在2015年和2016年记录的，对应的综合光度为36.1 fb -1 。 没有看到超过标准模型预期的显着过量，并且得出了矢量样T夸克对的生产截面随T夸克质量而变的上限。 观察到的（预期的）T质量的95％CL下限对于弱异旋体单重态模型为870 GeV（890 GeV），对于弱异旋体双峰态模型为1.05 TeV（1.06 TeV），对于Ispin模型为1.16 TeV（1.17 TeV）。 纯Zt衰减模式。 还根据衰减分支比来设置质量极限，不包括质量低于1 TeV的参数空间的大部分。

提出了寻找类似重矢量T夸克的对的方法，主要针对T夸克衰变到W玻色子和b-夸克。 该搜索基于2015年和2016年在CERN大型强子对撞机上使用ATLAS探测器记录的s = 13 $$ \ sqrt {s} = 13 $$ TeV的pp碰撞的36.1 fb -1。 在轻子加喷射器的最终状态下分析数据，包括至少一个b标记的喷射器和一个大半径的喷射器，该喷射器被确定为源自高动量W玻色子的强子衰变。 在重建的T质量分布中未观察到与标准模型期望值的显着偏差。 假设相对于Wb的分支比为100％，观察到的T质量的95％置信水平下限为1350 GeV。 在SU（2）单重态方案中，下限为1170 GeV。 该搜索对衰落为Wt和其他最终状态的重矢量状B夸克也很敏感。 因此，假设相对于Wt的分支比为100％，则重新解释结果以提供1250 GeV时B夸克质量的95％置信水平下限； 在SU（2）单重态方案中，限制为1080 GeV。 T和B产生的质量极限也根据衰变支化比进行设置。 发现100％的分支比率限制适用于分别衰减到Wb和Wt的重矢量状Y和X生成。

XML（eXtensible Markup Language）和C语言中的struct是两种不同的数据表示方式。XML是一种用于标记数据的标准化格式，而struct是C语言中用来结构化数据的类型。在编程中，有时我们需要在两者之间进行转换，以实现数据的交换或存储。本程序的核心功能就是实现这种转换。 XML是一种文本格式，它可以清晰地描述复杂的数据结构，易于人类阅读和机器解析。它通过标签（tags）来定义元素，属性（attributes）来附加额外信息，以及嵌套结构来组织数据。例如，一个简单的XML结构可能如下所示： ```xml John Doe 30

123 Main St New York

``` 相反，C语言的struct是二进制数据结构，它允许程序员定义自定义的数据类型，组合基本数据类型如整型、浮点型等。例如，上述XML可以对应到以下C语言的struct： ```c typedef struct { char* name; int age; struct { char* street; char* city; } address; } Person; ``` 在“xml和struct之间的相互转换”中，程序`XmltoStruct`实现了从XML文件解析出数据并填充到struct中，而`Structtoxml`则将struct中的数据转换回XML格式。这些操作通常涉及以下几个步骤： 1. **XML解析**：使用库（如libxml2）解析XML文件，获取元素、属性和值。libxml2是一个强大的XML解析库，提供了API来解析XML文档，提取节点信息。 2. **内存分配**：根据XML结构，动态分配内存来创建struct实例。这包括为字符串等可变长度的数据分配内存。 3. **数据填充**：遍历XML解析结果，将元素值赋给struct的相应字段。 4. **struct到XML转换**：这个过程与解析相反，需要遍历struct，为每个字段生成对应的XML标签和值。这通常涉及到递归处理嵌套的struct或数组。 5. **编码与解码**：由于XML通常是Unicode（如UTF-8）编码，而C语言的struct中的字符串可能是其他编码，如ASCII。因此，在转换过程中，可能需要使用`iconv`这样的库进行字符编码的转换。 6. **压缩与解压缩**：`zlib-1.2.3.win32`是用于数据压缩的库，可能用于压缩生成的XML文件，以减少存储空间。解压缩时，会使用相同库的反向操作。 这个程序的实现对于需要在不同系统或语言之间交换数据的应用非常有用，特别是在那些不支持XML或者struct的数据环境中。通过理解XML和struct的转换机制，开发者可以更灵活地处理各种数据格式。

人工标记的数据，耗费了大量的人力，这可能是国内第一份关于虚假招聘且带标签的数据集。 其中初始数据集来源于 58 同城以及智联招聘爬虫，智联招聘由于数据集虚假数目太少（并非是因为难爬，相反很好爬）所以在已经爬取了几万条信息的情况下转而选择了 58 同城。