- Spring中如何使用AI
Mn孟
spring人工智能java后端
Spring是一个用于构建Java应用程序的开源框架,它可以与各种AI技术集成。要在Spring中使用AI,首先需要选择一种AI技术,如机器学习、自然语言处理等。然后可以使用SpringBoot来构建应用程序,并使用相应的AI框架或库来实现AI功能。例如,可以使用TensorFlow或PyTorch来实现机器学习功能,使用NLTK或spaCy来实现自然语言处理功能。此外,还可以使用SpringCl
- Orange3实战教程:文本挖掘---情感分析
err2008
Orange3实战教程数据挖掘深度学习机器学习人工智能自然语言处理神经网络orange3中文版
情感分析预测文本的情感倾向。输入语料库(Corpus):一组文档的集合。输出语料库(Corpus):包含每个文档情感信息的语料库。情感分析为语料库中的每个文档预测情感倾向。该方法使用了来自NLTK的Liu&Hu和Vader情感分析模块,DataScienceLab的多语言情感词典,ArthurJacobs的SentiArt,以及WalterDaelemans等人的LiLaH情感词典。所有方法均基于
- 《A DECODER-ONLY FOUNDATION MODEL FOR TIME-SERIES FORECASTING》阅读总结
胡萝拔贝贝
人工智能python机器学习
介绍了一个名为TimeFM的新型时间序列预测基础模型,该模型受启发于自然语言处理领域的大语言模型,通过再大规模真实世界和合成时间序列数据集上的预训练,能够在多种不同的公共数据集上实现接近最先进监督模型的零样本预测性能。该模型使用真实世界和合成数据集构建的大型时间序列语料库进行预训练,并展示了在不同领域、预测范围和时间粒度的未见数据集上的准确零样本预测能力。1、引言时间序列在零售、金融、制造业、医疗
- Node.js FFI模块无法找到指定模块
coding远方
node.js编程
在Node.js中,ForeignFunctionInterface(FFI)模块提供了与动态链接库(DLL)进行交互的能力。它允许我们在JavaScript中调用本机代码,这对于与C或C++编写的库进行集成非常有用。然而,有时候我们可能会遇到一个问题,即在使用FFI模块时,会出现"找不到指定的模块"的错误。本文将介绍一些可能的原因以及解决办法。检查模块安装首先,我们需要确保已经正确安装了ffi模
- CHASE、CoSQL、SPARC概念介绍
爱吃土豆的马铃薯ㅤㅤㅤㅤㅤㅤㅤㅤㅤ
语言模型
CHASE:一个跨领域多轮交互text2sql中文数据集,包含5459个多轮问题组成的列表,一共17,940个二元组,涉及280个不同领域的数据库。CoSQL:一个用于构建跨域对话文本到sql系统的语料库。它是Spider和SParC任务的对话版本,由30k+回合和10k+带注释的SQL查询组成,这些查询来自Wizard-of-Oz的3k个对话集合,查询了跨越138个领域的200个复杂数据库。SP
- 【Elasticsearch】TF-IDF 和 BM25相似性算法
risc123456
Elasticsearchelasticsearch
在Elasticsearch中,TF-IDF和BM25是两种常用的文本相似性评分算法,但它们的实现和应用场景有所不同。以下是对这两种算法的对比以及在Elasticsearch中的使用情况:TF-IDF-定义与原理:TF-IDF是一种经典的信息检索算法,用于评估一个词语对于一个文件集或语料库中某份文件的重要程度。它由两部分组成:-TF(TermFrequency):词频,即词语在文档中出现的次数。-
- 自然语言处理(NLP)核心技术:从词嵌入到Transformer
软考和人工智能学堂
人工智能#深度学习Python开发经验自然语言处理transformer人工智能
1.NLP基础与文本表示1.1文本预处理技术importreimportnltkfromnltk.corpusimportstopwordsfromnltk.stemimportPorterStemmer,WordNetLemmatizernltk.download('punkt')nltk.download('stopwords')nltk.download('wordnet')defprepr
- 使用Weaviate和LangChain实现RAG (检索增强生成)
在现代的AI应用中,RAG(检索增强生成)技术通过将生成模型与外部知识库结合,提供了一个强大的信息检索和处理方法。本次分享将会介绍如何使用Weaviate作为知识库,并结合LangChain实现一个RAG应用。技术背景介绍RAG技术通过结合生成式AI和检索系统,能够在大规模语料库中找到相关信息来增强生成模型的回答精确度。Weaviate是一个灵活且可扩展的向量数据库,非常适合用于RAG系统中的知识
- NLP学习路线图(四十五):偏见与公平性
摸鱼许可证
NLP学习路线图自然语言处理学习人工智能nlp
一、偏见:算法中的“隐形歧视者”NLP模型本身并无立场,其偏见主要源于训练数据及算法设计:数据根源:人类偏见的镜像历史与社会刻板印象:大量文本数据记录着人类社会固有的偏见。词嵌入模型(如Word2Vec,GloVe)曾显示:“男人”与“程序员”的关联度远高于“女人”;“非裔美国人姓名”更易与负面词汇关联。训练语料库若包含带有性别歧视、种族歧视或地域歧视的文本,模型便可能吸收并重现这些关联。代表性偏
- RAPTOR:树结构的索引和检索系统的递归抽象处理
lichunericli
人工智能自然语言处理
论文地址:https://arxiv.org/pdf/2401.18059.pdf摘要增强型检索语言模型能够更好地适应世界状态的变化,并整合长尾知识,然而现有大多数方法仅能从检索语料库中检索到较短的连续文本片段,这限制了对整个文档上下文的整体理解。我们引入一种新颖的方法,即递归地嵌入、聚类及总结文本块,自下而上构建一个包含不同层次抽象的树状结构。在推理阶段,我们的RAPTOR模型会从这个树中检索信
- 大模型笔记_模型微调
饕餮争锋
AI大模型笔记笔记语言模型人工智能
1.大模型微调的概念大模型微调(Fine-tuning)是指在预训练大语言模型(如GPT、BERT、LLaMA等)的基础上,针对特定任务或领域,使用小量的目标领域数据对模型进行进一步训练,使其更好地适配具体应用场景的过程。预训练模型通常在大规模通用语料库(如互联网文本、书籍等)上训练,具备通用的语言理解和生成能力,而微调则通过调整模型参数,使其在特定任务(如分类、问答、生成等)或领域(如医疗、金融
- python os模块安装_二十七、深入浅出Python中的 os模块
weixin_39957647
pythonos模块安装
「@Author:Runsen」当初学Python的时候,把一些标准库和第三方开源库学的七零八落,不成系统,正好趁这个机会来系统的整理一下,先从Python常用的标准库os开始吧。osOS模块简单的来说它是一个Python的系统编程的操作模块,可以处理文件和目录这些我们日常手动需要做的操作。可以查看OS模块的帮助文档。import os #导入os模块 help(os) #查看os模块帮助文
- python os模块安装方法,Python详解os模块和shutil模块
文章目录文件的处理获取系统类型获取系统环境执行系统命令操作目录与文件文件和目录高级处理复制文件移动文件读取压缩及归档压缩文件解压文件小结(相关免费学习推荐:python视频教程)os模块和shutil模块是Python处理文件/目录的主要方式。os模块提供了一种使用操作系统相关功能的便捷方式,shutil模块是一种高级的文件/目录操作工具。文件的处理os模块提供了一些便捷功能来使用操作系统资源,比
- pythonos模块安装_python------os模块
丁茂华
pythonos模块安装
一、os模块os:operatesystemos模块是python标准库中的一个用于访问操作系统功能的模块。使用os模块中提供的接口,可以实现跨平台的访问二、通用操作2.1获取平台信息常用操作:os.sep系统路径分隔符window系统:"\"lilnux系统:/苹果macos系统:“:”os.name指示你正在使用的工作平台window结果:ntlinux、unix系统结果:posixos.ge
- 【RAG召回】BM25算法示例
weixin_37763484
大模型人工智能搜索引擎
rank-bm25功能示例本篇将通过多个示例,快速展示rank-bm25库的核心功能。不使用jieba。准备工作首先,确保您已经安装了rank-bm25。pipinstallrank-bm25接下来,我们定义一个通用的中文语料库和分词函数。这里我们使用简单的单字切分作为分词方法,以避免引入第三方库。#1.定义一个中文语料库corpus=["北京是中国的首都,也是一座历史悠久的文化名城。","上海是
- 【Vue】npm install 命令
程序员不丑009
一般分类npm命令
npminstallx:将模块安装到项目的node_modules目录中,但不写入package.json;npminstall--globalx:不会将模块安装到项目的node_modules,而是会安装到node.js的node_modules目录中;npminstall--savex:将模块安装进项目的node_modules目录中,并写入package.json的dependencies中
- 《Python自然语言处理(第二版)-Steven Bird等》学习笔记:第02章 获得文本语料和词汇资源
miniAI学堂
2015年度Python自然语言处理语料库中文资源
第02章获得文本语料和词汇资源2.1获取文本语料库古腾堡语料库网络和聊天文本布朗语料库路透社语料库就职演说语料库标注文本语料库在其他语言的语料库文本语料库的结构载入你自己的语料库中文自然语言处理语料/数据集情感/观点/评论倾向性分析中文命名实体识别推荐系统2.2条件频率分布条件和事件按文体计数词汇绘制分布图和分布表使用双连词生成随机文本2.3更多关于Python代码重用使用文本编辑器创建程序函数模
- NLP(自然语言处理)技术的主要实现思路
简简单单OnlineZuozuo
m1Python领域m2Java领域自然语言处理人工智能
文章目录NLP(自然语言处理)技术的主要实现思路语句拆分建模分析NLP(自然语言处理)技术的主要实现思路NLP(自然语言处理)技术的主要实现思路是,首先利用自然语言语料库和机器学习技术,将文本信息进行分词和词性标注,从而得到计算机可以理解的结构化表示。然后,利用语义分析技术,将文本信息转换为机器可以理解的概念和语义表示,从而使机器能够正确理解文本信息的含义。最后,利用语言生成技术,将机器理解的概念
- 5.28 孔老师 nlp讲座
柠石榴
自然语言处理人工智能
本次讲座主要介绍了语言模型的起源、预训练模型以及大语言模型(需要闫老师后讲)等内容。首先,语言模型的起源可以追溯到语音识别中的统计语言模型,通过估计声学参数串产生文字串的概率来找到最大概率的文字串。然后,介绍了语言模型的基本概念,即给定一个文字串S,用P(w1,w2,…,WN)表示其概率。最后,提到了预训练模型在大语言模型中的应用,以及如何在语料库中解决条件概率稀疏的问题。1语言模型与条件概率估计
- 【ASR】基础端到端语音识别工具包:FunASR
木亦汐丫
论文翻译FunASRParaformerFSMN-VADCT-Transformer语音识别工具端到端模型非自回归NAR
论文地址:https://arxiv.org/abs/2305.11013摘要本文介绍FunASR,一个开源语音识别工具包,旨在弥合学术研究和工业应用之间的差距。FunASR提供在大规模工业语料库上训练的模型以及将它们部署到应用程序中的能力。该工具包的旗舰模型Paraformer是一种非自回归端到端语音识别模型,已在包含60,000小时语音的手动注释普通话语音识别数据集上进行训练。为了提高Para
- Python图形编程-OpenGL开发环境搭建
视觉与物联智能
Python编程实例python开发语言OpenGLGPU计算机图形
OpenGL开发环境搭建文章目录OpenGL开发环境搭建1、安装依赖模块2、顶点数组对象(VAO)3、顶点缓冲区(VBO)4、着色器程序5、程序入口6、完整代码7、模型-视图-投影矩阵示例7.1创建模型-视图-投影矩阵7.2创建Uniform变量7.3完整代码本文将详细介绍如何搭建基于Python的OpenGL开发环境。这为我们后面对GPU图像处理打开基础。1、安装依赖模块安装本教程所需的软件包相
- nginx对webdav支持不好的解决办法
mingyizhan
nginx前端服务器
nginx虽然应用的很多,但是对webdav的支持非常差,一些方法不支持,目前网上最多的方法是安装nginx-dav-ext-module模块,项目地址nginx-dav-ext-module,这个模块安装以后确实能解决问题,但是仍然有nginx原生问题没有解决。方案一:nginx-dav-ext-module安装麻烦,要重新编译nginx,./configure&./make,保存nginx-d
- Python情感分析实战:基于情感词典的实现
Kiki-2189
本文还有配套的精品资源,点击获取简介:本主题介绍如何使用Python进行基于情感词典的情感分析,涵盖数据预处理、情感词典应用、特征提取、情感计算等关键步骤。将通过实例演示如何利用Python的nltk、sklearn、TextBlob等库来完成这些任务,并讨论如何处理大规模数据集以及情感分析在实际应用中的用途。1.情感分析概述情感分析,也称为意见挖掘或情绪分析,是从文本数据中提取主观信息的技术。它
- 为什么共现矩阵是高维稀疏的
幽·
NLP与机器学习矩阵人工智能线性代数
为什么共现矩阵是高维稀疏的?共现矩阵(Co-occurrenceMatrix)的高维稀疏性是其固有特性,主要由以下原因导致:1.高维性的根本原因词汇表大小决定维度:共现矩阵的维度为(V\timesV),其中(V)是词汇表的大小(即语料库中所有唯一单词的数量)。例如:一个包含10,000个唯一单词的语料库,共现矩阵的维度是(10,000\times10,000),即1亿个元素。词汇表通常很大:自然语
- gensim使用
swai1688
Python开发自然语言处理人工智能nlp
参考教程核心概念Document(文档)Corpus(语料库)Vector(向量)Model(模型)Dictionary,doc2bow#处理流程:语料转成2维,->Dictionary变成字典->doc2bow变成向量->models进入模型#corpora:语料相关的知识#models:模型相关的fromgensimimportcorporafromgensimimportmodels#输入的
- Python库: gensim
司南锤
python基础学习PYTHON库python开发语言
Gensim是一个用于主题建模、文档索引和大型语料库相似性检索的Python库。主要用于处理自然语言处理(NLP)和信息检索(IR)任务。Gensim的设计目标是处理原始的、非结构化的文本数据,并且能够高效地处理大规模数据集。以下是Gensim库的一些主要功能和组件:1.主题建模Gensim提供了多种主题建模算法,其中最著名的是LatentDirichletAllocation(LDA)。LDA是
- Python自然语言处理:gensim库的探索与应用
丶本心灬
本文还有配套的精品资源,点击获取简介:本文档介绍了gensim库——一个专为Python设计的开源自然语言处理工具,它支持词向量模型、主题模型、相似度计算、TF-IDF和LSA等核心功能。该库适用于文档相似性和主题建模任务,特别强调其在处理大规模语料库中的高效性和准确性。包含gensim-4.0.0版本的预编译安装包,为64位Windows系统上的Python3.6版本提供便捷安装体验。文档还提供
- 大语言模型 vs NLTK/SpaCy:NLP工具的代际跃迁与互补之道
赛卡
自然语言处理语言模型人工智能
大语言模型vsNLTK/SpaCy:NLP工具的代际跃迁与互补之道技术代际差异:从「工具包」到「智能体」的进化如果说NLTK和SpaCy是「文本处理的瑞士军刀」,那么大语言模型(LLMs)就是「会思考的AI助手」。这种代际差异体现在三个层面:1.能力维度的颠覆式突破基础任务:大模型通过「上下文学习」实现零样本/少样本分词、词性标注,如GPT-4在CoT提示下的分词准确率可达98.7%,与SpaCy
- python调用win32_python 调用win32 api
weixin_39933082
python调用win32
刚学python,前几天在java中调用了win32api,给eclipse窗口来了个抖动,也想拿python实现下。在网上找python调用win32api的资料,清一色的是win32api模块,我晕。作为一个新手,我也知道python调用c还是很方便的,我也不想去sourceforge上下载模块安装,于是翻遍了google,加上自己的“冷静思考,理性分析”哈哈!!终于通过两种方法实现摘录在此,
- 用Python写一个简单聊天机器人
大Q大哥
机器人python
简单聊天机器人基于Python中的nltk库和简单的规则匹配实现。那首先呢,我们需要安装nltk库和相关资源:pipinstallnltk然后,我们可以使用以下代码导入所需的库和资源,并定义一个简单的匹配函数:importrandomimportreimportnltkfromnltk.corpusimportwordnetnltk.download('punkt')nltk.download('
- 多线程编程之卫生间
周凡杨
java并发卫生间线程厕所
如大家所知,火车上车厢的卫生间很小,每次只能容纳一个人,一个车厢只有一个卫生间,这个卫生间会被多个人同时使用,在实际使用时,当一个人进入卫生间时则会把卫生间锁上,等出来时打开门,下一个人进去把门锁上,如果有一个人在卫生间内部则别人的人发现门是锁的则只能在外面等待。问题分析:首先问题中有两个实体,一个是人,一个是厕所,所以设计程序时就可以设计两个类。人是多数的,厕所只有一个(暂且模拟的是一个车厢)。
- How to Install GUI to Centos Minimal
sunjing
linuxInstallDesktopGUI
http://www.namhuy.net/475/how-to-install-gui-to-centos-minimal.html
I have centos 6.3 minimal running as web server. I’m looking to install gui to my server to vnc to my server. You can insta
- Shell 函数
daizj
shell函数
Shell 函数
linux shell 可以用户定义函数,然后在shell脚本中可以随便调用。
shell中函数的定义格式如下:
[function] funname [()]{
action;
[return int;]
}
说明:
1、可以带function fun() 定义,也可以直接fun() 定义,不带任何参数。
2、参数返回
- Linux服务器新手操作之一
周凡杨
Linux 简单 操作
1.whoami
当一个用户登录Linux系统之后,也许他想知道自己是发哪个用户登录的。
此时可以使用whoami命令。
[ecuser@HA5-DZ05 ~]$ whoami
e
- 浅谈Socket通信(一)
朱辉辉33
socket
在java中ServerSocket用于服务器端,用来监听端口。通过服务器监听,客户端发送请求,双方建立链接后才能通信。当服务器和客户端建立链接后,两边都会产生一个Socket实例,我们可以通过操作Socket来建立通信。
首先我建立一个ServerSocket对象。当然要导入java.net.ServerSocket包
ServerSock
- 关于框架的简单认识
西蜀石兰
框架
入职两个月多,依然是一个不会写代码的小白,每天的工作就是看代码,写wiki。
前端接触CSS、HTML、JS等语言,一直在用的CS模型,自然免不了数据库的链接及使用,真心涉及框架,项目中用到的BootStrap算一个吧,哦,JQuery只能算半个框架吧,我更觉得它是另外一种语言。
后台一直是纯Java代码,涉及的框架是Quzrtz和log4j。
都说学前端的要知道三大框架,目前node.
- You have an error in your SQL syntax; check the manual that corresponds to your
林鹤霄
You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for the right syntax to use near 'option,changed_ids ) values('0ac91f167f754c8cbac00e9e3dc372
- MySQL5.6的my.ini配置
aigo
mysql
注意:以下配置的服务器硬件是:8核16G内存
[client]
port=3306
[mysql]
default-character-set=utf8
[mysqld]
port=3306
basedir=D:/mysql-5.6.21-win
- mysql 全文模糊查找 便捷解决方案
alxw4616
mysql
mysql 全文模糊查找 便捷解决方案
2013/6/14 by 半仙
[email protected]
目的: 项目需求实现模糊查找.
原则: 查询不能超过 1秒.
问题: 目标表中有超过1千万条记录. 使用like '%str%' 进行模糊查询无法达到性能需求.
解决方案: 使用mysql全文索引.
1.全文索引 : MySQL支持全文索引和搜索功能。MySQL中的全文索
- 自定义数据结构 链表(单项 ,双向,环形)
百合不是茶
单项链表双向链表
链表与动态数组的实现方式差不多, 数组适合快速删除某个元素 链表则可以快速的保存数组并且可以是不连续的
单项链表;数据从第一个指向最后一个
实现代码:
//定义动态链表
clas
- threadLocal实例
bijian1013
javathreadjava多线程threadLocal
实例1:
package com.bijian.thread;
public class MyThread extends Thread {
private static ThreadLocal tl = new ThreadLocal() {
protected synchronized Object initialValue() {
return new Inte
- activemq安全设置—设置admin的用户名和密码
bijian1013
javaactivemq
ActiveMQ使用的是jetty服务器, 打开conf/jetty.xml文件,找到
<bean id="adminSecurityConstraint" class="org.eclipse.jetty.util.security.Constraint">
<p
- 【Java范型一】Java范型详解之范型集合和自定义范型类
bit1129
java
本文详细介绍Java的范型,写一篇关于范型的博客原因有两个,前几天要写个范型方法(返回值根据传入的类型而定),竟然想了半天,最后还是从网上找了个范型方法的写法;再者,前一段时间在看Gson, Gson这个JSON包的精华就在于对范型的优雅简单的处理,看它的源代码就比较迷糊,只其然不知其所以然。所以,还是花点时间系统的整理总结下范型吧。
范型内容
范型集合类
范型类
- 【HBase十二】HFile存储的是一个列族的数据
bit1129
hbase
在HBase中,每个HFile存储的是一个表中一个列族的数据,也就是说,当一个表中有多个列簇时,针对每个列簇插入数据,最后产生的数据是多个HFile,每个对应一个列族,通过如下操作验证
1. 建立一个有两个列族的表
create 'members','colfam1','colfam2'
2. 在members表中的colfam1中插入50*5
- Nginx 官方一个配置实例
ronin47
nginx 配置实例
user www www;
worker_processes 5;
error_log logs/error.log;
pid logs/nginx.pid;
worker_rlimit_nofile 8192;
events {
worker_connections 4096;}
http {
include conf/mim
- java-15.输入一颗二元查找树,将该树转换为它的镜像, 即在转换后的二元查找树中,左子树的结点都大于右子树的结点。 用递归和循环
bylijinnan
java
//use recursion
public static void mirrorHelp1(Node node){
if(node==null)return;
swapChild(node);
mirrorHelp1(node.getLeft());
mirrorHelp1(node.getRight());
}
//use no recursion bu
- 返回null还是empty
bylijinnan
javaapachespring编程
第一个问题,函数是应当返回null还是长度为0的数组(或集合)?
第二个问题,函数输入参数不当时,是异常还是返回null?
先看第一个问题
有两个约定我觉得应当遵守:
1.返回零长度的数组或集合而不是null(详见《Effective Java》)
理由就是,如果返回empty,就可以少了很多not-null判断:
List<Person> list
- [科技与项目]工作流厂商的战略机遇期
comsci
工作流
在新的战略平衡形成之前,这里有一个短暂的战略机遇期,只有大概最短6年,最长14年的时间,这段时间就好像我们森林里面的小动物,在秋天中,必须抓紧一切时间存储坚果一样,否则无法熬过漫长的冬季。。。。
在微软,甲骨文,谷歌,IBM,SONY
- 过度设计-举例
cuityang
过度设计
过度设计,需要更多设计时间和测试成本,如无必要,还是尽量简洁一些好。
未来的事情,比如 访问量,比如数据库的容量,比如是否需要改成分布式 都是无法预料的
再举一个例子,对闰年的判断逻辑:
1、 if($Year%4==0) return True; else return Fasle;
2、if ( ($Year%4==0 &am
- java进阶,《Java性能优化权威指南》试读
darkblue086
java性能优化
记得当年随意读了微软出版社的.NET 2.0应用程序调试,才发现调试器如此强大,应用程序开发调试其实真的简单了很多,不仅仅是因为里面介绍了很多调试器工具的使用,更是因为里面寻找问题并重现问题的思想让我震撼,时隔多年,Java已经如日中天,成为许多大型企业应用的首选,而今天,这本《Java性能优化权威指南》让我再次找到了这种感觉,从不经意的开发过程让我刮目相看,原来性能调优不是简单地看看热点在哪里,
- 网络学习笔记初识OSI七层模型与TCP协议
dcj3sjt126com
学习笔记
协议:在计算机网络中通信各方面所达成的、共同遵守和执行的一系列约定 计算机网络的体系结构:计算机网络的层次结构和各层协议的集合。 两类服务: 面向连接的服务通信双方在通信之前先建立某种状态,并在通信过程中维持这种状态的变化,同时为服务对象预先分配一定的资源。这种服务叫做面向连接的服务。 面向无连接的服务通信双方在通信前后不建立和维持状态,不为服务对象
- mac中用命令行运行mysql
dcj3sjt126com
mysqllinuxmac
参考这篇博客:http://www.cnblogs.com/macro-cheng/archive/2011/10/25/mysql-001.html 感觉workbench不好用(有点先入为主了)。
1,安装mysql
在mysql的官方网站下载 mysql 5.5.23 http://www.mysql.com/downloads/mysql/,根据我的机器的配置情况选择了64
- MongDB查询(1)——基本查询[五]
eksliang
mongodbmongodb 查询mongodb find
MongDB查询
转载请出自出处:http://eksliang.iteye.com/blog/2174452 一、find简介
MongoDB中使用find来进行查询。
API:如下
function ( query , fields , limit , skip, batchSize, options ){.....}
参数含义:
query:查询参数
fie
- base64,加密解密 经融加密,对接
y806839048
经融加密对接
String data0 = new String(Base64.encode(bo.getPaymentResult().getBytes(("GBK"))));
String data1 = new String(Base64.decode(data0.toCharArray()),"GBK");
// 注意编码格式,注意用于加密,解密的要是同
- JavaWeb之JSP概述
ihuning
javaweb
什么是JSP?为什么使用JSP?
JSP表示Java Server Page,即嵌有Java代码的HTML页面。使用JSP是因为在HTML中嵌入Java代码比在Java代码中拼接字符串更容易、更方便和更高效。
JSP起源
在很多动态网页中,绝大部分内容都是固定不变的,只有局部内容需要动态产生和改变。
如果使用Servl
- apple watch 指南
啸笑天
apple
1. 文档
WatchKit Programming Guide(中译在线版 By @CocoaChina) 译文 译者 原文 概览 - 开始为 Apple Watch 进行开发 @星夜暮晨 Overview - Developing for Apple Watch 概览 - 配置 Xcode 项目 - Overview - Configuring Yo
- java经典的基础题目
macroli
java编程
1.列举出 10个JAVA语言的优势 a:免费,开源,跨平台(平台独立性),简单易用,功能完善,面向对象,健壮性,多线程,结构中立,企业应用的成熟平台, 无线应用 2.列举出JAVA中10个面向对象编程的术语 a:包,类,接口,对象,属性,方法,构造器,继承,封装,多态,抽象,范型 3.列举出JAVA中6个比较常用的包 Java.lang;java.util;java.io;java.sql;ja
- 你所不知道神奇的js replace正则表达式
qiaolevip
每天进步一点点学习永无止境纵观千象regex
var v = 'C9CFBAA3CAD0';
console.log(v);
var arr = v.split('');
for (var i = 0; i < arr.length; i ++) {
if (i % 2 == 0) arr[i] = '%' + arr[i];
}
console.log(arr.join(''));
console.log(v.r
- [一起学Hive]之十五-分析Hive表和分区的统计信息(Statistics)
superlxw1234
hivehive分析表hive统计信息hive Statistics
关键字:Hive统计信息、分析Hive表、Hive Statistics
类似于Oracle的分析表,Hive中也提供了分析表和分区的功能,通过自动和手动分析Hive表,将Hive表的一些统计信息存储到元数据中。
表和分区的统计信息主要包括:行数、文件数、原始数据大小、所占存储大小、最后一次操作时间等;
14.1 新表的统计信息
对于一个新创建
- Spring Boot 1.2.5 发布
wiselyman
spring boot
Spring Boot 1.2.5已在7月2日发布,现在可以从spring的maven库和maven中心库下载。
这个版本是一个维护的发布版,主要是一些修复以及将Spring的依赖提升至4.1.7(包含重要的安全修复)。
官方建议所有的Spring Boot用户升级这个版本。
项目首页 | 源