皮果提
皮果提

利用 word2vec 训练的字向量进行中文分词









        


       最近针对之前发表的一篇博文《Deep Learning 在中文分词和词性标注任务中的应用》中的算法做了一个实现，感觉效果还不错。本文主要是将我在程序实现过程中的一些数学细节整理出来，借此优化一下自己的代码，也希望为对此感兴趣的朋友提供点参考。文中重点介绍训练算法中的模型参数计算，以及 Viterbi 解码算法。


























利用 word2vec 训练的字向量进行中文分词_第1张图片
利用 word2vec 训练的字向量进行中文分词_第2张图片
利用 word2vec 训练的字向量进行中文分词_第3张图片
利用 word2vec 训练的字向量进行中文分词_第4张图片
利用 word2vec 训练的字向量进行中文分词_第5张图片
利用 word2vec 训练的字向量进行中文分词_第6张图片
利用 word2vec 训练的字向量进行中文分词_第7张图片
利用 word2vec 训练的字向量进行中文分词_第8张图片
利用 word2vec 训练的字向量进行中文分词_第9张图片
利用 word2vec 训练的字向量进行中文分词_第10张图片










相关链接：




《Deep Learning 在中文分词和词性标注任务中的应用》
《Deep Learning for Chinese Word Segmentation and POS tagging》
《UFLDL 教程学习笔记（一）神经网络》
《HMM 自学教程（六）维特比算法》
《为什么我们喜欢用 sigmoid 这类 S 型非线性变换?》











 作者: peghoty 


 出处: http://blog.csdn.net/itplus/article/details/17122431


 欢迎转载/分享, 但请务必声明文章出处.








































你可能感兴趣的:(深度学习,语言模型)






    

  • 100天精通Python丨黑科技篇 —— 21、大语言模型_100天精通python快速入门到黑科技
前端收割机
程序员python科技语言模型

    ChatGPT是OpenAI推出的一种基于GPT-3/4的聊天机器人。chatgpt的颠覆性影响主要体现在提高语言交流的便捷性、个性化服务、自动化客服和教育娱乐等方面，这些应用可以为用户带来更多的便利和乐趣，同时也为企业提供了更多的服务和商机。本文收录于《100天精通Python专栏-快速入门到黑科技》，是由CSDN内容合伙人丨全站排名Top4的硬核博主不吃西红柿倾力打造，分基础知识篇和黑科技应用
    

    • 

  • 深度学习算法，该如何深入，举例说明
liyy614
深度学习

    深度学习算法的深入学习可以从理论和实践两个方面进行。理论上，深入理解深度学习需要掌握数学基础（如线性代数、概率论、微积分）、机器学习基础和深度学习框架原理。实践上，可以通过实现和优化深度学习模型来提升技能。理论深入数学基础线性代数：理解向量、矩阵、特征值和特征向量等，对于理解神经网络的权重和偏置矩阵至关重要。概率论：用于理解模型的不确定性，如Dropout等正则化技术。微积分：理解梯度下降等优化算
    

    • 

  • 反射是一个新的AI模型，可以在一台性能良好的笔记本上运行并在测试中击败GPT-4o
AI甲子光年
人工智能

    开源AI模型领域又迎来一位新的重量级选手。由初创公司HyperWrite开发的Reflection70B，凭借其创新的“反思”机制，正引发广泛关注，这一机制旨在解决大型语言模型的核心问题——幻觉。在早期的基准测试中，这个升级版的Meta的Llama3.1-70BInstruct架构已经超越了OpenAI的GPT-4o。Reflection70B引入了一种创新方法来增强语言模型的推理能力和准确性。通
    

    • 

  • python基础学习
agente
pythonpython学习开发语言

    第一章标识符1、python被称为胶水语言，可以跟各个代码能一块儿使用爬虫、数据分析web全栈开发、数据科学方向、人工智能的机械学习和深度学习、自动化运维、爬虫、办公自动化python是跨平台的，python是解释型语言，不需要编译，python是面向对象的语言1、print()#print()可以输出数字、字符串、含有运算符的表达式#print()可以将内容输出到显示器、文件#print()输出
    

    • 

  • 机器学习和深度学习区别
hong161688
机器学习深度学习人工智能

    机器学习和深度学习作为人工智能领域的两大重要分支，虽然有着紧密的联系，但在多个方面存在显著的差异。以下将从定义与起源、技术基础、模型复杂度、数据需求、计算资源需求、应用领域以及学习方式与特点等角度，详细阐述机器学习和深度学习的区别。一、定义与起源机器学习：是人工智能的一个分支，它让计算机能够在没有明确编程的情况下，通过观察和分析大量数据来学习并做出预测或决策。机器学习起源于20世纪50年代，随着算
    

    • 

  • 深度学习算法在图算法中的应用（图卷积网络GCN和图自编码器GAE）
大嘤三喵军团
深度学习算法网络

    深度学习算法在图算法中的应用1.图卷积网络（GraphConvolutionalNetworks,GCN）图卷积网络（GCN）是一种将卷积神经网络（ConvolutionalNeuralNetworks,CNN）推广到图结构数据的方法。GCN被广泛用于节点分类、图分类、链接预测等任务。优势和好处灵活性：GCN可以处理不规则和不均匀的数据结构，比如社交网络、分子结构、交通网络等。高效性：GCN使用局
    

    • 

  • 深度学习速通系列:LoRA微调是什么
Ven%
深度学习速通系列人工智能深度学习python机器学习nlp

    LoRA微调（Low-RankAdaptation）是一种用于大型预训练语言模型（LLM）的高效微调技术。它的核心思想是在不改变预训练模型权重的前提下，通过在模型的Transformer层中引入可训练的低秩矩阵来实现模型的微调。这种方法可以显著减少训练参数的数量，从而降低对计算资源的需求。LoRA微调的原理：LoRA微调方法建议冻结预训练模型的权重，并在每个Transformer块中注入可训练的低
    

    • 

  • 基于深度学习的基因组数据分析
SEU-WYL
深度学习dnn深度学习数据分析人工智能

    基于深度学习的基因组数据分析利用深度学习技术来处理和分析基因组数据，帮助解决基因组学领域中一些复杂且具有挑战性的问题。这种方法已经在疾病预测、基因功能预测、变异检测、基因表达调控分析、个性化医疗等方面取得了显著进展。1.基因组数据分析的核心挑战基因组数据分析涉及以下主要挑战：高维数据与稀疏性：基因组数据通常包括数百万到数十亿个碱基对，数据维度非常高。同时，许多基因变异事件是稀有的，这种稀疏性使得数
    

    • 

  • 基于深度学习的信号滤波：创新技术与应用挑战
逼子歌
深度学习神经网络信号滤波图像去噪卷积神经网络长短期记忆网络

    一、引言1.1研究背景随着科技的不断发展，信号处理领域面临着越来越复杂的挑战。在众多信号处理技术中，基于深度学习的信号滤波技术逐渐崭露头角，成为研究的热点。基于深度学习的信号滤波在信号处理领域具有至关重要的地位。如今，我们生活在一个数据爆炸的时代，各种信号源不断产生大量的复杂数据。例如，在通信领域，信号常常受到噪声干扰，传统的滤波方法在处理复杂、非线性信号时可能效果不佳。而深度学习技术具有自动特征
    

    • 

  • 基于ReAct提示词框架的大语言模型Agent原理
会写代码的孙悟空
chatGPT语言模型chatgpt人工智能智能体agent

    简介论文出自ReAct:SynergizingReasoningandActinginLanguageModelsReAct=reason+actreason：推理act：行动先看reason和act都是哪种模式思维链技术（ChainofThought）是一种用于提高大型语言模型（如GPT）解决问题能力的技巧。这种技术的核心思想是将复杂的问题分解成一系列更简单的步骤，然后逐步解决这些步骤，最终达到
    

    • 

  • LLAMA Factory: 简洁高效的大语言模型训练平台
俞纬鉴Joshua

    LLAMAFactory:简洁高效的大语言模型训练平台LLaMA-Factory易于使用的LLM微调框架（LLaMA,BLOOM,Mistral,百川，Qwen,ChatGLM）。项目地址:https://gitcode.com/gh_mirrors/ll/LLaMA-Factory项目介绍LLaMAFactory定位为一款简洁、高效的大规模语言模型训练和微调平台。其设计初衷在于让用户无需编码即可
    

    • 

  • FunASR 语音识别系统概述
瑞雪兆我心
语音识别人工智能

    FunASR（AFundamentalEnd-to-EndSpeechRecognitionToolkit）是一个基础的语音识别工具包，提供多种功能，包括语音识别（ASR）、语音端点检测（VAD）、标点恢复（PR）、语言模型（LM）、说话人分离等。项目源地址1语音识别（ASR）参考语音交互：聊聊语音识别-ASR（万字长文）语音识别技术（AutomaticSpeechRecognition,ASR）
    

    • 

  • 使用 MongoDB 构建 AI：Patronus 如何自动进行大语言模型评估来增强对生成式 AI 的信心
MongoDB 数据平台
AI应用客户案例人工智能mongodb

    大语言模型可能不可靠，这几乎算不上头条新闻。对于某些用例，这可能会带来不便。而对于其他行业，尤其是受监管行业，后果则要严重得多。于是，业内首个大语言模型自动评估平台PatronusAI应运而生。PatronusAI由MetaAI和MetaRealityLabs的机器学习专家创立，旨在增强企业对生成式AI应用程序的信心，在塑造值得信赖的AI生态方面处于领先地位。Patronus联合创始人兼首席技术官
    

    • 

  • pytorh基础知识和函数的学习：torchvision.transforms()
深蓝海拓
机器视觉和人工智能学习学习pytorch

    transforms是PyTorch的torchvision库中用于图像处理的一个模块。它提供了一组工具，用于在图像数据集上进行常见的预处理和数据增强操作，以便更好地训练深度学习模型。以下是一些常用的torchvision.transforms转换：基础图像转换：transforms.ToTensor():将PIL图像或NumPy数组转换为PyTorch的张量，并将像素值范围从[0,255]缩放到
    

    • 

  • 深度学习驱动下的字符识别：挑战与创新
逼子歌
神经网络深度学习字符识别卷积神经网络图像处理特征提取

    一、引言1.1研究背景深度学习在字符识别领域具有至关重要的地位。随着信息技术的飞速发展，对字符识别的准确性和效率要求越来越高。字符识别作为计算机视觉领域的一个重要研究方向，其主要目的是将各种形式的字符转换成计算机可识别的文本信息。近年来，深度学习技术在字符识别领域取得了显著的进展。国内研究者主要使用基于模板匹配的方法、基于统计模型的方法、基于神经网络的方法等各种方法进行字符识别研究。目前，国内各大
    

    • 

  • Adam优化器：深度学习中的自适应方法
2401_85743969
深度学习人工智能

    引言在深度学习领域，优化算法是训练神经网络的核心组件之一。Adam（AdaptiveMomentEstimation）优化器因其自适应学习率调整能力而受到广泛关注。本文将详细介绍Adam优化器的工作原理、实现机制以及与其他优化器相比的优势。深度学习优化器概述优化器在深度学习中负责调整模型的参数，以最小化损失函数。常见的优化器包括SGD（随机梯度下降）、RMSprop、AdaGrad、AdaDelt
    

    • 

  • 【深度学习实战】行人检测追踪与双向流量计数系统【python源码+Pyqt5界面+数据集+训练代码】YOLOv8、ByteTrack、目标追踪、双向计数、行人检测追踪、过线计数
阿_旭
AI应用软件开发实战深度学习实战深度学习python行人检测行人追踪过线计数

    《博主简介》小伙伴们好，我是阿旭。专注于人工智能、AIGC、python、计算机视觉相关分享研究。✌更多学习资源，可关注公-仲-hao:【阿旭算法与机器学习】，共同学习交流~感谢小伙伴们点赞、关注！《------往期经典推荐------》一、AI应用软件开发实战专栏【链接】项目名称项目名称1.【人脸识别与管理系统开发】2.【车牌识别与自动收费管理系统开发】3.【手势识别系统开发】4.【人脸面部活体
    

    • 

  • 【PyTorch】使用容器(Containers)进行网络层管理(Module)
遥感小萌新
深度学习pythonpytorch人工智能python深度学习

    文章目录前言一、Sequential二、ModuleList三、ModuleDict四、ParameterList&ParameterDict总结前言当深度学习模型逐渐变得复杂，在编写代码时便会遇到诸多麻烦，此时便需要Containers的帮助。Containers的作用是将一部分网络层模块化，从而更方便地管理和调用。本文介绍PyTorch库常用的nn.Sequential，nn.ModuleLi
    

    • 

  • 深度学习之sigmoid函数介绍
yueguang8
人工智能深度学习人工智能

    1.基本概念Sigmoid函数，也称为Logistic函数，是一种常用的数学函数，其数学表达式为：其中，e是自然对数的底数，Zj是输入变量。Sigmoid函数曲线如下所示：计算示例：原始输出结果Zj：[-0.6,1.4,2.5]使用Sigmoid函数后输出为：[0.35,0.8,0.92]2.Sigmoid函数特点Sigmoid函数具有以下特点：值域限定在(0,1)之间：Sigmoid函数的输出范
    

    • 

  • Deep learning for Computer Vision with Python（1）从零开始入门计算机视觉
Hazelyu27
计算机视觉大数据计算机视觉深度学习

    本书的内容分成三个部分：1.初始阶段初始阶段学习：机器学习、神经网络、卷积神经网络、建立数据集。2.实践阶段实践阶段：深入学习深度学习，理解先进技术，发现最佳实践方式。3.图像网络阶段完成计算机视觉领域的经验积累。使用大规模数据集和真实图片案例作为数据集，包括年龄和性别预测，交通工具模型识别。本书提供了对应网站：http://pyimg.co/fnkxk本文介绍前两章内容：基本介绍和深度学习简介。
    

    • 

  • 使用matlab的热门问题
七十二五
值得关注matlab开发语言青少年编程算法经验分享

    MATLAB广泛应用于科学计算、数据分析、信号处理、图像处理、机器学习等多个领域，因此热门问题也涵盖了这些方面。以下是一些可能被认为当前最热门的MATLAB问题：深度学习与神经网络：如何使用MATLAB的深度学习工具箱（DeepLearningToolbox）来构建和训练神经网络？如何利用MATLAB进行图像识别、语音识别或自然语言处理等深度学习应用？数据分析与可视化：如何使用MATLAB进行大数
    

    • 

  • 大模型日报2024-06-07
赛博 AI
大模型日报人工智能AIGCGPT4oOpenAIGemini

    大模型日报2024-06-07大模型资讯大规模单细胞转录组学基础模型研究摘要:大型预训练模型已成为基础模型，在自然语言处理及相关领域取得突破。本文介绍了在单细胞转录组学领域应用大规模基础模型的研究进展。MMLU-Pro：评估语言理解模型的新基准摘要:MMLU-Pro是一个增强型基准，旨在评估语言理解模型在更广泛和更具挑战性的任务中的表现。最近，大型语言模型在自然语言处理领域取得了显著进展，推动了这
    

    • 

  • 多模态大模型论文总结
sudun_03
语言模型算法人工智能

    MM1:Methods,Analysis&InsightsfromMultimodalLLMPre-training在这项工作中，我们讨论了建立高性能的多模态大型语言模型（MLLMs）。特别是，我们研究了各种模型结构组件和数据选择的重要性。通过对图像编码器、视觉语言连接器和各种预训练数据选择的仔细而全面的验证，我们确定了几个关键的设计教训。例如，我们证明，与其他已发表的多模式预训练结果相比，对于使
    

    • 

  • 大语言模型为什么这么强？关键步骤是……
青花科技
语言模型人工智能自然语言处理

    作者主页：青花锁简介：Java领域优质创作者、Java微服务架构公号作者简历模板、学习资料、面试题库、技术互助文末获取联系方式目录前言什么是大模型1.1、具备涌现能力1.2、多模态能力增强2、预训练往期热门专栏回顾前言研究人员发现，随着语言模型参数量的不断增加，模型完成各个任务的效果也得到不同程度的提升。什么是大模型大语言模型是指模型参数量超过一定规模的语言模型，相比参数量较小的预训练模型（如BE
    

    • 

  • 深度学习目标检测入门COCO数据集
日暮途远z
深度学习目标检测人工智能

    常见数据集类型：COCO数据集：Pytorch加载COCO数据集：COCO数据集的读取COCO_dataset=torchvision.datasets.CocoDetection(root="./dataset/val2017",annFile="./instances_val2017/instances_val2017.json")root(strorpathlib.Path)–Rootdir
    

    • 

  • 【数据获取与读取】JSON & CSV
yogurt=b
数据分析jsonpython

    数据分析流程获取数据-读取数据-评估数据-清洗数据-整理数据-分析数据-可视化数据公开数据集飞桨（百度旗下深度学习平台）数据集：https:/aistudio.baidu.com/aistudio/datasetoverview天池（阿里云旗下开发者竞赛平台）:https:/tianchiaiyun.com/dataset/和鲸社区（数据科学开源社区）数据集：htps://www.heywhale
    

    • 

  • 深入解析五大 LLM 可视化工具：Langflow、Flowise、Dify、AutoGPT UI 和 AgentGPT
花千树-010
AI编程langchain机器学习AI编程python机器人

    近年来，大语言模型（LLM）技术的迅猛发展推动了智能代理（Agent）应用的广泛应用。从任务自动化到智能对话系统，LLM代理可以极大简化复杂任务的执行。为了帮助开发者更快地构建和部署这些智能代理，多个开源工具应运而生，尤其是那些提供可视化界面的工具，让开发者通过简单的图形界面设计、调试和管理智能代理。本文将详细介绍五款热门的LLM可视化工具，分别是Langflow、Flowise、Dify、Aut
    

    • 

  • DL参考资源（二）
antkillerfarm
深度学习

    DL参考资源推荐系统https://zhuanlan.zhihu.com/p/26237106深度学习在推荐算法上的应用进展http://i.dataguru.cn/mportal.php?mod=view&aid=11463深度学习在推荐领域的应用https://mp.weixin.qq.com/s/hGvQvddD3i858XSK4z08Ug主要推荐系统算法总结及Youtube深度学习推荐算法
    

    • 

  • COI实验室技能：图像到图像的深度学习开发框架（pytorch版）
山颠海涯
深度学习pytorch人工智能

    Basicdeeplearningframeworkforimage-to-image这个开发框架旨在帮助科研人员快速地实现图像到图像之间的模型开发。github连接：https://github.com/SituLab/Basic-deep-learning-framework-for-image-to-image目录1模型开发1-1克隆项目到本地1-2深度学习开发2环境配置2-1安装conda
    

    • 

  • 大模型面试通关指南：常见问题与答案解析 史上最全超详细 收藏我这一篇就够了
程序员辣条
面试职场和发展大模型人工智能AI大模型

    大模型相关的面试问题通常涉及模型的原理、应用、优化以及面试者对于该领域的理解和经验。以下是一些常见的大模型面试问题以及建议的回答方式：请简述什么是大模型，以及它与传统模型的主要区别是什么？回答：大模型通常指的是参数数量巨大的深度学习模型，如GPT系列。它们与传统模型的主要区别在于规模：大模型拥有更多的参数和更复杂的结构，从而能够处理更复杂、更广泛的任务。此外，大模型通常需要更多的数据和计算资源进行
    

    • 

  • xml解析
小猪猪08
xml

    1、DOM解析的步奏
准备工作：
   1.创建DocumentBuilderFactory的对象
   2.创建DocumentBuilder对象
   3.通过DocumentBuilder对象的parse(String fileName)方法解析xml文件
   4.通过Document的getElem
    

    • 

  • 每个开发人员都需要了解的一个SQL技巧
brotherlamp
linuxlinux视频linux教程linux自学linux资料

     
对于数据过滤而言CHECK约束已经算是相当不错了。然而它仍存在一些缺陷，比如说它们是应用到表上面的，但有的时候你可能希望指定一条约束，而它只在特定条件下才生效。
使用SQL标准的WITH CHECK OPTION子句就能完成这点，至少Oracle和SQL Server都实现了这个功能。下面是实现方式：
CREATE TABLE books (
  id &
    

    • 

  • Quartz——CronTrigger触发器
eksliang
quartzCronTrigger

    转载请出自出处：http://eksliang.iteye.com/blog/2208295 一.概述
CronTrigger 能够提供比 SimpleTrigger 更有具体实际意义的调度方案，调度规则基于 Cron 表达式，CronTrigger 支持日历相关的重复时间间隔（比如每月第一个周一执行），而不是简单的周期时间间隔。 二.Cron表达式介绍 1）Cron表达式规则表
Quartz
    

    • 

  • Informatica基础
18289753290
InformaticaMonitormanagerworkflowDesigner

    1.
1）PowerCenter Designer：设计开发环境，定义源及目标数据结构；设计转换规则，生成ETL映射。
2）Workflow  Manager：合理地实现复杂的ETL工作流，基于时间，事件的作业调度
3）Workflow  Monitor：监控Workflow和Session运行情况，生成日志和报告
4）Repository  Manager：
    

    • 

  • linux下为程序创建启动和关闭的的sh文件，scrapyd为例
酷的飞上天空
scrapy

    对于一些未提供service管理的程序  每次启动和关闭都要加上全部路径，想到可以做一个简单的启动和关闭控制的文件
 
下面以scrapy启动server为例，文件名为run.sh：
 
#端口号，根据此端口号确定PID
PORT=6800
#启动命令所在目录
HOME='/home/jmscra/scrapy/'
#查询出监听了PORT端口
    

    • 

  • 人--自私与无私
永夜-极光

                今天上毛概课,老师提出一个问题--人是自私的还是无私的,根源是什么?
 
            从客观的角度来看,人有自私的行为,也有无私的
    

    • 

  • Ubuntu安装NS-3 环境脚本
随便小屋
ubuntu

     
将附件下载下来之后解压，将解压后的文件ns3environment.sh复制到下载目录下（其实放在哪里都可以，就是为了和我下面的命令相统一）。输入命令：
 
sudo ./ns3environment.sh >>result
 
这样系统就自动安装ns3的环境，运行的结果在result文件中，如果提示
 
 
com
    

    • 

  • 创业的简单感受
aijuans
创业的简单感受

    
       2009年11月9日我进入a公司实习，2012年4月26日，我离开a公司，开始自己的创业之旅。
     今天是2012年5月30日，我忽然很想谈谈自己创业一个月的感受。
当初离开边锋时，我就对自己说：“自己选择的路，就是跪着也要把他走完”，我也做好了心理准备，准备迎接一次次的困难。我这次走出来，不管成败
    

    • 

  • 如何经营自己的独立人脉
aoyouzi
如何经营自己的独立人脉

    独立人脉不是父母、亲戚的人脉，而是自己主动投入构造的人脉圈。“放长线，钓大鱼”，先行投入才能产生后续产出。   现在几乎做所有的事情都需要人脉。以银行柜员为例，需要拉储户，而其本质就是社会人脉，就是社交！很多人都说，人脉我不行，因为我爸不行、我妈不行、我姨不行、我舅不行……我谁谁谁都不行，怎么能建立人脉？我这里说的人脉，是你的独立人脉。   以一个普通的银行柜员
    

    • 

  • JSP基础
百合不是茶
jsp注释隐式对象

     
1,JSP语句的声明
<%! 声明 %> 　　 声明：这个就是提供java代码声明变量、方法等的场所。
表达式 <%= 表达式 %> 　　 这个相当于赋值，可以在页面上显示表达式的结果，
程序代码段/小型指令　<% 程序代码片段 %>
 
2,JSP的注释
 
<!-- --> 
    

    • 

  • web.xml之session-config、mime-mapping
bijian1013
javaweb.xmlservletsession-configmime-mapping

    session-config
1.定义：
<session-config>
<session-timeout>20</session-timeout>
</session-config>
2.作用：用于定义整个WEB站点session的有效期限，单位是分钟。
 
mime-mapping
1.定义：
<mime-m
    

    • 

  • 互联网开放平台（1）
Bill_chen
互联网qq新浪微博百度腾讯

    现在各互联网公司都推出了自己的开放平台供用户创造自己的应用，互联网的开放技术欣欣向荣，自己总结如下：
1.淘宝开放平台(TOP)
网址：http://open.taobao.com/
依赖淘宝强大的电子商务数据，将淘宝内部业务数据作为API开放出去，同时将外部ISV的应用引入进来。
目前TOP的三条主线：
TOP访问网站：open.taobao.com
ISV后台：my.open.ta
    

    • 

  • 【MongoDB学习笔记九】MongoDB索引
bit1129
mongodb

    索引
可以在任意列上建立索引
索引的构造和使用与传统关系型数据库几乎一样,适用于Oracle的索引优化技巧也适用于Mongodb
使用索引可以加快查询,但同时会降低修改,插入等的性能
内嵌文档照样可以建立使用索引
测试数据
 
 
var p1 = {
"name":"Jack",
"age&q
    

    • 

  • JDBC常用API之外的总结
白糖_
jdbc

     做JAVA的人玩JDBC肯定已经很熟练了，像DriverManager、Connection、ResultSet、Statement这些基本类大家肯定很常用啦，我不赘述那些诸如注册JDBC驱动、创建连接、获取数据集的API了，在这我介绍一些写框架时常用的API，大家共同学习吧。
 
 
ResultSetMetaData获取ResultSet对象的元数据信息

    

    • 

  • apache VelocityEngine使用记录
bozch
VelocityEngine

    VelocityEngine是一个模板引擎，能够基于模板生成指定的文件代码。
 
使用方法如下：
    VelocityEngine engine = new VelocityEngine();// 定义模板引擎
    Properties properties = new Properties();// 模板引擎属
    

    • 

  • 编程之美-快速找出故障机器
bylijinnan
编程之美

    
package beautyOfCoding;
import java.util.Arrays;
public class TheLostID {
/*编程之美
假设一个机器仅存储一个标号为ID的记录，假设机器总量在10亿以下且ID是小于10亿的整数，假设每份数据保存两个备份，这样就有两个机器存储了同样的数据。
1.假设在某个时间得到一个数据文件ID的列表，是
    

    • 

  • 关于Java中redirect与forward的区别
chenbowen00
javaservlet

    在Servlet中两种实现：
forward方式：request.getRequestDispatcher(“/somePage.jsp”).forward(request, response);
redirect方式：response.sendRedirect(“/somePage.jsp”);
forward是服务器内部重定向，程序收到请求后重新定向到另一个程序，客户机并不知
    

    • 

  • [信号与系统]人体最关键的两个信号节点
comsci
系统

    
        如果把人体看做是一个带生物磁场的导体,那么这个导体有两个很重要的节点,第一个在头部,中医的名称叫做 百汇穴, 另外一个节点在腰部,中医的名称叫做 命门
        如果要保护自己的脑部磁场不受到外界有害信号的攻击,最简单的
    

    • 

  • oracle 存储过程执行权限
daizj
oracle存储过程权限执行者调用者

    在数据库系统中存储过程是必不可少的利器，存储过程是预先编译好的为实现一个复杂功能的一段Sql语句集合。它的优点我就不多说了，说一下我碰到的问题吧。我在项目开发的过程中需要用存储过程来实现一个功能，其中涉及到判断一张表是否已经建立，没有建立就由存储过程来建立这张表。
CREATE OR REPLACE PROCEDURE TestProc 
IS 
  fla
    

    • 

  • 为mysql数据库建立索引
dengkane
mysql性能索引

    前些时候，一位颇高级的程序员居然问我什么叫做索引，令我感到十分的惊奇，我想这绝不会是沧海一粟，因为有成千上万的开发者（可能大部分是使用MySQL的）都没有受过有关数据库的正规培训，尽管他们都为客户做过一些开发，但却对如何为数据库建立适当的索引所知较少，因此我起了写一篇相关文章的念头。  最普通的情况，是为出现在where子句的字段建一个索引。为方便讲述，我们先建立一个如下的表。
    

    • 

  • 学习C语言常见误区 如何看懂一个程序 如何掌握一个程序以及几个小题目示例
dcj3sjt126com
c算法

    如果看懂一个程序，分三步
 
1、流程
 
2、每个语句的功能
 
3、试数
 
如何学习一些小算法的程序
尝试自己去编程解决它，大部分人都自己无法解决
如果解决不了就看答案
关键是把答案看懂，这个是要花很大的精力，也是我们学习的重点
看懂之后尝试自己去修改程序，并且知道修改之后程序的不同输出结果的含义
照着答案去敲
调试错误

    

    • 

  • centos6.3安装php5.4报错
dcj3sjt126com
centos6

    报错内容如下:
Resolving Dependencies
--> Running transaction check
---> Package php54w.x86_64 0:5.4.38-1.w6 will be installed
--> Processing Dependency: php54w-common(x86-64) = 5.4.38-1.w6 for 
    

    • 

  • JSONP请求
flyer0126
jsonp

     
    使用jsonp不能发起POST请求。
It is not possible to make a JSONP POST request.
JSONP works by creating a <script> tag that executes Javascript from a different domain; it is not pos
    

    • 

  • Spring Security（03）——核心类简介
234390216
Authentication

    核心类简介
目录
1.1     Authentication
1.2     SecurityContextHolder
1.3     AuthenticationManager和AuthenticationProvider
1.3.1  &nb
    

    • 

  • 在CentOS上部署JAVA服务
java--hhf
javajdkcentosJava服务

        本文将介绍如何在CentOS上运行Java Web服务，其中将包括如何搭建JAVA运行环境、如何开启端口号、如何使得服务在命令执行窗口关闭后依旧运行
   
第一步：卸载旧Linux自带的JDK
①查看本机JDK版本
java -version
   结果如下
java version "1.6.0"
    

    • 

  • oracle、sqlserver、mysql常用函数对比[to_char、to_number、to_date]
ldzyz007
oraclemysqlSQL Server

    oracle                                &n
    

    • 

  • 记Protocol Oriented Programming in Swift of WWDC 2015
ningandjin
protocolWWDC 2015Swift2.0

    其实最先朋友让我就这个题目写篇文章的时候，我是拒绝的，因为觉得苹果就是在炒冷饭， 把已经流行了数十年的OOP中的“面向接口编程”还拿来讲，看完整个Session之后呢，虽然还是觉得在炒冷饭，但是毕竟还是加了蛋的，有些东西还是值得说说的。
通常谈到面向接口编程，其主要作用是把系统设计和具体实现分离开，让系统的每个部分都可以在不影响别的部分的情况下，改变自身的具体实现。接口的设计就反映了系统
    

    • 

  • 搭建 CentOS 6 服务器(15) - Keepalived、HAProxy、LVS
rensanning
keepalived

    （一）Keepalived
（1）安装
# cd /usr/local/src
# wget http://www.keepalived.org/software/keepalived-1.2.15.tar.gz
# tar zxvf keepalived-1.2.15.tar.gz
# cd keepalived-1.2.15
# ./configure
# make &a
    

    • 

  • ORACLE数据库SCN和时间的互相转换
tomcat_oracle
oraclesql

    SCN（System Change Number 简称 SCN）是当Oracle数据库更新后，由DBMS自动维护去累积递增的一个数字，可以理解成ORACLE数据库的时间戳，从ORACLE 10G开始，提供了函数可以实现SCN和时间进行相互转换； 　　
用途：在进行数据库的还原和利用数据库的闪回功能时，进行SCN和时间的转换就变的非常必要了； 　
　操作方法： 　　1、通过dbms_f
    

    • 

  • Spring MVC 方法注解拦截器
xp9802
spring mvc

    应用场景，在方法级别对本次调用进行鉴权，如api接口中有个用户唯一标示accessToken,对于有accessToken的每次请求可以在方法加一个拦截器，获得本次请求的用户，存放到request或者session域。
python中，之前在python flask中可以使用装饰器来对方法进行预处理，进行权限处理
先看一个实例,使用@access_required拦截：
? 
    

    • 














按字母分类：
ABCDEFGHIJKLMNOPQRSTUVWXYZ其他