和梦无
和梦无

【信息检索导论】第11章 概率检索模型

第11章 概率检索模型

概率排序模型

利用概率模型来估计每篇文档和需求的相关概率P(R=1|d,q)，然后对结果进行次序。这是PRP（probability ranking principle，概率排序原理）

最简单的PRP 情况是，检索没有任何代价因子，或者说不会对不同行为或错误采用不同的权重因子。在返回一篇不相关文档或者返回一篇相关文档不成功的情况下，将失去1 分（在计算精确率时这种基于二值的情形也往往称为1/0 风险）。而检索的目标是对于用户任意给定的k值，返回可能性最高的文档前k 篇作为结果输出。也就是说，PRP 希望可以按照P(R=1|d,q)值的降序来排列所有文档。当返回一个无序文档集而不是排序的结果时，可以通过贝叶斯最优决策原理（Bayes optimal decision rule）来基于最小损失风险作出决策，即返回相关的可能性大于不相关的可能性的文档

二值独立模型

本质上说，BIM 模型就是多元贝努利朴素贝叶斯模型。

概率模型的扩展

词项之间的树形依赖

BM25算法

IR中的贝叶斯网络方法：文档集网络、查询网络

你可能感兴趣的:(信息检索导论)

  • RAG 调优指南：Spring AI Alibaba 模块化 RAG 原理与使用 ApacheDubbo spring人工智能架构SpringAIRAG
    >夏冬,SpringAIAlibabaContributorRAG简介什么是RAG（检索增强生成）RAG（RetrievalAugmentedGeneration，检索增强生成）是一种结合信息检索和文本生成的技术范式。核心设计理念RAG技术就像给AI装上了「实时百科大脑」，通过先查资料后回答的机制，让AI摆脱传统模型的"知识遗忘"困境。️四大核心步骤1.文档切割→建立智能档案库核心任务:将海量文档
  • Python爬虫实战：研究jieba相关技术 ylfhpy 爬虫项目实战python爬虫开发语言htmljieba分词
    1.引言1.1研究背景与意义随着互联网技术的飞速发展，网络新闻已成为人们获取信息的主要渠道之一。每天产生的新闻文本数据量呈爆炸式增长，如何从海量文本中高效提取有价值的信息，成为信息科学领域的重要研究课题。文本分析技术通过对文本内容的结构化处理和语义挖掘，能够揭示隐藏在文本中的主题、情感和趋势，为舆情监测、信息检索、内容推荐等应用提供技术支持。1.2研究目标与方法本研究旨在构建一个完整的新闻文本分析
  • 黑客自学教程（非常详细）黑客零基础入门到精通，收藏这篇就够了 爱吃小石榴16 网络安全黑客技术黑客网络服务器运维android数据库web安全安全
    新手如何通过自学黑客技术成为厉害的白帽黑客？我目前虽然算不上顶尖的白帽大佬，但自己在补天挖漏洞也能搞个1万多块钱。给大家分享一下我的学习方法，0基础也能上手学习,如果你能坚持学完，你也能成为厉害的白帽子！一、打好基础一上来就去玩各种工具的都是脚本小子，如果你是准备在技术这条路上走得长远，那这些必备的基础知识一定要学好。1.网络安全基础导论尤其是法律法规和发展方向，一定要对网络安全有清楚的认知！2.
  • 多模态查询技术：让搜索更智能、更精准 搜索引擎技术 ai
    多模态查询技术：让搜索更智能、更精准关键词：多模态查询、跨模态搜索、语义理解、向量检索、深度学习、信息检索、人工智能摘要：本文深入探讨多模态查询技术如何通过整合文本、图像、音频等多种数据形式，实现更智能、更精准的搜索体验。我们将从基础概念出发，逐步解析技术原理，并通过实际案例展示其应用价值，最后展望未来发展趋势。背景介绍目的和范围本文旨在全面介绍多模态查询技术，包括其核心概念、工作原理、实现方法和
  • 搜索领域个性化排序：如何利用生成式AI提升效果？ 搜索引擎技术 人工智能ai
    搜索个性化排序的生成式AI增强：从理论框架到实践落地的系统解析关键词生成式AI、个性化排序、搜索系统、用户意图建模、多模态信息融合、排序优化、智能检索摘要本报告系统解析如何通过生成式AI技术提升搜索领域的个性化排序效果。从理论框架出发，结合信息检索第一性原理与生成式模型的核心优势，构建"用户-查询-文档"三元组的深度关联模型；通过层次化架构设计，覆盖用户建模、查询理解、文档表示到排序决策的全流程；
  • 0_序章导论 39036953 吴恩达《AIfor人工智能
    课程整体框架时长：4周终极目标：学完后比大公司CEO更懂AI，能领导团队解决实际问题每周核心内容分解第一周：重新认识AI的本质弱AI（ANI）vs.强AI（AGI）ANI（弱人工智能）：特点：只精通单一任务（如语音助手、自动驾驶）现状：已创造巨大价值，未来将在零售、制造、交通等非软件行业爆发AGI（强人工智能）：目标：达到或超越人类全能智能真相：数十年内难以突破，无需担忧"机器人灭绝人类"破除AI
  • C语言结构体完全指南 Morpheon Cc语言算法开发语言
    结构体（Structures）在C语言中允许将不同类型的变量组合在一起，为数据抽象和组织提供了强大的工具。本文涵盖了《comp20005C语言数值计算导论》第8章的关键概念，重点介绍结构体、其操作、与函数的交互、指针和数组。包含代码示例和练习解答以加深理解。1.声明结构体结构体是一个可能包含不同类型变量的集合，通过成员名称访问。typedef关键字通常用于定义程序范围内使用的结构体类型。示例：行星
  • 算法导论：动态规划-钢条切割 tttoff 算法动态规划
    一、动态规划定义区别于分治法，动态规划（dynamicprogramming）的子问题是有重叠的。常用于最优化问题（optimizationproblem）。二、钢条切割问题2.1步骤分解（1）刻画最优解的结构特征如何得到最大的收益->切割or不切割->则最大收益可以由两个子方案组成，即最大收益=max（不切割的收益，切割的收益）（2）递归地定义最优解的值不切割的收益的已知，则需定义切割的收益。由
  • 算法导论第十四章 B树与B+树：海量数据的守护者 W说编程 算法导论数据结构与算法算法b树c语言数据结构性能优化
    第十四章B树与B+树：海量数据的守护者“数据不是信息，信息不是知识，知识不是理解。”——CliffordStoll在信息爆炸的时代，我们需要高效管理海量数据的能力。B树家族作为数据库和文件系统的基石，完美平衡了磁盘I/O效率和内存利用率，成为处理大规模数据的首选数据结构。14.1B树的诞生背景14.1.1磁盘与内存的速度鸿沟现代计算机系统中，磁盘访问速度比内存慢10万倍以上。当数据量超过内存容量时
  • Spring Boot + LangChain 构建 RAG 应用 程序员丸子 langchainAI大模型语言模型自然语言处理人工智能大语言模型RAG
    使用LangChain构建RAG应用程序什么是RAG？检索增强生成（Retrieval-AugmentedGeneration,RAG）是一种结合了检索和生成两种关键技术的机器学习方法。这种方法在自然语言处理任务中特别有效，例如对话系统和问答系统。RAG的关键组件检索：•RAG首先从大型数据集或知识库中检索与用户查询相关的文档或数据。•通常使用信息检索技术，如向量搜索或关键词匹配。生成：•在检索到
  • 【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。-
  • 奇点思维：大型语言模型强化推理探秘之旅 步子哥 AGI通用人工智能语言模型人工智能自然语言处理
    当你凝视夜空中闪烁的点点星辰，不难联想到人类思维的复杂性。正如诺姆·乔姆斯基曾言：“如果语言贫乏，那么思维也将贫乏。”如今，我们正处于一个由大型语言模型（LLMs）引领的新时代——在这些模型的背后，不仅蕴含着海量数据的洗礼，更有着层层递进的推理能力。本文将聚焦论文《迈向大型推理模型：大型语言模型强化推理综述》所揭示的核心思想，通过引人入胜的叙述为你还原这一前沿领域的点点滴滴。导论：人类语言与机器思
  • LangChain、RAG、Agent是什么 ZhangJiQun&MXP 2021AIpython2024大模型以及算力教学langchain语言模型人工智能算法自然语言处理
    LangChain、RAG、Agent是什么在本地部署基于DeepSeek-R1模型的商用级知识库系统，旨在帮助开发者搭建智能知识库，提升企业智能化水平。背景与技术概述：随着大语言模型和RAG技术发展，AI知识库广泛应用于各行业，但传统信息管理系统存在问题，大模型也有“幻觉”现象。RAG技术将信息检索与生成模型结合，能缓解“幻觉”，而Agent智能体和LangChain框架可满足复杂业务需求。本地
  • Coggle数据科学 | Kaggle赛题解析：识别数据引用与分类 双木的木 深度学习拓展阅读分类数据挖掘人工智能计算机视觉promptpython算法
    本文来源公众号“Coggle数据科学”，仅用于学术分享，侵权删，干货满满。原文链接：Kaggle赛题解析：识别数据引用与分类赛题名称：MakeDataCount-FindingDataReferences赛题类型：自然语言处理、信息检索赛题任务：从科学论文的全文中提取所有被引用的研究数据，并根据上下文将其分类为初级引用（Primary）或次级引用（Secondary）。https://www.ka
  • 算法导论第十八章 计算几何：算法中的空间艺术
    第十八章计算几何：算法中的空间艺术“几何学是描绘宇宙秩序的永恒诗篇。”——约翰内斯·开普勒计算几何将数学的优雅与算法的实用性完美结合，在计算机图形学、机器人导航和地理信息系统中扮演着关键角色。本章将带您探索几何问题的算法解决方案，从基础的点线关系到复杂的空间剖分，揭示算法如何理解和操纵我们的几何世界。18.1几何基础：点、线和多边形18.1.1几何对象的表示在计算几何中，我们使用简洁的数学结构表示
  • 算法导论第十六章 van Emde Boas树：对数对数的奇迹 W说编程 算法导论数据结构与算法算法数据结构c语言性能优化全文检索数据库
    第十六章vanEmdeBoas树：对数对数的奇迹“在数据结构的宇宙中，有些星星的光芒需要特殊工具才能看见。”vanEmdeBoas树（vEB树）是计算机科学中最优雅的数据结构之一，它将整数集合操作的时间复杂度从O(logn)降到了惊人的O(loglogU)。本章将揭开这种神奇结构的面纱，展示它如何在小整数集合处理中实现近乎即时的操作。16.1vEB树的诞生：解决整数集合的瓶颈16.1.1整数集合操
  • 算法导论第十三章 红黑树：平衡的艺术 W说编程 算法导论数据结构与算法算法c语言数据结构性能优化b树排序算法
    第十三章红黑树：平衡的艺术“平衡不是静止，而是动态的和谐。”——达芬奇在二叉搜索树的世界中，红黑树如同一位优雅的舞者，在动态操作中保持着完美的平衡。本章将揭开这种高效数据结构的神秘面纱，探索它如何在插入和删除操作中保持优雅姿态。13.1红黑树的诞生：解决BST的致命缺陷13.1.1BST的退化问题在第十二章中，我们看到二叉搜索树在极端情况下会退化为链表，操作复杂度从O(logn)恶化为O(n)。1
  • 李宏毅【生成式AI导论 2024】第1讲：生成式AI是什么？ AIshape AIGC知识库人工智能AIGC
    什么是人工智能？人工智慧可以说是一个目标，是一个我们想要达到的目标。它不是一个单一的技术，并没有哪一个技术叫做人工智慧，人工智慧是一个目标。什么是生成式人工智能？生成式人工智慧是要机器产生复杂而有结构的物件。比如说文章，文章也有一连串的文字所构成的。比如说影像，影像是由一堆像素所组成的。比如说语音，语音是由一堆取样点所组成的。所谓的复杂有结构又是什么意思呢？这个复杂到底应该要复杂到什么程度呢？要复
  • 大模型RAG高阶面试指南：第一章：RAG绪论 强化学习曾小健3 大模型RAG高阶面试指南人工智能深度学习
    第一章：RAG绪论1.1RAG的定义、背景与核心思想检索增强生成（RetrievalAugmentedGeneration，简称RAG）是一种结合了信息检索和文本生成的人工智能技术。它通过在生成过程中动态检索相关信息来增强大型语言模型的能力，从而提供更准确、更及时、更可靠的回答。RAG的核心思想是将"参数化知识"（存储在模型参数中的知识）与"非参数化知识"（存储在外部知识库中的知识）相结合，通过检
  • 实现RAG融合以提升信息检索精准度 zbb258 javascriptpythonlangchain
    在信息检索领域，如何从浩如烟海的信息中精准地获得答案是一个巨大的挑战。RAG（Retrieval-AugmentedGeneration）融合就是一种创新的解决方案。本文将介绍RAG融合的技术背景、核心原理，并提供多个代码片段，展示如何使用这一技术进行信息检索。技术背景介绍RAG融合结合了信息检索和生成式模型的优势。它可以通过生成多个查询，从而提高搜索结果的综合质量，并利用互惠排名融合方法对搜索结
  • 自然语言处理分类 要奋斗呀 自然语言处理
    NLP学习Nlp基本分类NLP领域的任务分为两个类别:第一类是人工智能NLP。包括词性标注，分词，语法解析，语言模型，信息检索，信息抽取，语义表示，文本分类。这些任务发展较为成熟，各种相关工作的主要目的是提高当前模型的性能。第二类是人工智障NLP。包括机器翻译，对话系统，问答系统。目前模型的性能尚不尽如人意，有些任务上甚至没有足够多的，真正有影响力的工作。一、文本分类--情感分类1.定义情感分类是
  • Qwen3-Embedding-Reranker本地部署教程：8B 参数登顶 MTEB 多语言榜首，100 + 语言跨模态检索无压力！ 算家计算 模型构建embeddingQwen3Qwen3-Reranker模型部署教程智能检索算家云镜像社区
    一、简介Qwen3-Embedding与Qwen3-Reranker是阿里巴巴通义实验室于今年6月开源的双模型系列，专为文本表征、检索与排序任务设计。基于Qwen3基础模型构建，二者通过协同工作显著提升语义理解与信息检索效率，在多语言场景和工业部署中表现卓越。基于Qwen3系列的密集基础模型，提供了各种大小（0.6B、4B和8B）的全面文本嵌入和重新排序模型。该系列继承了其基础模型出色的多语言能力
  • 如何使用EnsembleRetriever结合多个检索器的结果 weixin_43212959 windows人工智能microsoft
    在信息检索领域，融合不同检索器的结果可以提升搜索结果的质量。EnsembleRetriever是一个支持将多个检索器的结果组合起来的工具。它通过复合互排名融合算法（ReciprocalRankFusion）重新排序各个检索器的结果，以实现更好的性能。技术背景介绍在搜索和信息检索中，"混合搜索"模式成为一种常见的做法。混合搜索通常结合稀疏检索器（如BM25）和密集检索器（如基于嵌入的相似性）。稀疏检
  • 《阿里新神器MaskSearch问世：为何我们需要打破传统搜索代理训练的枷锁？》 来自于狂人 语言模型人工智能python
    引言：当搜索遇到AI，一场看不见的革命正在发生"百度一下，你就知道"的时代已经成为过去。在今天这个信息爆炸的数字世界，我们需要的不是更多的信息，而是更精准、更智能、更懂人心的信息检索方式。阿里巴巴最近开源的MaskSearch技术，正在悄然改变着搜索代理(SearchAgent)训练的游戏规则。想象这样的场景：你正在寻找一款适合新手入门的单反相机，输入"最好的入门单反"后，传统的搜索引擎可能会给你
  • 使用 LangChain 实现多用户文档检索 yunwu12777 langchain服务器数据库
    在构建信息检索应用时，通常需要支持多个用户，并确保每个用户只能访问自己的数据。这篇文章将展示如何配置检索链的运行时属性，以限制可用文档，并提供一个使用Pinecone向量存储实现的示例。技术背景介绍在多用户环境中，每个用户的数据必须是隔离的。这意味着您的检索系统需要能够区分和隔离不同用户的数据。实现这一点的关键在于使用向量存储时能够区分不同用户的数据域。核心原理解析许多向量存储系统（如Pineco
  • 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
  • LLM OS 中的自然语言搜索引擎 计算AI大模型企业级应用开发实战ChatGPT计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
    LLMOS中的自然语言搜索引擎关键词：大语言模型、操作系统、自然语言搜索、语义理解、信息检索、人工智能、用户交互文章目录LLMOS中的自然语言搜索引擎1.背景介绍2.核心概念与联系3.核心算法原理&具体操作步骤3.1算法原理概述3.2算法步骤详解3.3算法优缺点3.4算法应用领域4.数学模型和公式&详细讲解&举例说明4.1数学模型构建4.2公式推导过程4.3案例分析与讲解5.项目实践：代码实例和详
  • 算法导论第四章：分治策略的艺术与科学 W说编程 算法导论数据结构与算法算法数据结构c语言性能优化
    算法导论第四章：分治策略的艺术与科学本文是《算法导论》精讲专栏第四章，通过问题分解可视化、递归树分析和数学证明，结合完整C语言实现，深入解析分治策略的精髓。包含最大子数组、矩阵乘法、最近点对等经典问题的完整实现与优化技巧。1.分治策略：化繁为简的智慧1.1分治法核心思想原问题分解子问题1子问题2子问题n解决合并最终解分治三步曲：分解：将问题划分为规模更小的子问题解决：递归解决子问题（基线条件直接求
  • 算法导论第五章：概率分析与随机算法的艺术 W说编程 算法导论数据结构与算法算法数据结构c语言概率论
    算法导论第五章：概率分析与随机算法的艺术本文是《算法导论》精讲专栏第五章，通过概率模型可视化、随机实验模拟和数学证明，结合完整C语言实现，深入解析概率分析与随机算法的精髓。包含生日悖论、赠券收集、随机快速排序、蓄水池抽样等经典问题的完整实现与数学分析。1.概率分析基础：从直觉到数学1.1生日悖论：违反直觉的概率问题：一个房间需要多少人，才能使其中两人生日相同的概率超过50%？#includedou
  • 《算法导论(第4版)》阅读笔记：p175-p181 算法
    《算法导论(第4版)》学习第31天，p175-p181总结，总计7页。一、技术总结无。二、英语总结(生词：1)1.amortize(1)amortize:a-("to")+mortus("dead")vt.amortizeoriginallymeans"tokilloff",overtime,itevolvestomean"topayoffgraduallybyperiodicpaymentsof
  • html页面js获取参数值 0624chenhong html
    1.js获取参数值js function GetQueryString(name) {      var reg = new RegExp("(^|&)"+ name +"=([^&]*)(&|$)");      var r = windo
  • MongoDB 在多线程高并发下的问题 BigCat2013 mongodbDB高并发重复数据
    最近项目用到 MongoDB , 主要是一些读取数据及改状态位的操作. 因为是结合了最近流行的 Storm进行大数据的分析处理，并将分析结果插入Vertica数据库，所以在多线程高并发的情境下, 会发现 Vertica 数据库中有部分重复的数据. 这到底是什么原因导致的呢？笔者开始也是一筹莫 展，重复去看 MongoDB 的 API , 终于有了新发现 ： com.mongodb.DB 这个类有
  • c++ 用类模版实现链表(c++语言程序设计第四版示例代码) CrazyMizzz 数据结构C++
    #include<iostream> #include<cassert> using namespace std; template<class T> class Node { private: Node<T> * next; public: T data;
  • 最近情况 麦田的设计者 感慨考试生活
       在五月黄梅天的岁月里，一年两次的软考又要开始了。到目前为止，我已经考了多达三次的软考，最后的结果就是通过了初级考试（程序员）。人啊，就是不满足，考了初级就希望考中级，于是，这学期我就报考了中级，明天就要考试。感觉机会不大，期待奇迹发生吧。这个学期忙于练车，写项目，反正最后是一团糟。后天还要考试科目二。这个星期真的是很艰难的一周，希望能快点度过。   
  • linux系统中用pkill踢出在线登录用户 被触发 linux
    由于linux服务器允许多用户登录，公司很多人知道密码，工作造成一定的障碍所以需要有时踢出指定的用户 1/#who   查出当前有那些终端登录（用 w 命令更详细） # who root     pts/0        2010-10-28 09:36 (192
  • 仿QQ聊天第二版 肆无忌惮_ qq
    在第一版之上的改进内容:  第一版链接: http://479001499.iteye.com/admin/blogs/2100893   用map存起来号码对应的聊天窗口对象,解决私聊的时候所有消息发到一个窗口的问题. 增加ViewInfo类,这个是信息预览的窗口,如果是自己的信息,则可以进行编辑.   信息修改后上传至服务器再告诉所有用户,自己的窗口
  • java读取配置文件 知了ing
    1，java读取.properties配置文件 InputStream in; try { in = test.class.getClassLoader().getResourceAsStream("config/ipnetOracle.properties");//配置文件的路径 Properties p = new Properties()
  • __attribute__ 你知多少？ 矮蛋蛋 C++gcc
    原文地址: http://www.cnblogs.com/astwish/p/3460618.html GNU C 的一大特色就是__attribute__ 机制。__attribute__ 可以设置函数属性（Function Attribute ）、变量属性（Variable Attribute ）和类型属性（Type Attribute ）。 __attribute__ 书写特征是：
  • jsoup使用笔记 alleni123 java爬虫JSoup
    <dependency> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.7.3</version> </dependency> 2014/08/28 今天遇到这种形式，
  • JAVA中的集合 Collectio 和Map的简单使用及方法 百合不是茶 listmapset
             List ,set ,map的使用方法和区别 java容器类类库的用途是保存对象，并将其分为两个概念：     Collection集合：一个独立的序列，这些序列都服从一条或多条规则;List必须按顺序保存元素  ，set不能重复元素；Queue按照排队规则来确定对象产生的顺序（通常与他们被插入的
  • 杀LINUX的JOB进程 bijian1013 linuxunix
    今天发现数据库一个JOB一直在执行，都执行了好几个小时还在执行，所以想办法给删除掉   系统环境：    ORACLE 10G    Linux操作系统   操作步骤如下： 第一步.查询出来那个job在运行，找个对应的SID字段 select * from dba_jobs_running--找到job对应的sid &n
  • Spring AOP详解 bijian1013 javaspringAOP
            最近项目中遇到了以下几点需求，仔细思考之后，觉得采用AOP来解决。一方面是为了以更加灵活的方式来解决问题，另一方面是借此机会深入学习Spring AOP相关的内容。例如，以下需求不用AOP肯定也能解决，至于是否牵强附会，仁者见仁智者见智。 1.对部分函数的调用进行日志记录，用于观察特定问题在运行过程中的函数调用
  • [Gson六]Gson类型适配器(TypeAdapter) bit1129 Adapter
    TypeAdapter的使用动机  Gson在序列化和反序列化时，默认情况下，是按照POJO类的字段属性名和JSON串键进行一一映射匹配，然后把JSON串的键对应的值转换成POJO相同字段对应的值，反之亦然，在这个过程中有一个JSON串Key对应的Value和对象之间如何转换(序列化/反序列化)的问题。   以Date为例，在序列化和反序列化时，Gson默认使用java.
  • 【spark八十七】给定Driver Program， 如何判断哪些代码在Driver运行，哪些代码在Worker上执行 bit1129 driver
    Driver Program是用户编写的提交给Spark集群执行的application，它包含两部分 作为驱动： Driver与Master、Worker协作完成application进程的启动、DAG划分、计算任务封装、计算任务分发到各个计算节点(Worker)、计算资源的分配等。 计算逻辑本身，当计算任务在Worker执行时，执行计算逻辑完成application的计算任务
  • nginx 经验总结 ronin47 nginx 总结
    　　　深感nginx的强大，只学了皮毛，把学下的记录。 　　　获取Header 信息，一般是以$http_XX（ＸＸ是小写）            获取body,通过接口，再展开，根据Ｋ取Ｖ 　　　获取uri,以$arg_XX      &n
  • 轩辕互动-1.求三个整数中第二大的数2.整型数组的平衡点 bylijinnan 数组
    import java.util.ArrayList; import java.util.Arrays; import java.util.List; public class ExoWeb { public static void main(String[] args) { ExoWeb ew=new ExoWeb(); System.out.pri
  • Netty源码学习-Java-NIO-Reactor bylijinnan java多线程netty
    Netty里面采用了NIO-based Reactor Pattern 了解这个模式对学习Netty非常有帮助 参考以下两篇文章： http://jeewanthad.blogspot.com/2013/02/reactor-pattern-explained-part-1.html http://gee.cs.oswego.edu/dl/cpjslides/nio.pdf
  • AOP通俗理解 cngolon springAOP
    1.我所知道的aop     初看aop,上来就是一大堆术语，而且还有个拉风的名字，面向切面编程，都说是OOP的一种有益补充等等。一下子让你不知所措，心想着：怪不得很多人都和 我说aop多难多难。当我看进去以后，我才发现：它就是一些java基础上的朴实无华的应用，包括ioc，包括许许多多这样的名词，都是万变不离其宗而 已。 2.为什么用aop&nb
  • cursor variable 实例 ctrain variable
    create or replace procedure proc_test01 as type emp_row is record( empno emp.empno%type, ename emp.ename%type, job emp.job%type, mgr emp.mgr%type, hiberdate emp.hiredate%type, sal emp.sal%t
  • shell报bash: service: command not found解决方法 daizj linuxshellservicejps
    今天在执行一个脚本时，本来是想在脚本中启动hdfs和hive等程序，可以在执行到service hive-server start等启动服务的命令时会报错，最终解决方法记录一下：   脚本报错如下： ./olap_quick_intall.sh: line 57: service: command not found ./olap_quick_intall.sh: line 59
  • 40个迹象表明你还是PHP菜鸟 dcj3sjt126com 设计模式PHP正则表达式oop
    你是PHP菜鸟，如果你：1. 不会利用如phpDoc 这样的工具来恰当地注释你的代码2. 对优秀的集成开发环境如Zend Studio 或Eclipse PDT 视而不见3. 从未用过任何形式的版本控制系统，如Subclipse4. 不采用某种编码与命名标准 ，以及通用约定，不能在项目开发周期里贯彻落实5. 不使用统一开发方式6. 不转换（或）也不验证某些输入或SQL查询串（译注：参考PHP相关函
  • Android逐帧动画的实现 dcj3sjt126com android
    一、代码实现： private ImageView iv; private AnimationDrawable ad; @Override protected void onCreate(Bundle savedInstanceState) { super.onCreate(savedInstanceState); setContentView(R.layout
  • java远程调用linux的命令或者脚本 eksliang linuxganymed-ssh2
    转载请出自出处： http://eksliang.iteye.com/blog/2105862        Java通过SSH2协议执行远程Shell脚本(ganymed-ssh2-build210.jar)   使用步骤如下： 1.导包 官网下载: http://www.ganymed.ethz.ch/ssh2/ ma
  • adb端口被占用问题 gqdy365 adb
    最近重新安装的电脑，配置了新环境，老是出现： adb server is out of date. killing... ADB server didn't ACK * failed to start daemon * 百度了一下，说是端口被占用，我开个eclipse，然后打开cmd，就提示这个，很烦人。 一个比较彻底的解决办法就是修改
  • ASP.NET使用FileUpload上传文件 hvt .netC#hovertreeasp.netwebform
    前台代码： <asp:FileUpload ID="fuKeleyi" runat="server" /> <asp:Button ID="BtnUp" runat="server" onclick="BtnUp_Click" Text="上 传" />
  • 代码之谜（四）- 浮点数（从惊讶到思考） justjavac 浮点数精度代码之谜IEEE
    在『代码之谜』系列的前几篇文章中，很多次出现了浮点数。 浮点数在很多编程语言中被称为简单数据类型，其实，浮点数比起那些复杂数据类型（比如字符串）来说， 一点都不简单。 单单是说明 IEEE浮点数 就可以写一本书了，我将用几篇博文来简单的说说我所理解的浮点数，算是抛砖引玉吧。 一次面试 记得多年前我招聘 Java 程序员时的一次关于浮点数、二分法、编码的面试， 多年以后，他已经称为了一名很出色的
  • 数据结构随记_1 lx.asymmetric 数据结构笔记
    第一章   1.数据结构包括数据的 逻辑结构、数据的物理/存储结构和数据的逻辑关系这三个方面的内容。 2.数据的存储结构可用四种基本的存储方法表示，它们分别是 顺序存储、链式存储 、索引存储 和 散列存储。 3.数据运算最常用的有五种，分别是  查找/检索、排序、插入、删除、修改。 4.算法主要有以下五个特性：  输入、输出、可行性、确定性和有穷性。 5.算法分析的
  • linux的会话和进程组 网络接口 linux
    会话： 一个或多个进程组。起于用户登录，终止于用户退出。此期间所有进程都属于这个会话期。会话首进程：调用setsid创建会话的进程1.规定组长进程不能调用setsid，因为调用setsid后，调用进程会成为新的进程组的组长进程.如何保证？ 先调用fork，然后终止父进程，此时由于子进程的进程组ID为父进程的进程组ID，而子进程的ID是重新分配的，所以保证子进程不会是进程组长，从而子进程可以调用se
  • 二维数组 元素的连续求解 1140566087 二维数组ACM
    import java.util.HashMap; public class Title { public static void main(String[] args){ f(); } // 二位数组的应用 //12、二维数组中，哪一行或哪一列的连续存放的0的个数最多，是几个0。注意，是“连续”。 public static void f(){
  • 也谈什么时候Java比C++快 windshome javaC++
      刚打开iteye就看到这个标题“Java什么时候比C++快”，觉得很好笑。   你要比，就比同等水平的基础上的相比，笨蛋写得C代码和C++代码，去和高手写的Java代码比效率，有什么意义呢？   我是写密码算法的，深刻知道算法C和C++实现和Java实现之间的效率差，甚至也比对过C代码和汇编代码的效率差，计算机是个死的东西，再怎么优化，Java也就是和C
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他