机器玄学实践者
机器玄学实践者

如何从头开始用rasa根据自己的任务设计一个任务型对话机器人

以订电影票为例子。

我们首先要列出所有intent的名称，rasa的intent的粒度较细，任何用户输入都可以被看做一个intent。因此我们需要枚举出在一个场景下所有可能的用户输入的意图。如我要订电影票的intent是订电影票，我要看钢铁侠的intent是报告电影名，我要两张票的intent是报告票数

 

用户输入                                      intent意图

我要订电影票                              订电影票

我要看钢铁侠                              报告电影名字

我要两张票                                   报告票数

我要明天下午2点的票                 报告时间

对应的实际数据为：


## intent:inform_movie_name
- [Xman1](movie_name)
- I want to see [Xman1](movie_name)
- [Xman2](movie_name)
- I want to see movie [Xman2](movie_name)
- [Xman3](movie_name) please
- book movie [Xman3](movie_name)
- [Xman4](movie_name) plz
- I want to see [Xman4](movie_name)

## intent:book_movie_name
- I want to see [Xman1](movie_name)
- I want to book  [Xman1](movie_name)
- help me book  [Xman1](movie_name)
- help me book  [Xman2](movie_name)
- help me book  [Xman3](movie_name)
- help me book  [Xman4](movie_name)
- [Iron Man](movie_name)
- book movie  [Iron Man](movie_name) 
- [The Incredible Hulk](movie_name)
- book movie  [The Incredible Hulk](movie_name) 
- [Iron Man 2](movie_name)
- book movie  [Iron Man 2](movie_name) 
- [Thor](movie_name)
- book movie  [Thor](movie_name) 
- [Captain America](movie_name)
- book movie  [Captain America](movie_name) 
- [The Avengers](movie_name)
- book movie  [The Avengers](movie_name) 
- [Iron Man 3](movie_name)
- book movie  [Iron Man 3](movie_name) 
- [Thor:The Dark World](movie_name)
- book movie  [Thor:The Dark World](movie_name) 

## intent:inform_weekday
- I want [monday](weekday)
- [monday](weekday)
- It is   [monday](weekday)
- [wednesday](weekday)
- It is   [wednesday](weekday)
- [thursday](weekday)
- It is   [thursday](weekday)
- [friday](weekday)
- It is   [friday](weekday)
- [today](weekday)
- It is   [today](weekday)
- [tomorrow](weekday)
- It is   [tomorrow](weekday)
- [tonight](weekday)
- It is   [tonight](weekday)
- [this morning](weekday)
- It is   [this morning](weekday)
- [this noon](weekday)
- It is   [this noon](weekday)

## intent:inform_ticket_number
- book [two](ticket_number) tickets
- for [two](ticket_number) people
- [one](ticket_number) people
- [one](ticket_number)
- I want   [one](ticket_number) tickets
- [two](ticket_number)
- I want   [two](ticket_number) tickets
- [three](ticket_number)
- I want   [three](ticket_number) tickets
- [1](ticket_number)
- I want   [1](ticket_number) tickets
- [2](ticket_number)
- I want   [2](ticket_number) tickets
- [3](ticket_number)
- I want   [3](ticket_number) tickets
- [single](ticket_number)
- I want   [single](ticket_number) tickets


## intent:inform_time
- [9 am](time)
- book movie at  [9 am](time) 
- [afternoon](time)
- book movie at  [afternoon](time) 
- [3pm](time)
- book movie at  [3pm](time) 
- [night](time)
- book movie at  [night](time) 
- [4pm](time)
- book movie at  [4pm](time) 
- [afternoon](time)
- book movie at  [afternoon](time) 

intents:
- greet
- goodbye
- thanks
- deny
- joke
- name
- inform_item
- inform_package
- inform_time
- request_management
- request_search
- inform_current_phone
- inform_other_phone
- book_movie_name
- inform_time
- inform_weekday
- inform_ticket_number
- inform_movie_name

接着列出所有action的名称。action是rasa中bot根据用户输入做出的动作，回复。在任务型场景下，bot大多数action就是询问信息(槽位，实体)。

 

模板、自定义函数 action动作

你要做什么？ 问意图

你要看什么电影 问电影名字

你要几张票 问票数

你要什么时间的 问时间

函数 完成订票


actions:
- utter_name
- utter_thanks
- utter_greet
- utter_goodbye
- action_joke
- utter_ask_morehelp
- utter_ask_package
- utter_ack_management
- action_searchconsume
- utter_help
- utter_ask_month
- utter_givevolumn
- utter_ask_ticket_number
- utter_ask_weekday
- utter_ask_time
- utter_ask_movie_name
- utter_book_ticket
- action_book_ticket
templates:
  utter_name:
  - text: "Hey there! Tell me your name."

  utter_greet:
  - text: "Nice to you meet you {name}. How can I help?"

  utter_goodbye:
  - text: "Talk to you later!"
  
  utter_thanks:
  - text: "My pleasure."

  utter_help:
  - text: " Hi,How can I help?"


  utter_givevolumn:
  - text: "The volume used  in {time} is 200mb/1024mb"

  utter_ask_ticket_number:
  - text: "Can you tell me the ticket_number?"

  utter_ask_weekday:
  - text: "Can you tell me the weekday?"

  utter_ask_time:
  - text: "Can you tell me the time?"

  utter_ask_movie_name:
  - text: "Can you tell me the movie_name?"

  utter_book_ticket:
  - text: "I finish booking of {movie_name} at{time} {weekday}"

然后定义slot 的名称，类型。entity的名称，类型。slot原则上应该是entity的子集，sara的nlu模块提取出entity然后tracker决定需不需要填入slot。

entities:
- name
- item
- time
- phone_number
- price
- movie_name
- ticket_number
- weekday

slots:
  name:
    type: text
  item:
    type: text
  time:
    type: text
  phone_number:
    type: text
  price:
    type: text
  ticket_number:
    type: text
  weekday:
    type: text
  movie_name:
    type: text

上面的数据都填入domain.yml中。

然后在story.md中输入任务流程，格式如下

## 订电影票

* 订电影票

- 问电影名字

* 报告电影名字

- 问票数

* 报告票数

- 问时间

* 报告时间

- 完成订票

 

或者加入不同的流程

## 问意图 + 订电影票

* 问好

- 问意图

* 订电影票

- 问电影名字

* 报告电影名字

- 问票数

* 报告票数

- 问时间

* 报告时间

- 完成订票

## story_book_ticket
 * greet
  - utter_help
 * book_movie_name
  - utter_ask_time
 * inform_time
  - utter_ask_weekday
 * inform_weekday
  - utter_ask_ticket_number  
 * inform_ticket_number
  - utter_ask_movie_name 
 * inform_movie_name
  - utter_book_ticket 

## story_book_ticket2
 * book_movie_name
  - action_book_ticket
 * inform_ticket_number
  - action_book_ticket
 * inform_weekday
  - action_book_ticket  
 * inform_time
  - action_book_ticket

根据这两个文件可以训练RASA core模型，用于决定action。

train-core:
	python -m rasa_core.train -d domain.yml -s data/stories.md -o models/current/dialogue -c policies.yml

 

然后准备intent语料文件 nlu.md

里面放入每个intent对应的文本，并且标明entity和entity名称。

 

如

## intent:订电影票

-我想看 [Xman1](movie_name)

- 我想看 [Xman1](movie_name)

- 帮我订 [Xman1](movie_name)

- 帮我订 [Xman2](movie_name)

 

用nlu.md来训练nlu模型。

train-nlu:
	python -m rasa_nlu.train -c nlu_config.yml --data data/nlu_data.md -o models --fixed_model_name nlu --project current --verbose

你可能感兴趣的:(rasa)

  • Rasa框架的优点和缺点 不会编程的程序猿ᅟ rasa
    优点1.开源和免费Rasa是开源的，无需支付许可费用，可自由下载和修改源码，适合预算有限或需要定制化解决方案的团队。企业可以完全掌控自己的对话系统，无需依赖外部服务。2.数据隐私和安全Rasa支持完全本地部署，无需将数据上传到第三方服务器，数据隐私保护性高，非常适合医疗、金融和其他注重数据安全的行业。3.高度可定制化可以根据需求修改NLU管道、策略和模型。支持自定义动作（CustomActions
  • Rasa的工作流程 不会编程的程序猿ᅟ rasa
    Rasa的工作流程分为两个主要部分：NLU（自然语言理解）和Core（对话管理）。整个流程包括从用户输入到最终响应的多个步骤，下面是详细的工作流程解析：1.用户输入用户通过聊天界面（如微信、Telegram、Slack或Web前端）发送自然语言消息，例如："我想预订一张明天去北京的火车票"2.自然语言理解（NLU）Rasa的NLU模块解析用户输入，提取意图和实体。2.1意图识别NLU模块会识别用户
  • 执行rasa shell 遇到asyncio.exceptions.TimeoutError报错 天飓 RASA学习树莓派聊天机器人rasapython
    在《树莓派3B运行rasainit和rasashell遇到的tensorflow报错总结》一文中，我遇到的第7个报错是首次运行rasashell时候碰到的。按照我在文中记录的解决方案，处理成功。结果，今天我又一次遇到了asyncio-Taskexceptionwasneverretrieved的报错（如图），我先是吃了一惊，然后第一反应是按照上次的处理方法又操作了一遍，然后……然并卵！怎么会无效？
  • 树莓派3B运行rasa init和rasa shell遇到的tensorflow报错总结 天飓 树莓派实验室tensorflowpython树莓派rasa
    终于在我的树莓派上安装rasa-1.4.0版本成功（见《树莓派智能语音助手之聊天机器人-RASA》）。不过，在初始化rasa的时候还是遇到了很多报错，在此总结，供朋友们参考。1.ModuleNotFoundError:Nomodulenamed‘tensorflow.contrib‘根源：这个报错通常出现在tensorflow-2.0版本，是因为在这个版本里已经去掉了contrib这个模块，改成了
  • PyTorch-线性回归 一个高效工作的家伙 pythonpytorch线性回归python
    已经进入大模微调的时代，但是学习pytorch，对后续学习rasa框架有一定帮助吧。x_train=np.array([[3.3],[4.4],[5.5],[6.71],[6.93],[4.168],[9.779],[6.182],[7.59],[2.167],[7.042],[10.791],[5.313],[7.997],[3.1]],dtype=np.float32)y_train=np.a
  • 遇见最美的你|动态静心 魔力Jenny
    很多事情发生好像没有预兆一样，但又好像冥冥中有牵引。最近思绪比较混乱，尝试瑜伽，冥想各种方法静心，让自己慢下来，与自己待在一起。最爱的却是动态的方式~静心Partone:动态冥想开始前静心，坐住冥想片刻，找到感觉~音乐响起，站立起身，Rasa声音指引，闭上双眼，慢慢放松全身各个部位、关节，放下焦虑与戒备，开始挪动身体。随着音乐节奏和频率越来越强，Rasa带领扭动身体，睁开眼，让潜意识带着身体移动。
  • 对话机器人（二）——RASA概述与安装 就要辣谢谢。 对话机器人人工智能自然语言处理深度学习
    注：RASA版本为3.11.RASA简介RASA是构建对话机器人的开源机器学习框架。NLU：确定意图，捕获关键上下文信息。CORE：提供多轮对话管理机制，自动学习上下文与当前意图的关联性。2.RASA系统架构RASA开源体系结构NLU：意图分类、实体提取、响应检索。以管道的方式处理用户对话。对话管理：根据上下文决定对话中的下一个动作。代理：接收用户输入消息，返回RASA系统的回答。连接NLU和DM
  • 自然语言处理（NLP）——使用Rasa创建聊天机器人 思诺学长 NLP自然语言处理机器人nlp自然语言处理
    1基本概念1.1自然语言处理的分类IR-BOT：检索型问答系统Task-bot：任务型对话系统Chitchat-bot:闲聊系统1.2任务型对话Task-Bot:task-orientedbot这张图展示了一个语音对话系统（或聊天机器人）的基本组成部分和它们之间的工作流程。这个系统可以接受语音信号作为输入，输出文本响应，并且它包括以下几个主要部分：1.2.1自动语音识别（ASR）这个部分的任务是将
  • 关于MicrosoftVisualStudio如何加载不是在自己环境下安装的PIP库的问题 lckj2009 工具使用pythonanaconda
    因为项目需要，我把PYTHON的最新环境和PIP库建在了Anaconda3下了。Anaconda3是从网上下载的独立的安装包，不是MicrosoftVisualStudio自带的Anaconda3。RASA等框架也都装在了网上这个Anaconda3环境下的PIP库里了。结果在MicrosoftVisualStudio运行RASA库是报错，说找不到RASA库。这该怎么解决呢？其实解决方法很简单，在V
  • RASA3.X(二)--常见命令详解 hanscalZheng RASARASA命令模式
    目录创建新项目训练模型交互式学习与助手交谈启动服务启动操作服务可视化故事评估模型训练和测试数据拆分创建新项目以下命令使用示例训练数据为你建立一个完整的项目。rasainit这将创建以下文件：.├──__init__.py├──actions.py├──config.yml├──credentials.yml├──data│├──nlu.md│└──stories.md├──domain.yml├─
  • rasa3.X 自定义action的注册问题 Guido_PSG rasapython
    rasa3.X自定义action的注册问题文章目录rasa3.X自定义action的注册问题前言一、问题重述二、问题解决前言幸好在这之前抽时间稍微看了一点django源码，让我对于python的导入机制有了一个概念。虽然还不是很确切的知道pythonimport机制，不过在看到类似_import_submodules，importlib.import_module等方法的时候，也能大概知道要干什么
  • Rasa课程系列之：业务对话机器人Rasa核心算法DIET及TED论文详解及源码实现 StarSpaceNLP667 StarSpaceNLPTransformer算法人工智能Rasa课程培训面试深度学习自然语言处理
    对一个智能业务对话系统而言，语言理解NLU及Policies是其系统内核的两大基石。Rasa团队发布的最重磅级的两篇论文DIET:LightweightLanguageUnderstandingforDialogueSystems及DialogueTransformers是其基于在业界落地场景的多年探索而总结出来的解决NLU和Policies最核心的成果结晶：其中DIET是Intent识别和Ent
  • NLP 高手之路101课（模型、算法、论文、源码、案例 + 1年答疑） Eric_1694
    课程名称：NLP高手之路101课（模型、算法、论文、源码、案例+1年答疑）课程关键词：NLP、Transformer、BERT、GPT、Bayesian、Rasa、Transferlearning、ConversationalAI、Classifiers、Policies、DialogueManagement、NER、Pre-training、Fine-tuning、DIET、TED、Simple
  • Rasa NLU-About 魏鹏飞
    RasaNLU：Chatbots和AI助手的语言理解RasaNLU是一个开源自然语言处理工具，用于聊天机器人中的意图分类，响应检索和实体提取。例如，如下面这个句子："IamlookingforaMexicanrestaurantinthecenteroftown"并返回结构化数据{"intent":"search_restaurant","entities":{"cuisine":"Mexican
  • 构建对话机器人：Rasa3安装和基础入门 写bug的程旭源 对话机器人chatbotChatGPT自然语言处理
    在开源对话机器人中，Rasa社区很活跃，在国内很多企业也在使用Rasa做对话机器人，有rasa开发经验的往往是加分项。当年实习的时候接触到了Rasa，现在工作中也使用Rasa，因此，写写一些经验文档，有助后来人的入门和研究。本文是Rasa的第一篇，偏基础入门内容，主要是本地和使用docker镜像如何安装rasa，后续会持续更新关于rasa的使用拆解每个文件功能和内部细节、如何修改配置、如何使用中文
  • 对话机器人RASA结构和相关知识点 AI强仔 NLP算法人工智能python
    本文主要是读了一遍rasa文档https://rasa.com/docs/rasa/installation/，总结的。目录1Rasa结构12NLUData22.1TrainingExamples22.2Entities实体22.2.1Pre-trainedEntityExtractors22.3Synonyms同义词32.4Stories32.4.1Step32.4.2Action42.4.3S
  • rasa算法_（十八）基于RASA开始中文机器人实现机制 我读过书不要骗我 rasa算法
    前文介绍了基于RASA的总体架构，本文着重介绍一下实现细节。机器人管理概述框架是多租户SAAS系统，每个用户可以创建多个机器人，每个机器人关联独立的语料库，机器人能力，话术流程，在RASA中对应一个RASA运行实例。机器人管理应用系统需要给用户提供最精简的配置UI，且可以完成Rasa需要的相关配置。然后将这些数据转成Rasa可以识别的yaml格式，保存在HDFS中。RASA到HDFS中获取配置数据
  • 以报时机器人为例详细介绍tracker_store和event_broker NLP工程化 Rasa3源码剖析Rasa对话系统tracker_storeevent_broker自然语言处理
      报时机器人源码参考[1][2]，本文重点介绍当tracker_store类型为SQL时，events表的表结构以及数据是如何生成的。以及当event_broker类型为SQL时，events表的表结构以及数据是如何生成的。一.报时机器人启动[3]  Rasa对话系统启动方式详见参考文献[3]中执行程序部分，这里不再赘述。如下所示：1.加载模型：rasarun--cors"*"2.运行actio
  • Rasa中的tracker_store和event_broker NLP工程化 Rasa实战Rasa对话系统tracker_storeevent_store
      Rasa中的tracker_store相对主流为Redis，event_broker相对主流为RabbitMQ。后续为了研究学习直接将tracker_store和event_broker的type都设置为SQL，使用MySQL统一管理。一.Rasa中的tracker_store  要使用MySQL作为Rasa的tracker_store，需要在endpoints.yml文件中进行一些配置。以下
  • rasa框架意图分类embedding算法 233彭于晏
    算法模型intent_classifier_tensorflow_embedding点击此处获取算法代码算法框架算法框架算法思想把训练样本和意图编码到同一个向量空间，设计损失函数，使得样本与真实意图更相近，样本与其他意图更相反，意图之间编码更相反，达到意图分类的目的。举个例子说明，假设有两条训练样本“我要充话费”和“我要订机票”，有四个意图“订机票”、“查天气”，“充话费”，“查运势”，意图分类算
  • ChatGPT和Rasa AI可以共同实现一样的效果，只需要将ChatGPT的输出作为Rasa AI的输入，然后Rasa AI可以根据输入的内容进行分析，并返回相应的回复。这样，ChatGPT和Ras... 爆燃·火星 人工智能chatgpt
    是的，你说得对。ChatGPT和RasaAI是可以共同实现相同效果的，通过将ChatGPT的输出作为RasaAI的输入，RasaAI可以进行内容分析，然后根据分析结果返回相应的回复，实现两者的结合。
  • rasa课程第7周小结 weixin_41710583 pytorch自然语言处理
    收获01学习了GPT2的一些基本概念，重新回顾了bert中attention的基本概念和原理，了解了gpt2中mask的attention的基本原理。02看了生成模型中interact.py的内容，每次根据对话，根据设定的迭代值，预测出下一个字的内容，迭代完成后，下一句话也完成。其中彩用了topk和topp的方法，来对下个单词进行预测。03复习了关于rnn部分的相关知识点，更清楚的知道rnn在每个
  • 对话机器人（五）——RASA：Config 就要辣谢谢。 对话机器人人工智能自然语言处理nlp
    定义了模型将用于根据用户输入进行预测的组件和策略。recipe:当前配置文件所用的格式，rasa仅支持default.v1格式。recipe:default.v1language:enpipeline:#将由SuggestedConfig功能选择policies:-name:MemoizationPolicy-name:TEDPolicymax_history:5epochs:101.piplin
  • RASA智能聊天机器人，理论与技术 Taizhuang_ RASA智能聊天机器人多轮对话机器人python
    一，智能聊天机器人一种通过自然语言模拟人类进行对话的程序可以代替企业中相对固话、重复的人力密集型任务或流程-问题咨询:基于业务知识库进行业务问题解答-数据检索:纵跨各业务系统或数据库，检索数据或文档-业务处理:对接相关业务系统转达指令，完成相应业务操作典型业务场景∶-业务咨询问答机器人、智能客服机器人、行政助理机器人、产品推荐机器人….对外提供客户服务，对内进行业务辅助智能化的机器人可以带来全方位
  • RasaGPT对话系统的工作原理 NLP工程化 自然语言处理RasaLangchain对话系统
    RasaGPT结合了Rasa和Langchain这2个开源项目，当超出Rasa现有意图(out_of_scope)的时候，就会执行ActionGPTFallback，本质上就是利用Langchain做了一个RAG，调用LLMAPI。RasaGPT涉及的技术栈比较多而复杂，包括Rasa、Langchain、LlamaIndex、Telegram、PostgresSQL、PGVector、Ngrok、
  • 唤醒生命~疗愈自我 善若水
    ——18.8.11静心沙龙活动记录今天参加了北大静心才子Rasa老师组织的静心活动，特别开心、快乐和放松。活动有好几个环节。我随着记忆回顾着头脑中印象最深刻的画面。其中的跳舞的环节，我惊讶于自己非常流畅的就自然而然的、毫无拘束的、就那样自由的跳了。仿佛我已化身为一只灵动的蝴蝶精灵，在宇宙的空间里尽情的展示着我的姿态我的美。人生不也是这样么，在人生这个大舞台上，每个人都在向世界尽情的展示着自己独特的
  • 恭祝哈达瑜伽2019年祈福仪式圆满成功 王俊婷
    2019年1月20日，五十多位哈达瑜伽的伽人们齐聚澄碧湖畔的哈达瑜伽澄湖馆，一起回归本心，祈福2019，接下来的一年，必定诸事顺利，万事大吉。大家的合影此次祈福活动由中外著名的四位瑜伽导师教授。四位老师的合照他们分别是资深瑜伽老师朱慧芳，五行明心瑜伽开创人楚宁老师，具有20年教学经验的rasa老师，以及哈达瑜伽传承人魏立民老师。祈福仪式第一步是由朱慧芳老师带领大家进行拜日练习，拜日式---象征着光
  • 【langchain实战】开源项目-RasaGPT 码农丁丁 #langchain人工智能langchainrasaGPT
    1、概述RasaGpt是一个建立在Rasa和Langchain之上的没有显示界面的LMM聊天机器人平台。它是一个Rasa和Telegram这种利用像Langchain这样的LMM库进行索引、检索和上下文注入的样板及参考实现。开源地址：GitHub-paulpierre/RasaGPT:RasaGPTisthefirstheadlessLLMchatbotplatformbuiltontopofRa
  • 基于rasa搭建的电商导购机器人 whitespur
    1项目介绍项目地址https://github.com/whitespur/rasa_shopping_bot此项目是基于rasa搭建的电商导购机器人demo,旨在说明使用rasa可以搭建真正解决实际问题的多轮对话机器人,而不是普通的用来闲聊的聊天机器人,另外rasa核心框架是完全开源的,技术方面在业内也是非常领先的,欢迎更多朋友一起来研究使用完善rasa及其社区生态。rasa相关官网文档http
  • rasa使用教程 FL1623863129 深度学习人工智能
    对话机器人Rasa中文系列教程Rasa是一个自然语言处理开源框架，用于构建聊天机器人和智能助手。它提供了一系列用于处理对话流程的工具和算法，包括自然语言理解（NLU）、对话管理、对话策略等。使用Rasa，可以创建一个可扩展、灵活且高度个性化的聊天机器人，该机器人可以与用户进行深入的交互，以满足他们的需求。Rasa是基于Python编写的，并且支持命令行和API接口的方式进行使用和集成。它还有一个友
  • springmvc 下 freemarker页面枚举的遍历输出 杨白白 enumfreemarker
    spring mvc freemarker 中遍历枚举 1枚举类型有一个本地方法叫values（），这个方法可以直接返回枚举数组。所以可以利用这个遍历。 enum public enum BooleanEnum { TRUE(Boolean.TRUE, "是"), FALSE(Boolean.FALSE, "否");
  • 实习简要总结 byalias 工作
    来白虹不知不觉中已经一个多月了，因为项目还在需求分析及项目架构阶段，自己在这段 时间都是在学习相关技术知识，现在对这段时间的工作及学习情况做一个总结： （1）工作技能方面 大体分为两个阶段，Java Web 基础阶段和Java EE阶段 1）Java Web阶段 在这个阶段，自己主要着重学习了 JSP, Servlet, JDBC, MySQL，这些知识的核心点都过 了一遍，也
  • Quartz——DateIntervalTrigger触发器 eksliang quartz
    转载请出自出处：http://eksliang.iteye.com/blog/2208559 一.概述 simpleTrigger 内部实现机制是通过计算间隔时间来计算下次的执行时间，这就导致他有不适合调度的定时任务。例如我们想每天的 1：00AM 执行任务，如果使用 SimpleTrigger，间隔时间就是一天。注意这里就会有一个问题，即当有 misfired 的任务并且恢复执行时，该执行时间
  • Unix快捷键 18289753290 unixUnix；快捷键;
    复制，删除，粘贴： dd:删除光标所在的行                             &nbs
  • 获取Android设备屏幕的相关参数 酷的飞上天空 android
    包含屏幕的分辨率  以及 屏幕宽度的最大dp 高度最大dp   TextView text = (TextView)findViewById(R.id.text); DisplayMetrics dm = new DisplayMetrics(); text.append("getResources().ge
  • 要做物联网？先保护好你的数据 蓝儿唯美 数据
    根据Beecham Research的说法，那些在行业中希望利用物联网的关键领域需要提供更好的安全性。 在Beecham的物联网安全威胁图谱上，展示了那些可能产生内外部攻击并且需要通过快速发展的物联网行业加以解决的关键领域。 Beecham Research的技术主管Jon Howes说：“之所以我们目前还没有看到与物联网相关的严重安全事件，是因为目前还没有在大型客户和企业应用中进行部署，也就
  • Java取模（求余）运算 随便小屋 java
            整数之间的取模求余运算很好求，但几乎没有遇到过对负数进行取模求余，直接看下面代码： /** * * @author Logic * */ public class Test { public static void main(String[] args) { // TODO A
  • SQL注入介绍 aijuans sql注入
    二、SQL注入范例 这里我们根据用户登录页面 <form action="" > 用户名：<input type="text" name="username"><br/> 密 码：<input type="password" name="passwor
  • 优雅代码风格 aoyouzi 代码
    总结了几点关于优雅代码风格的描述： 代码简单：不隐藏设计者的意图，抽象干净利落，控制语句直截了当。 接口清晰：类型接口表现力直白，字面表达含义，API 相互呼应以增强可测试性。 依赖项少：依赖关系越少越好，依赖少证明内聚程度高，低耦合利于自动测试，便于重构。 没有重复：重复代码意味着某些概念或想法没有在代码中良好的体现，及时重构消除重复。 战术分层：代码分层清晰，隔离明确，
  • 布尔数组 百合不是茶 java布尔数组
      androi中提到了布尔数组;   布尔数组默认的是false,  并且只会打印false或者是true   布尔数组的例子;  根据字符数组创建布尔数组 char[] c = {'p','u','b','l','i','c'}; //根据字符数组的长度创建布尔数组的个数 boolean[] b = new bool
  • web.xml之welcome-file-list、error-page bijian1013 javaweb.xmlservleterror-page
    welcome-file-list 1.定义： <welcome-file-list> <welcome-file>login.jsp</welcome> </welcome-file-list>  2.作用：用来指定WEB应用首页名称。   error-page1.定义： <error-page&g
  • richfaces 4 fileUpload组件删除上传的文件 sunjing clearRichfaces 4fileupload
     页面代码               <h:form id="fileForm">            <rich:
  • 技术文章备忘 bit1129 技术文章
    Zookeeper http://wenku.baidu.com/view/bab171ffaef8941ea76e05b8.html http://wenku.baidu.com/link?url=8thAIwFTnPh2KL2b0p1V7XSgmF9ZEFgw4V_MkIpA9j8BX2rDQMPgK5l3wcs9oBTxeekOnm5P3BK8c6K2DWynq9nfUCkRlTt9uV
  • org.hibernate.hql.ast.QuerySyntaxException: unexpected token: on near line 1解决方案 白糖_ Hibernate
    文章摘自：http://blog.csdn.net/yangwawa19870921/article/details/7553181   在编写HQL时，可能会出现这种代码： select a.name,b.age from TableA a left join TableB b on a.id=b.id  如果这是HQL，那么这段代码就是错误的，因为HQL不支持
  • sqlserver按照字段内容进行排序 bozch 按照内容排序
    在做项目的时候，遇到了这样的一个需求：           从数据库中取出的数据集，首先要将某个数据或者多个数据按照地段内容放到前面显示，例如:从学生表中取出姓李的放到数据集的前面；          select * fro
  • 编程珠玑-第一章-位图排序 bylijinnan java编程珠玑
    import java.io.BufferedWriter; import java.io.File; import java.io.FileWriter; import java.io.IOException; import java.io.Writer; import java.util.Random; public class BitMapSearch {
  • Java关于==和equals chenbowen00 java
    关于==和equals概念其实很简单，一个是比较内存地址是否相同，一个比较的是值内容是否相同。虽然理解上不难，但是有时存在一些理解误区，如下情况： 1、 String a = "aaa"; a=="aaa"; ==> true 2、 new String("aaa")==new String("aaa
  • [IT与资本]软件行业需对外界投资热情保持警惕 comsci it
          我还是那个看法,软件行业需要增强内生动力,尽量依靠自有资金和营业收入来进行经营,避免在资本市场上经受各种不同类型的风险,为企业自主研发核心技术和产品提供稳定,温和的外部环境...       如果我们在自己尚未掌握核心技术之前,企图依靠上市来筹集资金,然后使劲往某个领域砸钱,然
  • oracle 数据块结构 daizj oracle块数据块块结构行目录
    oracle 数据块是数据库存储的最小单位，一般为操作系统块的N倍。其结构为： 块头－－〉空行－－〉数据，其实际为纵行结构。 块的标准大小由初始化参数DB_BLOCK_SIZE指定。具有标准大小的块称为标准块（Standard Block）。块的大小和标准块的大小不同的块叫非标准块（Nonstandard Block）。同一数据库中，Oracle9i及以上版本支持同一数据库中同时使用标
  • github上一些觉得对自己工作有用的项目收集 dengkane github
    github上一些觉得对自己工作有用的项目收集 技能类 markdown语法中文说明 回到顶部 全文检索 elasticsearch bigdesk elasticsearch管理插件 回到顶部 nosql mapdb 支持亿级别map, list, 支持事务. 可考虑做为缓存使用 C
  • 初二上学期难记单词二 dcj3sjt126com englishword
    dangerous 危险的 panda 熊猫 lion 狮子 elephant 象 monkey 猴子 tiger 老虎 deer 鹿 snake 蛇 rabbit 兔子 duck 鸭 horse 马 forest 森林 fall 跌倒；落下 climb 爬；攀登 finish 完成；结束 cinema 电影院；电影 seafood 海鲜；海产食品 bank 银行
  • 8、mysql外键(FOREIGN KEY)的简单使用 dcj3sjt126com mysql
    一、基本概念 1、MySQL中“键”和“索引”的定义相同，所以外键和主键一样也是索引的一种。不同的是MySQL会自动为所有表的主键进行索引，但是外键字段必须由用户进行明确的索引。用于外键关系的字段必须在所有的参照表中进行明确地索引，InnoDB不能自动地创建索引。 2、外键可以是一对一的，一个表的记录只能与另一个表的一条记录连接，或者是一对多的，一个表的记录与另一个表的多条记录连接。 3、如
  • java循环标签 Foreach shuizhaosi888 标签java循环foreach
    1. 简单的for循环 public static void main(String[] args) { for (int i = 1, y = i + 10; i < 5 && y < 12; i++, y = i * 2) { System.err.println("i=" + i + " y="
  • Spring Security（05）——异常信息本地化 234390216 exceptionSpring Security异常信息本地化
    异常信息本地化          Spring Security支持将展现给终端用户看的异常信息本地化，这些信息包括认证失败、访问被拒绝等。而对于展现给开发者看的异常信息和日志信息（如配置错误）则是不能够进行本地化的，它们是以英文硬编码在Spring Security的代码中的。在Spring-Security-core-x
  • DUBBO架构服务端告警Failed to send message Response javamingtingzhao 架构DUBBO
     废话不多说，警告日志如下，不知道有哪位遇到过，此异常在服务端抛出(服务器启动第一次运行会有这个警告)，后续运行没问题，找了好久真心不知道哪里错了。    WARN 2015-07-18 22:31:15,272 com.alibaba.dubbo.remoting.transport.dispatcher.ChannelEventRunnable.run(84)
  • JS中Date对象中几个用法 leeqq JavaScriptDate最后一天
    近来工作中遇到这样的两个需求 1. 给个Date对象，找出该时间所在月的第一天和最后一天 2. 给个Date对象，找出该时间所在周的第一天和最后一天   需求1中的找月第一天很简单，我记得api中有setDate方法可以使用 使用setDate方法前，先看看getDate var date = new Date(); console.log(date); // Sat J
  • MFC中使用ado技术操作数据库 你不认识的休道人 sqlmfc
    1.在stdafx.h中导入ado动态链接库 #import"C:\Program Files\Common Files\System\ado\msado15.dll" no_namespace rename("EOF","end")2.在CTestApp文件的InitInstance()函数中domodal之前写::CoIniti
  • Android Studio加速 rensanning android studio
    Android Studio慢、吃内存！启动时后会立即通过Gradle来sync & build工程。 （1）设置Android Studio a) 禁用插件 File -> Settings...  Plugins 去掉一些没有用的插件。 比如：Git Integration、GitHub、Google Cloud Testing、Google Cloud
  • 各数据库的批量Update操作 tomcat_oracle javaoraclesqlmysqlsqlite
    MyBatis的update元素的用法与insert元素基本相同，因此本篇不打算重复了。本篇仅记录批量update操作的 sql语句，懂得SQL语句，那么MyBatis部分的操作就简单了。 　　注意：下列批量更新语句都是作为一个事务整体执行，要不全部成功，要不全部回滚。 MSSQL的SQL语句 　WITH R AS（ 　　SELECT 'John' as name, 18 as
  • html禁止清除input文本输入缓存 xp9802 input
    多数浏览器默认会缓存input的值，只有使用ctl+F5强制刷新的才可以清除缓存记录。如果不想让浏览器缓存input的值，有2种方法： 方法一： 在不想使用缓存的input中添加 autocomplete="off"; eg: <input type="text" autocomplete="off" name
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他