持续努力
持续努力

中文分词 词频统计 top k

https://www.zhihu.com/question/19578687

词频统计，top k
https://blog.csdn.net/gamesofsailing/article/details/18040583

你可能感兴趣的:(NPL)

  • NPL-FastText文本分类Bag of Tricks for Efficient Text Classification 机器不能学习
    这是一个简单有效的文本分类算法优势：可以在排序限制、低损失近似值下以10Min极短的时间训练出百万级的模型架构：整体与cbow类似:cbow根据上下文推测某个单词出现的最大概率对基于词袋bow的句子文本进行一个简单和有效的线性分类该分类可以选择逻辑回归或者SVM为了使输入简单，使用一个look-uptable查找表，把单词平均转化到文本形式-使用softmax来计算预定义类的概率分布，目的是为了加
  • 【NPL】自然语言处理（Natural Language Processing，NLP）的发展简述 全栈小5 人工智能自然语言处理人工智能
    大家好，我是全栈小5，欢迎阅读文章！此篇是【话题达人】序列文章，这一次的话题是《自然语言处理的发展》文章将以博主的角度进行讲述，理解和水平有限，不足之处，望指正。目录背景发展线路研发关键词背景随着深度学习和大数据技术的进步，自然语言处理取得了显著的进步。人们正在研究如何使计算机更好地理解和生成人类语言，以及如何应用NLP技术改善搜索引擎、语音助手、机器翻译等领域。发展线路自然语言处理（Natura
  • 【腾讯云HAI域探密】- HAI为NPL保驾护航 小崽崽1 腾讯云人工智能云计算云原生
    近些年，随着机器学习技术的蓬勃发展，以GPU为代表的一系列专用芯片以优越的高性能计算能力和愈发低廉的成本，在机器学习领域得到广泛认可和青睐。GPU等专用芯片以较低的成本提供海量算力，已经成为机器学习和AI人工智能领域的核心利器，在人工智能时代发挥着越来越重要的作用。今天给大家推荐和介绍的“高性能应用服务HAI”，是一款大幅降低GPU云服务器使用门槛，多角度优化产品使用体验，开箱即用。拥有澎湃算力，
  • 【互联网口述历史】互联网核心技术——“包交换”技术发明史 62474c0b60b9
    口述历史项目来到大名鼎鼎百年历史的英国国家物理实验室（NPL），访谈发明互联网最核心的基础技术——包交换技术的DonaldDavies团队，很遗憾Davies已经不在了，好在其手下核心成员都还健在，今天是RogerScantlebury和PeterWilkinson给我们讲述60年代中期研发数字通信的精彩故事。在美国人巨大的光环下，这大概是互联网历史最被低估的一页。在NPL我们有一天时间从容讲述，
  • Linux搭建FTP并安装xrdp，实现Windows系统下利用FileZilla传输文件和远程桌面连接 NiKo杰杰 Linux学习linuxwindowsFTP远程
    一、实现FTP文件传输1、搭建FTP服务器：sudoapt-getinstallvsftpdsudoservicevsftpdstatus2、查看vsftpd是否正在运行，并监听21端口netstat-npl|grep:21orsudoservicevsftpdstatus#查看vsftpd服务状态3、配置vsftpd.confsudocp/etc/vsftpd.conf/etc/vsftpd.c
  • iscsi_lvm why_not_
    iscsi_lvm创建lv利用逻辑卷比dd性能好yuminstall-ylvm2fdisk/dev/vda创建新的分区修改为8epvcreate/dev/vda3vgcreatevg01/dev/vda3lvcreate-nlv01-L20Gvg01netstat-npl|grep3260------------------马哥--------------------iscsitarget3260
  • 【OHI】访约翰·劳斯：英国互联网的国防先锋 62474c0b60b9
    约翰·劳斯（JohnLaws），1964年毕业于莱斯特大学并获得数学学士学位。之后进入国家物理实验室（NPL），从事数值分析编程技术（JamesWilkinson），计算机操作系统，语言编译器（BrianWichmann），为NPL约翰·劳斯设计并实现了数据处理项目成本计算系统。1969年约翰·劳斯获得公务员助学金，攻读并获得伦敦大学计算机科学硕士学位。1970年回到NPL后，受邀请加入了由唐纳德
  • 某酷kux文件转mp4方法 u013323965 其他kux优酷mp4
    背景某酷客户端下载的视频格式为专用的kux格式，无法进一步转换利用，需要转为MP4使用某酷客户端内置有ffmpeg，带有某酷的编码/解码器，所以可以利用其进行转换测试官方ffmpegffmpeg-y-iE:\1.kux-c:vcopy-c:acopyE:\1.mp4会提示格式不存在E:\1.kux:couldnotfindcodecparameters某酷ffmpeg进入{客户端安装地址}\npl
  • 如何实现“AI SEO伪原创”？ 福水
    市面上已经有众多【AI伪原创】工具，看产品说明，介绍是基于NPL卷积神经网络千万语料库机器学习生成的文章。百度“AI伪原创”，随便找一款产品，测试一下伪原创效果：image巧了，这个伪原创的内容，跟Google中英互译两次的结果一样：imageimage所以我们要实现市面上“AI伪原创”的功能，不需要搞“NPL卷积神经网络千万语料库机器学习”神马的，只要调用Google翻译，执行“中--->英--
  • TF-IDF 小猪Piglet
    基于TF-IDF的特征提取技术物品画像的特征标签包括比较直接明显的特征，如导演，演员等，也包括比较隐性的特征，如电影简介，图书摘要等。当我们需要提取的特征很那进行量化时，我么就需要考虑使用一些其他技术。如自然语言处理，信息检索等。TF-IDF算法便是在NPL领域中比较广泛的一种算法。可以用来提取目标文件，并得到关键词用于计算对于目标文件的权重，并将这些权重组合到一起得到特征向量。TF-词频IDF-
  • Linux查端口占用的几种方式 Roc-xb 服务器linux服务器网络
    在Linux中，你可以使用以下几种方式来查看端口的占用情况。一、使用netstat命令#安装netstatyum-yinstallnet-tools#检测端口占用netstat-npl|grep端口#几种常规用法netstat-ntlp//查看当前所有tcp端口netstat-ntulp|grep80//查看所有80端口使用情况netstat-ntulp|grep3306//查看所有3306端口使
  • 5分钟理解NPL算法 之 马尔可夫链 Markov Chain 千年奇葩 视觉推理算法算法npl
    马尔可夫链（MarkovChain）马尔可夫链是一种简单的推理模型。用于描述受当前事件影响下的下一事件发生概率。在预测学科中广泛应用。例如股票预测、文字推理、路线推荐等。他的核心思路是：假设事件顺序为:X1,X2,X3,.....X_1,X_2,X_3,.....X1,X2,X3,.....那么马尔可夫链认为，X2的值只与X1的值有关，同样，X3的值也只与X2的值有关X_2的值只与X_1的值有关，
  • Clion使用ARMClang编译（STM32F1、F4） 追上 单片机stm32嵌入式硬件单片机clionarmcc
    0预备环境1.正常使用gcc的环境编译可以运行2.STM32CubeMX可以生成SW4STM32注意：一定要是SW4STM32，不然后期在Clion中无法进行编译SW4STM32在新版本中已经取消，这里提供一个老的版本链接：https://pan.baidu.com/s/1NPl9mFzq8jIvHnfeq4cPZg?pwd=vpck提取码：vpck3.这里使用的是stlink烧录的4.参考视频：
  • linux编程入门(四)-远程登录和远程拷贝 程序大飞
    使用ssh登录远程linux从本地机器远程登录另一台linux可以用ssh，这是客户端程序，需要被连接机器开启sshd进程，这是服务器程序，sshd运行后会默认监听22号端口，ssh就通过该端口与sshd传送数据。登录到远程机器后，我们就可以像操作本地机器一样操作远程终端。被连接的linux机器需要确认是否已经开启sshd进程，我们可以用netstat-npl检测一下sshd进程是否存在。nets
  • ffmpeg 转码时实现 HDR 到 SDR 的转换 exhen
    直接上码-vfzscale=t=linear:npl=100,format=gbrpf32le,zscale=p=bt709,tonemap=tonemap=hable:desat=0,zscale=t=bt709:m=bt709:r=tv,format=yuv420p例如ffmpeg-iHDR.mkv-vfzscale=t=linear:npl=100,format=gbrpf32le,zsca
  • fasttext简单理解及应用 机器不能学习
    fasttext作为NPL领域中机器学习的优秀范例值得研究。模型架构我对fasttext模型架构理解与CBOW很像。在训练时，通过N-gram把词向量喂入模型，输出属于各类的概率，并比对标签修正模型在预测时，输入的是词序列，输出的是属于各类概率，取最大概率实际上还是一个单层的神经网络系统，一般来说损失函数用得softmax但是它快的原因，在于使用了Hierarchicalsoftmax其实就是所谓
  • 2018年自然语言处理最值得关注的研究、论文和代码 weixin_30337251
    摘要：NLP与情感分析、增强学习、深度学习的交叉领域，全年干货大合集。2018年对于自然语言处理（NPL）是很有意义的一年，见证了许多新的研究方向和尖端成果。ElvisSaravia是计算语言学专家，也是2019计算语言学会年度大会北美分部的项目委员之一。他总结了2018年NLP的重要进展，包括增强学习、情感分析和深度学习等领域。点击文章中的链接，可获得每一项研究的详细信息、论文或者代码。综合领域
  • 训练诗词生成模型(GPT2)的一点心得 ruanqizhen
    训练诗词生成模型的一点心得GPT2一、诗词对比其它文体二、模型选择三、训练集选取四、损失函数五、训练时间六、生成结果七、模型擅长的诗文类型八、将来可做的事情九、模型生成样例最近学习NPL的一些模型，训练了一个古诗生成模型作为练习。记录一些学习过程中的想法。在电脑上建了一个用于测试的网页，但条件有限，不确定能运行多久。https://www.qizhen.xyz/一、诗词对比其它文体诗词生成问题要比
  • [SIGIR 2021] Social Recommendation with Implicit Social Influence sinat_38007523 论文笔记算法
    https://dl.acm.org/doi/abs/10.1145/3404835.3463043?casa_token=vGdKlqud36gAAAAA:3LSfhkL7D8V0ijXbar4wMsgMPyJSnfBr2ZxIzVmj8_wTPpTVX9EZRV-_npl8zbiPtIzoBDwX2uto
  • 【AI案例】（一）NPL文本情感分析 你别说了多动脑子 AI案例人工智能自然语言处理机器学习
    文章目录一、NLP文本情感分析概述二、文本情感分析难点三、具体方法与实现步骤1、情感词典2、高纬向量模型1》概述2》具体步骤如下：1）jieba分词2）Word2Vec介绍（核心：浅层神经网络相关）3）情感分析模型a、SVM模型b、LSTM模型四、调用百度API第三方服务一、NLP文本情感分析概述通过算法去判断一段文本、评论的情感偏向，从而快速地了解本文原作者的主观情绪。情感分析的结果可以用于舆情
  • 行者AI解析内容审核平台中的图像检测技术原理 谛听安全 人工智能
    本文首发：行者AI谛听近些年，监管部分对于平台的信息方面，越来越严格，继而有很多企业选择智能AI内容审核服务，帮助企业快速处理平台上一些违规内容。很多人不懂这方面到底属于什么，今天行者AI就来为大家解析在内容审核平台里面的图片审核原理是什么。相比较技术而言，文本审核的难度较低，可以通过关键词识别及NPL模型训练，语义分析等，并快速识别文本是否违规。而图片内容审核则相对复杂，也导致很多不法分子利用此
  • Stata：面板数据模型的完整步骤（NPL与企业绿色创新） hellolijunshy statastata
    有两种步骤可以选择：第一种：第一步：设定面板数据格式第二步：对主要变量做描述性分析第三步：做基准回归第四步：做中介效应（也称机制检验），找中介变量第五步：做异质性分析（将样本分组）第六步：内生性检验第七步：稳健性检验（包括替换主要变量，更改模型方法等）第八步：调节效应可做可不做第二种：（1）基准回归（包括用OLS、WLS以及FE等多个模型算出回归结果放在一起）（2）内生性检验（3）稳健性检验）（更
  • 论文解读PointNet（用于点云处理的深度学习框架） Hunter_pcx 深度学习机器学习
    随着最近几年神经网络在CV、NPL等领域取得重大的成果，因此就有学者希望将神经网络应用于3D任务中。在这篇文章（PointNet:DeepLearningonPointSetsfor3DClassificationandSegmentation）出现之前，一般在3D任务中用的最多的数据格式是3D体素(3Dvoxelgrids)以及多视角投影，因为3D体素数据格式可以直接用过3D卷积处理数据，多视角
  • 基于transformer的剩余寿命分析 Dr.tommy
    title：Remainingusefullifeestimationviatransformerencoderenhancedbyagatedconvolutionalunit1.只利用了transformer结构中的encoder部分来进行寿命预测，没有decoder结构，有别于NPL领域的transformer模型，NPL属于sequencetosequence结构，encoder将输入序列
  • 深度学习知识图谱笔记 *沧海明月* 深度学习计算机视觉深度学习人工智能卷积
    最近花了几天时间对目前常用神经网络模型(backbone)，生成对抗GAN，模型压缩，NPL，距离计算，优化器进行了分类整理，用简短的几句话对相关特性进行了总结描述，如有误请指正，方便强化记忆，供学习、选型、面试。详细组件功能介绍请参考其它博文。没有什么是一张图解决不了的，如果有就再画一张目录1神经网络模型(backbone)2生成对抗3模型压缩4NPL5距离计算6常用名词7优化器8强化学习1神经
  • PP-Detection Logs —— Data、API、可视化 Royhh1990 目标检测pytorch深度学习人工智能paddlepaddle
    PP-DetectionLogs（2021.12.10）1.记录——数据格式，API1.1.Wanttodo1.2.Method1.3.Bug2.记录——可视化模块2.1.Tensorboard2.2.VisualDL1.记录——数据格式，APIPP_Detection是Paddle框架的一个子项目。百度致力于自然语言处理（NPL）的研究，所以百度的Paddle框架用的是LoDTensor，不是T
  • 初识RNN1 王摇摆 神经网络深度学习cnn人工智能
    RNN网络架构解读神经网络中的另一个重要分支-RNN递归神经网络，在传统神经网络上进行改进网络能否学到时间相关性的影响？输出层隐藏层输入层将原来的特征再次利用特征在时序上呈现相关性x2,和x1同时传入到隐藏层，进行运算应用领域CNN-CV计算机视觉RNN-NPL自然语言处理计算过程构建时间序列必要时自己创建时间序列得到中间输出结果h0,1,2,3应该用ht，把所有特征全部综合得到的结果。单词如何做
  • 基于Cemotion的在线评论情感分析及准确率验证（准确率：96%） 尹煜 NLP自然语言处理python自然语言处理数据挖掘
    前段时间找到了Cemotion这个NLP第三方库，发现它准确率高的惊人，Cemotion算法的优点在于准确率高、调用方便，缺点是运行较慢（相比其他NPL算法）、环境配置（自动安装TensorFlow环境，对python版本有要求）目录前言一、Cemotion库的安装1.Pycharm安装法2.pip安装方法二、验证Cemotion情感分析准确率1.加载库并实例化2.读取评论文本数据3.进行Cemo
  • 【课程作业经验】基于MIndSpore疫苗接种数据预测 深度学习算法
    基于mindspore实现疫苗接种数据预测基于机器学习实践课程完成的相关使用mindspore深度学习框架完成的任务，写一些分享心得。数据导入与准备数据下载链接：https://pan.baidu.com/s/10npL...提取码：23vb疫苗接种数据集包含1983年-2016年疫苗接种数据，其形式如下图所示：读取数据并进行训练集、测试集分割：df=pd.read_csv("vaccine.cs
  • 2018-08-23 常人
    二叉树概念：npl(nullpathlength)编码方案只要将所有字符对应于叶节点解码方案出现多种意思的问题就可以解决了；哈夫曼编码：最优二叉树；1.哈夫曼树：给定n个权值作为n的叶子结点，构造一棵二叉树，若带权路径长度达到最小，称这样的二叉树为最优二叉树，也称为哈夫曼树(HuffmanTree)。2.哈夫曼树是带权路径长度最短的树，权值较大的结点离根较近3权值最小的两个结点，构造成一棵二叉树，
  • jquery实现的jsonp掉java后台 知了ing javajsonpjquery
    什么是JSONP？ 先说说JSONP是怎么产生的： 其实网上关于JSONP的讲解有很多，但却千篇一律，而且云里雾里，对于很多刚接触的人来讲理解起来有些困难，小可不才，试着用自己的方式来阐释一下这个问题，看看是否有帮助。 1、一个众所周知的问题，Ajax直接请求普通文件存在跨域无权限访问的问题，甭管你是静态页面、动态网页、web服务、WCF，只要是跨域请求，一律不准； 2、
  • Struts2学习笔记 caoyong struts2
    SSH : Spring + Struts2 + Hibernate 三层架构(表示层,业务逻辑层,数据访问层) MVC模式 (Model View Controller) 分层原则:单向依赖，接口耦合 1、Struts2  =  Struts  + Webwork 2、搭建struts2开发环境    a>、到www.apac
  • SpringMVC学习之后台往前台传值方法 满城风雨近重阳 springMVC
    springMVC控制器往前台传值的方法有以下几种： 1.ModelAndView    通过往ModelAndView中存放viewName：目标地址和attribute参数来实现传参：      ModelAndView mv=new ModelAndView();  mv.setViewName="success
  • WebService存在的必要性？ 一炮送你回车库 webservice
    做Java的经常在选择Webservice框架上徘徊很久，Axis  Xfire Axis2 CXF ，他们只有一个功能，发布HTTP服务然后用XML做数据传输。 是的，他们就做了两个功能，发布一个http服务让客户端或者浏览器连接，接收xml参数并发送xml结果。 当在不同的平台间传输数据时，就需要一个都能解析的数据格式。 但是为什么要使用xml呢？不能使json或者其他通用数据
  • js年份下拉框 3213213333332132 java web ee
    <div id="divValue">test...</div>测试 //年份 <select id="year"></select> <script type="text/javascript"> window.onload =
  • 简单链式调用的实现技术 归来朝歌 方法调用链式反应编程思想
    在编程中，我们可以经常遇到这样一种场景：一个实例不断调用它自身的方法，像一条链条一样进行调用 这样的调用你可能在Ajax中，在页面中添加标签： $("<p>").append($("<span>").text(list[i].name)).appendTo("#result");   也可能在HQ
  • JAVA调用.net 发布的webservice 接口 darkranger webservice
    /** * @Title: callInvoke * @Description: TODO(调用接口公共方法) * @param @param url 地址 * @param @param method 方法 * @param @param pama 参数 * @param @return * @param @throws BusinessException
  • Javascript模糊查找 | 第一章 循环不能不重视。 aijuans Way
    最近受我的朋友委托用js+HTML做一个像手册一样的程序，里面要有可展开的大纲，模糊查找等功能。我这个人说实在的懒，本来是不愿意的，但想起了父亲以前教我要给朋友搞好关系，再加上这也可以巩固自己的js技术，于是就开始开发这个程序，没想到却出了点小问题，我做的查找只能绝对查找。具体的js代码如下： function search(){ var arr=new Array("my
  • 狼和羊，该怎么抉择 atongyeye 工作
    狼和羊，该怎么抉择 在做一个链家的小项目，只有我和另外一个同事两个人负责，各负责一部分接口，我的接口写完，并全部测联调试通过。所以工作就剩下一下细枝末节的，工作就轻松很多。每天会帮另一个同事测试一些功能点，协助他完成一些业务型不强的工作。 今天早上到公司没多久，领导就在QQ上给我发信息，让我多协助同事测试，让我积极主动些，有点责任心等等，我听了这话，心里面立马凉半截，首先一个领导轻易说
  • 读取android系统的联系人拨号 百合不是茶 androidsqlite数据库内容提供者系统服务的使用
           联系人的姓名和号码是保存在不同的表中,不要一下子把号码查询来,我开始就是把姓名和电话同时查询出来的,导致系统非常的慢   关键代码:     1, 使用javabean操作存储读取到的数据 package com.example.bean; /** * * @author Admini
  • ORACLE自定义异常 bijian1013 数据库自定义异常
    实例： CREATE OR REPLACE PROCEDURE test_Exception ( ParameterA IN varchar2, ParameterB IN varchar2, ErrorCode OUT varchar2 --返回值,错误编码 ) AS /*以下是一些变量的定义*/ V1 NUMBER; V2 nvarc
  • 查看端号使用情况 征客丶 windows
    一、查看端口 在windows命令行窗口下执行： >netstat -aon|findstr "8080" 显示结果： TCP     127.0.0.1:80         0.0.0.0:0    &
  • 【Spark二十】运行Spark Streaming的NetworkWordCount实例 bit1129 wordcount
    Spark Streaming简介   NetworkWordCount代码   /* * Licensed to the Apache Software Foundation (ASF) under one or more * contributor license agreements. See the NOTICE file distributed with
  • Struts2 与 SpringMVC的比较 BlueSkator struts2spring mvc
    1. 机制：spring mvc的入口是servlet，而struts2是filter，这样就导致了二者的机制不同。 2. 性能：spring会稍微比struts快。spring mvc是基于方法的设计，而sturts是基于类，每次发一次请求都会实例一个action，每个action都会被注入属性，而spring基于方法，粒度更细，但要小心把握像在servlet控制数据一样。spring
  • Hibernate在更新时，是可以不用session的update方法的(转帖） BreakingBad Hibernateupdate
    地址：http://blog.csdn.net/plpblue/article/details/9304459 public void synDevNameWithItil() {Session session = null;Transaction tr = null;try{session = HibernateUtil.getSession();tr = session.beginTran
  • 读《研磨设计模式》-代码笔记-观察者模式 bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ import java.util.ArrayList; import java.util.List; import java.util.Observable; import java.util.Observer; /** * “观
  • 重置MySQL密码 chenhbc mysql重置密码忘记密码
    如果你也像我这么健忘，把MySQL的密码搞忘记了，经过下面几个步骤就可以重置了（以Windows为例，Linux/Unix类似）： 1、关闭MySQL服务 2、打开CMD，进入MySQL安装目录的bin目录下，以跳过权限检查的方式启动MySQL mysqld --skip-grant-tables  3、新开一个CMD窗口，进入MySQL mysql -uroot  
  • 再谈系统论，控制论和信息论 comsci 设计模式生物能源企业应用领域模型
                               再谈系统论，控制论和信息论     偶然看
  • oracle moving window size与 AWR retention period关系 daizj oracle
    转自： http://tomszrp.itpub.net/post/11835/494147 晚上在做11gR1的一个awrrpt报告时,顺便想调整一下AWR snapshot的保留时间,结果遇到了ORA-13541这样的错误.下面是这个问题的发生和解决过程. SQL> select * from v$version; BANNER -------------------
  • Python版B树 dieslrae python
    话说以前的树都用java写的,最近发现python有点生疏了,于是用python写了个B树实现,B树在索引领域用得还是蛮多了,如果没记错mysql的默认索引好像就是B树... 首先是数据实体对象,很简单,只存放key,value class Entity(object): '''数据实体''' def __init__(self,key,value)
  • C语言冒泡排序 dcj3sjt126com 算法
    代码示例： # include <stdio.h> //冒泡排序 void sort(int * a, int len) { int i, j, t; for (i=0; i<len-1; i++) { for (j=0; j<len-1-i; j++) { if (a[j] > a[j+1]) // >表示升序
  • 自定义导航栏样式 dcj3sjt126com 自定义
    -(void)setupAppAppearance { [[UILabel appearance] setFont:[UIFont fontWithName:@"FZLTHK—GBK1-0" size:20]]; [UIButton appearance].titleLabel.font =[UIFont fontWithName:@"FZLTH
  • 11.性能优化-优化-JVM参数总结 frank1234 jvm参数性能优化
    1.堆 -Xms --初始堆大小 -Xmx --最大堆大小 -Xmn --新生代大小 -Xss --线程栈大小 -XX:PermSize  --永久代初始大小 -XX:MaxPermSize  --永久代最大值 -XX:SurvivorRatio --新生代和suvivor比例,默认为8 -XX:TargetSurvivorRatio --survivor可使用
  • nginx日志分割 for linux HarborChung nginxlinux脚本
    nginx日志分割 for linux 默认情况下，nginx是不分割访问日志的，久而久之，网站的日志文件将会越来越大，占用空间不说，如果有问题要查看网站的日志的话，庞大的文件也将很难打开，于是便有了下面的脚本   使用方法，先将以下脚本保存为 cutlog.sh，放在/root 目录下，然后给予此脚本执行的权限   复制代码代码如下: chmo
  • Spring4新特性——泛型限定式依赖注入 jinnianshilongnian springspring4泛型式依赖注入
    Spring4新特性——泛型限定式依赖注入 Spring4新特性——核心容器的其他改进 Spring4新特性——Web开发的增强 Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC  Spring4新特性——Groovy Bean定义DSL Spring4新特性——更好的Java泛型操作API  Spring4新
  • centOS安装GCC和G++ liuxihope centosgcc
    Centos支持yum安装，安装软件一般格式为yum install .......，注意安装时要先成为root用户。 按照这个思路，我想安装过程如下： 安装gcc：yum install gcc 安装g++： yum install g++ 实际操作过程发现，只能有gcc安装成功，而g++安装失败，提示g++ command not found。上网查了一下，正确安装应该
  • 第13章 Ajax进阶（上） onestopweb Ajax
    index.html <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/
  • How to determine BusinessObjects service pack and fix pack blueoxygen BO
    http://bukhantsov.org/2011/08/how-to-determine-businessobjects-service-pack-and-fix-pack/   The table below is helpful. Reference   BOE XI 3.x 12.0.0. y BOE XI 3.0 12.0. x. y BO
  • Oracle里的自增字段设置 tomcat_oracle oracle
    　大家都知道吧，这很坑，尤其是用惯了mysql里的自增字段设置，结果oracle里面没有的。oh，no 　　我用的是12c版本的，它有一个新特性，可以这样设置自增序列，在创建表是，把id设置为自增序列 create table t ( id 　　 　　 number generated by default as identity (start with 1 increment b
  • Spring Security（01）——初体验 yang_winnie springSecurity
    Spring Security（01）——初体验     博客分类： spring Security Spring Security入门安全认证        首先我们为Spring Security专门建立一个Spring的配置文件，该文件就专门用来作为Spring Security的配置
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他