Fitz1318
Fitz1318

Hyperbolic Relevance Matching for Neural Keyphrase Extraction阅读笔记

这是北京交通大学今年的关键词抽取新作，跳转了思路，通过将向量映射到双曲空间来获得隐含的关键词-文档之间的结构信息。

论文简单介绍

  • 题目 Hyperbolic Relevance Matching for Neural Keyphrase Extraction
  • 作者 Mingyang Song, Yi Feng and Liping Jing
  • 单位 北京交通大虚
  • 时间 2022
  • 会议 NAACL

动机

识别重要的关键短语是关键短语提取任务的核心组成部分，其主要挑战是如何全面表示信息并准确区分重要性

  • 信息表示
    • 通常，短语通常表现出固有的层次结构，其中包含复杂的句法和语义信息。如下图所示a large region of land比region有更复杂的固有结构
    • 除了短语，由于语言本体是内在的层次结构（Dai et al., 2020），短语和文档之间的概念关系也可以形成层次结构。因此，在表示短语和文档以及估计短语-文档相关性时，需要考虑层次结构。但是在欧式空间中难以捕获到这种结构信息
  • 重要性
    • 关键词通常用于检索和索引其对应的文档，因此它们应该与源文档的要点高度相关（Hasan and Ng，2014）。然而，大多数现有的监督关键短语提取方法都忽略了对短语与其对应文档之间的相关性进行显式建模，从而导致有偏差的关键短语提取
  • 解决思路
    • 基于上述两点问题，作者提出了hyperbolic relevance matching model（HyperMatch）做关键词抽取。
    • 首先，为了捕获分层句法和语义结构信息，HyperMatch 集成了 RoBERTa 的所有中间层中的隐藏表示，通过基于自注意机制的自适应混合层收集自适应上下文化词嵌入
    • 考虑隐藏在自然语言内容中的层次结构，HyperMatch 通过双曲短语编码器和双曲文档编码器在同一个双曲空间中对短语和文档进行编码
    • 同时，我们通过考虑短语和文档之间的潜在层次结构，采用庞加莱距离来计算短语-文档相关性。

Hyperbolic Relevance Matching for Neural Keyphrase Extraction阅读笔记_第1张图片

模型

  • 首先是将单词送进RoBERTa得到每一层的隐藏向量，之后如下图所示，采用一个自适应混合层的自适应混合权重将每一层向量进行平均池化操作，之后转换到双曲空间中

  • 然后就是使用庞加莱距离来计算短语和文档的相似度

Hyperbolic Relevance Matching for Neural Keyphrase Extraction阅读笔记_第2张图片
Hyperbolic Relevance Matching for Neural Keyphrase Extraction阅读笔记_第3张图片

实验

实验结果

Hyperbolic Relevance Matching for Neural Keyphrase Extraction阅读笔记_第4张图片

我的思考

  • 这篇文章的主要就是将向量由原来的欧式空间转换到双曲空间中，说是这样更能捕获关键词-文档的结构
  • 我感觉还是同一个思路。全局相似度：候选短语和文档的相似度；局部相似度：候选短语之间形成的一个个小主题。只是作者从表示空间那块动手处理这件事情。
  • 这里有一个不同的就是作者采用n-gram方法而不是nltk中的正则匹配。从理论上来说，会带来更多的语义重复问题。
    的就是作者采用n-gram方法而不是nltk中的正则匹配。从理论上来说，会带来更多的语义重复问题。
  • 作者的写作思路很清楚，顶会的文章阅读起来很舒服，写作逻辑和方式值得借鉴

你可能感兴趣的:(文献阅读及实验复现,自然语言处理,keyphrase,关键词抽取,双曲空间)

  • 多模态大模型的技术应用与未来展望：重构AI交互范式的新引擎 zhaoyi_he 重构人工智能
    一、引言：为什么多模态是AI发展的下一场革命？过去十年，深度学习推动了计算机视觉和自然语言处理的飞跃，但两者的发展路径长期割裂。随着生成式AI和大模型时代的到来，**多模态大模型（MultimodalFoundationModels）**以统一的建模方式处理图像、文本、音频、视频等多源数据，重塑了“感知-认知-决策”链条，为AGI迈出关键一步。OpenAI的GPT-4o、Google的Gemini
  • 善用关系网络：开源AI大模型、AI智能名片与S2B2C商城小程序赋能下的成功新路径
    摘要：本文聚焦于关系在个人成功中的关键作用，指出关系即财富，善用关系、拓展人脉是成功的重要途径。在此基础上，引入开源AI大模型、AI智能名片以及S2B2C商城小程序等新兴技术工具，探讨它们如何助力个体在复杂的关系网络中更高效地挖掘和利用资源，提升处理关系的能力，从而为事业成功开拓新道路，揭示这些技术元素在当代成功路径中的创新应用与重要意义。关键词：关系网络；开源AI大模型；AI智能名片；S2B2C
  • vllm推理实践 try2find java前端服务器
    1.vllm推理demo实验fromvllmimportLLM,SamplingParams#定义生成参数sampling_params=SamplingParams(temperature=0.7,top_p=0.9,max_tokens=100,)#加载DeepSeek模型（以deepseek-llm-7b为例）#model_name="deepseek-ai/deepseek-llm-7b"
  • 行业锦标赛激励数据集（2008-2023） 数据皮皮侠AI 人工智能大数据物联网矩阵动态规划
    1771行业锦标赛激励数据集（2008-2023）数据简介坚持创新驱动发展，要强化企业创新主体地位，发挥企业家在技术创新中的重要作用。作为企业组织内部最具有影响力的角色，高级管理人员拥有企业经营管理的自由裁量权，对企业战略决策及由此产生的经营绩效具有举足轻重的影响。合理的薪酬契约安排是促进员工努力工作并提高企业绩效的重要手段。效率视角下的锦标赛理论主要关注企业内部薪酬差距的激励效应，但随着信息技术
  • 传统微商困境与开源链动2+1模式、AI智能名片及S2B2C商城小程序的转型破局 说私域 开源人工智能小程序
    摘要：本文聚焦传统微商代理分级模式面临的库存积压、出货困难等“滚雪球”危机，深入剖析其根源。在此基础上，引入开源链动2+1模式、AI智能名片以及S2B2C商城小程序，探讨这些新兴元素如何助力品牌微商实现转型，突破传统困境，实现可持续发展。通过分析各元素的特点与优势，阐述它们在优化供应链、提升营销效率、增强客户关系管理等方面的协同作用，为微商行业的创新发展提供理论支持与实践参考。关键词：传统微商；开
  • 前端开发问题：SyntaxError: “undefined“ is not valid JSON 我命由我12345 前端-问题清单json前端javascriptvue.js开发语言ecmascriptjs
    在JavaScript开发，遇到如下问题SyntaxError:"undefined"isnotvalidJSON#翻译SyntaxError："undefined"不是有效的JSON问题原因当使用JSON.parse()时，传入了一个undefined或字符串"undefined"，而它不是有效的JSON字符串问题复现传入一个undefinedconstjsonStr=undefined;con
  • 冒泡排序算法详解（含Python代码实现） 算法_小学生 算法
    冒泡排序（BubbleSort）是最基础的排序算法之一，通常用于学习排序算法的入门理解。本文将通过Python代码实现冒泡排序，并详细讲解其原理、执行流程、复杂度分析及适用情况。✨一、算法简介冒泡排序的核心思想是：相邻两个元素比较，将较大的元素不断“冒泡”至右侧，最终实现排序。其基本过程是重复比较相邻的元素，如果顺序错误就交换，重复这一过程，直到没有任何需要交换的为止。二、Python代码实现下面
  • 揭秘 Spring Cloud Zuul 在后端的负载均衡策略 大厂资深架构师 SpringBoot开发实战springcloud负载均衡springai
    揭秘SpringCloudZuul在后端的负载均衡策略关键词：SpringCloudZuul、负载均衡、微服务网关、Ribbon、请求路由摘要：在微服务架构中，API网关是流量的“总调度员”，而负载均衡则是它的“智能大脑”。本文将以“小区门卫派件”为故事主线，用通俗易懂的语言揭秘SpringCloudZuul如何通过集成Ribbon实现后端负载均衡。我们将从核心概念到算法原理，从代码实战到应用场景
  • Transformer模型压缩：结构化剪枝与混合精度量化研究 pk_xz123456 仿真模型机器学习深度学习transformer剪枝深度学习
    Transformer模型压缩：结构化剪枝与混合精度量化研究摘要本文针对Transformer模型在实际部署中面临的计算资源消耗大、内存占用高和推理延迟等问题，提出了一种结合结构化剪枝与混合精度量化的综合压缩方案。我们首先分析了Transformer模型的结构特点及其在计算效率方面的瓶颈，然后系统地研究了结构化剪枝和混合精度量化的理论基础与实现方法。通过实验验证，我们的方法在保持模型性能的同时显著
  • Linux 启动过程流程图--ARM版 进击的程序汪 linuxarm开发运维
    以下是ARM版本Linux启动过程的超详细树状图，涵盖硬件上电到应用程序交互的全流程，并包含关键函数调用链及源码位置，适用于系统开发与调试场景：ARMLinux启动全流程（含函数调用链）ARMLinux启动流程（函数级调用链）│├───**1.硬件上电与BootROM阶段**│││├───硬件复位与初始化││├───CPU进入Reset异常向量（ARM异常向量表基址0x0或0xffff0000）│
  • ImportError: /nvidia/cusparse/lib/libcusparse.so.12: undefined symbol: __nvJitLinkComplete_12_4 爱编程的喵喵 Python基础课程pythonImportErrortorchnvJitLink解决方案
      大家好，我是爱编程的喵喵。双985硕士毕业，现担任全栈工程师一职，热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为CSDN博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的知识进行总结与归纳，不仅形成深入且独到的理解，而且能够帮助新手快速入门。  本文主要介绍了ImportError:/home/
  • Spring Cloud Gateway 路由断言匹配规则详解
    前言：Gateway的路由断言工厂（RoutePredicateFactories）是用于路由规则匹配的组件，通过这些断言工厂，Gateway能够根据请求的属性，例如：路径、方法、头部信息等，来完成不同的请求转发，本篇分享几种常见的断言工厂及配置方法。Path路由工厂根据请求路径进行匹配#路由唯一标志spring.cloud.gateway.routes[0].id=user-service#路由
  • 服务雪崩效应的产生及解决办法 你是人间五月天 JavaSpringCloudjavaspringcloud
    一、什么是服务雪崩效应？默认情况下tomcat只有一个线程池去处理客户端发送的所有请求，在高并发情况下，如果客户端所有的请求堆积到同一个服务接口上，tomcat的所有线程去处理该服务接口，会导致其他服务接口产生延迟等待，无法访问。二、雪崩效应产生的几种场景流量激增：比如异常流量、用户重试导致系统负载升高；缓存刷新：假设A为client端，B为Server端，假设A系统请求都流向B系统，请求超出了B
  • ARMv8 创建1、2、3级页表代码与注释 liuluyang530 armv8mmu页表
    对下面的地址空间创建3级页表//level1table,4entries://00000000-3FFFFFFF,1GBblock,DDR//40000000-7FFFFFFF,1GBblock,DDR//80000000-BFFFFFFF,1GBblock,DDR//C0000000-FFFFFFFF,pointtolevel2tabel////level2table,512entries://
  • 资深php工程师必会必知架构 深山技术宅 PHP经验素养php架构开发语言
    作为资深PHP工程师，必须掌握以下架构设计及核心组件，这些架构能力决定了系统能否支撑高并发、高可用及复杂业务场景：一、分层架构（基础但关键）经典三层模型HTTP请求SQL表示层业务逻辑层数据访问层数据库表示层：API网关（LaravelRoutes/SymfonyRouting）业务层：领域服务（DDD设计模式应用）数据层：Repository模式+Eloquent/DoctrineORM二、高性
  • 银行金融的数据大集中和灾难备份技术 dsg_gulibin 【业内灾备技术/方案】金融oracle数据备份存储网络服务器
    9．1数据大集中技术数据大集中是当前银行信息化的热点之一。本节将叙述数据大集中的含义、必要性及大集中的三种模式，最后介绍国内银行数据大集中的成功案例。9.1.1数据大集中的含义银行系统中的数据“大集中”是一种通俗、形象的说法，旨在与过去的“数据分散”和“有限集中”的模式相区别，实际上，银行数据大集中可以的内涵可以用八个字来概括，即：数据集中、系统整合。集中是数据的“相对”集中，不是绝对集中；整合是
  • 【NWFSP问题】基于中华穿山甲算法CPO求解零等待流水车间调度问题NWFSP研究（Matlab代码实现）
    欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：目录⛳️赠与读者1概述1.引言2.理论基础2.1中华穿山甲算法（CPO）核心原理2.2NWFSP数学模型3.CPO-NWFSP求解框架设计3.1编码与解码3.2离散化位置更新3.3目标函数适配4.实验设计与性能分析4.1实验设置4.2结果分析4.3敏感性分析5.结论与展望
  • Nginx、Spring Cloud Gateway 与 Higress 的应用场景及核心区别 拂晓神剑zzz nginx运维
    Nginx、SpringCloudGateway与Higress的应用场景及核心区别一、应用场景对比1.Nginx：传统Web服务与高性能反向代理典型场景：静态资源服务器（图片、CSS、JS）高并发Web服务反向代理（如JavaTomcat前端）简单负载均衡（轮询、IP哈希）传统企业网站、电商平台入口层优势：轻量级、低资源消耗，单机可处理万级并发稳定可靠，适合长期运行的静态服务社区成熟，插件生态丰
  • Unity 内置着色器的使用与性能优化【Usage and Performance of Built-in Shaders】 小李也疯狂 #Shader：Built-inshadersunity着色器性能优化shader
    Unity中的着色器通过材质（Material）应用，材质将着色器代码与纹理、颜色等参数结合。理解着色器与材质的关系及性能影响因素，对优化项目渲染效率至关重要。以下是内置着色器的使用指南与性能分析：一、着色器与材质的关系核心概念着色器（Shader）：定义渲染逻辑（如光照计算、纹理混合），决定材质的属性和外观。材质（Material）：着色器的实例，存储具体参数（如纹理、颜色值），同一着色器可创建
  • 【华为od刷题（C++）】HJ33 整数与IP地址间的转换 m0_64866459 华为odc++链表
    我的代码：#include//这个头文件提供了输入输出流的功能，使得我们能够使用cin和cout来进行输入输出usingnamespacestd;//可以直接使用标准命名空间std中的功能//比如cout和cin，而不需要每次都写出std::intmain(){longlonginta,b,c,d;//a,b,c,d：这四个变量用来存储IP地址的四个部分//分别代表IP地址中的四个字节longlo
  • 网络安全相关专业总结（非常详细）零基础入门到精通，收藏这一篇就够了 网络安全工程师教学 兼职副业黑客技术网络安全web安全安全人工智能网络运维
    一、网络工程专业专业内涵网络工程是指按计划进行的以工程化的思想、方式、方法，设计、研发和解决网络系统问题的工程，一般指计算机网络系统的开发与构建。该专业培养具备计算机科学与技术学科理论基础，掌握网络技术领域专业知识和基本技能，在计算机、网络及人工智能领域的工程实践和应用方面受到良好训练，具有深厚通信背景、可持续发展、能力较强的高水平工程技术人才。学生可在计算机软硬件系统、互联网、移动互联网及新一代
  • 数据结构--单链表
    数据结构基础（3）文章目录数据结构基础（3）单链表的定义：不带头结点的单链表：带头结点的单链表：单链表的插入操作：按位序插入（带头结点）：按位序插入（不带头结点）：指定结点的后插操作：指定结点的前插操作：按位序删除（带头结点）：按位查找：按值查找：求表的长度：单链表的建立--尾插法单链表的建立--头插法单链表的定义：带头结点不带头结点顺序表：优点：可随机存取，存储密度高缺点：要求大片连续空间，改变
  • LRU Cache Mr_Xuhhh c++c语言算法开发语言python
    LRUCache定义缓存算法（LeastRecentlyUsed)核心思想最近最少使用或最久未使用。当缓存空间不足时，它会优先淘汰最长时间没有访问的数据项类比：图书馆的书架管理，经常被借阅的书放在最前面方便取用，而长期无人问津的书会被移到后面或下架数据结构选择与设计1）双向链表1.用于维护元素的访问顺序，最近访问的元素放在链表头部，最久未被访问的放在尾部2.支持O（1）时间复杂度的任意位置插入和删
  • 数据仓库技术及应用（Hive 产生背景与架构设计，存储模型与数据类型） 娟恋无暇 数据仓库笔记hive
    1.Hive产生背景传统Hadoop架构存在的一些问题：MapReduce编程必须掌握Java，门槛较高传统数据库开发、DBA、运维人员学习门槛高HDFS上没有Schema的概念，仅仅是一个纯文本文件Hive的产生：为了让用户从一个现有数据基础架构转移到Hadoop上现有数据基础架构大多基于关系型数据库和SQL查询Facebook诞生了Hive2.Hive是什么官网：https://hive.ap
  • OpenCV 图像操作：颜色识别、替换与水印添加
    目录引言代码实现1.导入必要的库2.图像加法3.图像直接相加4.颜色加权加法5.HSV颜色空间转换概念作用6.查找颜色范围对应的像素点7.与运算-生成掩膜8.添加水印9.主函数总结引言在计算机视觉领域，OpenCV是一个强大的库，提供了丰富的图像操作功能。本文将详细介绍如何使用OpenCV进行图像加法、颜色加权加法、HSV颜色空间转换、颜色范围查找、与运算生成掩膜以及添加水印等操作，并给出相应的P
  • [Java恶补day39] 整理模板·考点六【反转链表】
    考点六【反转链表】【考点总结】1.206.【题目】【核心思路】【复杂度】时间复杂度：O()O()O()。空间复杂度：O()O()O()。【代码】92.【题目】【核心思路】【复杂度】时间复杂度：O()O()O()。空间复杂度：O()O()O()。【代码】25.K个一组翻转链表【题目】【核心思路】图解：【复杂度】时间复杂度：O()O()O()。空间复杂度：O()O()O()。【代码】参考：1、灵神视频
  • 了解GC吗？什么是GC？ 后端java
    GC是什么？为什么要GC？GC（GarbageCollection），垃圾回收，是Java与C++的主要区别之一。作为Java开发者，一般不需要专门编写内存回收和垃圾清理代码。这是因为在Java虚拟机中，存在自动内存管理和垃圾清理机制。对JVM中的内存进行标记，并确定哪些内存需要回收，根据一定的回收策略，自动的回收内存，保证JVM中的内存空间，防止出现内存泄露和溢出问题。GC是任意时候都能进行的吗
  • 交换机端口及VLAN转发原理 hao_wujing 网络
    交换机端口及VLAN转发原理是数据通信网络的核心基础。理解它们的工作原理对于设计、管理和排错网络至关重要。下面我将详细解释：##一、交换机端口基础交换机端口是物理连接点，用于连接终端设备（如PC、服务器、IP电话）或其他网络设备（如另一台交换机、路由器、防火墙）。端口的主要职责是**在数据链路层（OSI第2层）转发以太网帧**。1.**关键概念：*****MAC地址表：**交换机内部维护一张表，记
  • 大语言模型应用指南：ReAct 框架 AI大模型应用实战 javapythonjavascriptkotlingolang架构人工智能
    大语言模型应用指南：ReAct框架关键词：大语言模型,ReAct框架,自然语言处理(NLP),模型融合,多模态学习,深度学习,深度学习框架1.背景介绍1.1问题由来近年来，深度学习技术在自然语言处理(NLP)领域取得了显著进展。尤其是大语言模型(LargeLanguageModels,LLMs)，如BERT、GPT系列等，通过在大规模无标签数据上进行预训练，获得了强大的语言理解和生成能力。然而，预
  • SOC的工作原理和架构 hao_wujing 安全
    大家读完觉得有帮助记得关注和点赞！！！SOC（安全运营中心）是企业安全防御体系的**神经中枢**，通过整合技术、流程和人员，实现**7×24小时安全监控、威胁检测、事件响应及持续改进**。其核心目标是**缩短攻击驻留时间（MTTD/MTTR）**，将碎片化的安全数据转化为可行动的防御策略。以下是SOC的工作原理与架构深度解析：---###**一、SOC的核心工作原理**####**1.安全数据全域
  • apache ftpserver-CentOS config gengzg apache
    <server xmlns="http://mina.apache.org/ftpserver/spring/v1" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation=" http://mina.apache.o
  • 优化MySQL数据库性能的八种方法 AILIKES sqlmysql
    1、选取最适用的字段属性 　　MySQL可以很好的支持大数据量的存取，但是一般说来，数据库中的表越小，在它上面执行的查询也就会越快。因此，在创建表的时候，为了获得更好的 性能，我们可以将表中字段的宽度设得尽可能小。例如，在定义邮政编码这个字段时，如果将其设置为CHAR(255),显然给数据库增加了不必要的空间，甚至使用VARCHAR这种类型也是多余的，因为CHAR(6)就可以很
  • JeeSite 企业信息化快速开发平台 Kai_Ge JeeSite
    JeeSite 企业信息化快速开发平台 平台简介 JeeSite是基于多个优秀的开源项目，高度整合封装而成的高效，高性能，强安全性的开源Java EE快速开发平台。 JeeSite本身是以Spring Framework为核心容器，Spring MVC为模型视图控制器，MyBatis为数据访问层， Apache Shiro为权限授权层，Ehcahe对常用数据进行缓存，Activit为工作流
  • 通过Spring Mail Api发送邮件 120153216 邮件main
    原文地址：http://www.open-open.com/lib/view/open1346857871615.html 使用Java Mail API来发送邮件也很容易实现，但是最近公司一个同事封装的邮件API实在让我无法接受，于是便打算改用Spring Mail API来发送邮件，顺便记录下这篇文章。 【Spring Mail API】 Spring Mail API都在org.spri
  • Pysvn 程序员使用指南 2002wmj SVN
    源文件:http://ju.outofmemory.cn/entry/35762 这是一篇关于pysvn模块的指南. 完整和详细的API请参考 http://pysvn.tigris.org/docs/pysvn_prog_ref.html. pysvn是操作Subversion版本控制的Python接口模块. 这个API接口可以管理一个工作副本, 查询档案库, 和同步两个. 该
  • 在SQLSERVER中查找被阻塞和正在被阻塞的SQL 357029540 SQL Server
    SELECT  R.session_id AS BlockedSessionID ,          S.session_id AS BlockingSessionID ,          Q1.text AS Block
  • Intent 常用的用法备忘 7454103 .netandroidGoogleBlogF#
    Intent     应该算是Android中特有的东西。你可以在Intent中指定程序 要执行的动作（比如：view,edit,dial），以及程序执行到该动作时所需要的资料 。都指定好后，只要调用startActivity()，Android系统 会自动寻找最符合你指定要求的应用 程序，并执行该程序。 下面列出几种Intent 的用法 显示网页:
  • Spring定时器时间配置 adminjun spring时间配置定时器
    红圈中的值由6个数字组成，中间用空格分隔。第一个数字表示定时任务执行时间的秒，第二个数字表示分钟，第三个数字表示小时，后面三个数字表示日，月，年，< xmlnamespace prefix ="o" ns ="urn:schemas-microsoft-com:office:office" /> 测试的时候，由于是每天定时执行，所以后面三个数
  • POJ 2421 Constructing Roads 最小生成树 aijuans 最小生成树
    来源：http://poj.org/problem?id=2421 题意：还是给你n个点，然后求最小生成树。特殊之处在于有一些点之间已经连上了边。 思路：对于已经有边的点，特殊标记一下，加边的时候把这些边的权值赋值为0即可。这样就可以既保证这些边一定存在，又保证了所求的结果正确。 代码： #include <iostream> #include <cstdio>
  • 重构笔记——提取方法（Extract Method） ayaoxinchao java重构提炼函数局部变量提取方法
    提取方法（Extract Method）是最常用的重构手法之一。当看到一个方法过长或者方法很难让人理解其意图的时候，这时候就可以用提取方法这种重构手法。   下面是我学习这个重构手法的笔记：   提取方法看起来好像仅仅是将被提取方法中的一段代码，放到目标方法中。其实，当方法足够复杂的时候，提取方法也会变得复杂。当然，如果提取方法这种重构手法无法进行时，就可能需要选择其他
  • 为UILabel添加点击事件 bewithme UILabel
        默认情况下UILabel是不支持点击事件的，网上查了查居然没有一个是完整的答案，现在我提供一个完整的代码。   UILabel *l = [[UILabel alloc] initWithFrame:CGRectMake(60, 0, listV.frame.size.width - 60, listV.frame.size.height)]
  • NoSQL数据库之Redis数据库管理(PHP-REDIS实例) bijian1013 redis数据库NoSQL
    一.redis.php <?php //实例化 $redis = new Redis(); //连接服务器 $redis->connect("localhost"); //授权 $redis->auth("lamplijie"); //相关操
  • SecureCRT使用备注 bingyingao secureCRT每页行数
    SecureCRT日志和卷屏行数设置 一、使用securecrt时，设置自动日志记录功能。 1、在C:\Program Files\SecureCRT\下新建一个文件夹(也就是你的CRT可执行文件的路径），命名为Logs； 2、点击Options -> Global Options -> Default Session -> Edite Default Sett
  • 【Scala九】Scala核心三：泛型 bit1129 scala
    泛型类 package spark.examples.scala.generics class GenericClass[K, V](val k: K, val v: V) { def print() { println(k + "," + v) } } object GenericClass { def main(args: Arr
  • 素数与音乐 bookjovi 素数数学haskell
        由于一直在看haskell，不可避免的接触到了很多数学知识，其中数论最多，如素数，斐波那契数列等，很多在学生时代无法理解的数学现在似乎也能领悟到那么一点。     闲暇之余，从图书馆找了<<The music of primes>>和<<世界数学通史>>读了几遍。其中素数的音乐这本书与软件界熟知的&l
  • Java-Collections Framework学习与总结-IdentityHashMap BrokenDreams Collections
            这篇总结一下java.util.IdentityHashMap。从类名上可以猜到，这个类本质应该还是一个散列表，只是前面有Identity修饰，是一种特殊的HashMap。         简单的说，IdentityHashMap和HashM
  • 读《研磨设计模式》-代码笔记-享元模式-Flyweight 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.Collection; import java.util.HashMap; import java.util.List; import java
  • PS人像润饰&调色教程集锦 cherishLC PS
      1、仿制图章沿轮廓润饰——柔化图像，凸显轮廓 http://www.howzhi.com/course/retouching/   新建一个透明图层，使用仿制图章不断Alt+鼠标左键选点，设置透明度为21%，大小为修饰区域的1/3左右（比如胳膊宽度的1/3），再沿纹理方向（比如胳膊方向）进行修饰。   所有修饰完成后，对该润饰图层添加噪声，噪声大小应该和
  • 更新多个字段的UPDATE语句 crabdave update
    更新多个字段的UPDATE语句                    update tableA a set (a.v1, a.v2, a.v3, a.v4) = --使用括号确定更新的字段范围
  • hive实例讲解实现in和not in子句 daizj hivenot inin
    本文转自：http://www.cnblogs.com/ggjucheng/archive/2013/01/03/2842855.html 当前hive不支持 in或not in 中包含查询子句的语法，所以只能通过left join实现。 假设有一个登陆表login(当天登陆记录,只有一个uid),和一个用户注册表regusers(当天注册用户，字段只有一个uid)，这两个表都包含
  • 一道24点的10+种非人类解法（2,3,10,10） dsjt 算法
    这是人类算24点的方法？！！！ 事件缘由：今天晚上突然看到一条24点状态，当时惊为天人，这NM叫人啊？以下是那条状态 朱明西 : 24点，算2 3 10 10，我LX炮狗等面对四张牌痛不欲生，结果跑跑同学扫了一眼说，算出来了，2的10次方减10的3次方。。我草这是人类的算24点啊。。 然后么。。。我就在深夜很得瑟的问室友求室友算 刚出完题，文哥的暴走之旅开始了 5秒后
  • 关于YII的菜单插件 CMenu和面包末breadcrumbs路径管理插件的一些使用问题 dcj3sjt126com yiiframework
    在使用 YIi的路径管理工具时，发现了一个问题。                    <?php         
  • 对象与关系之间的矛盾：“阻抗失配”效应[转] come_for_dream 对象
    概述   “阻抗失配”这一词组通常用来描述面向对象应用向传统的关系数据库（RDBMS）存放数据时所遇到的数据表述不一致问题。C++程序员已经被这个问题困扰了好多年，而现在的Java程序员和其它面向对象开发人员也对这个问题深感头痛。   “阻抗失配”产生的原因是因为对象模型与关系模型之间缺乏固有的亲合力。“阻抗失配”所带来的问题包括：类的层次关系必须绑定为关系模式（将对象
  • 学习编程那点事 gcq511120594 编程互联网
    一年前的夏天，我还在纠结要不要改行，要不要去学php？能学到真本事吗？改行能成功吗？太多的问题，我终于不顾一切，下定决心，辞去了工作，来到传说中的帝都。老师给的乘车方式还算有效，很顺利的就到了学校，赶巧了，正好学校搬到了新校区。先安顿了下来，过了个轻松的周末，第一次到帝都，逛逛吧！ 接下来的周一，是我噩梦的开始，学习内容对我这个零基础的人来说，除了勉强完成老师布置的作业外，我已经没有时间和精力去
  • Reverse Linked List II hcx2013 list
    Reverse a linked list from position m to n. Do it in-place and in one-pass. For example:Given 1->2->3->4->5->NULL, m = 2 and n = 4, return 
  • Spring4.1新特性——页面自动化测试框架Spring MVC Test HtmlUnit简介 jinnianshilongnian spring 4.1
    目录 Spring4.1新特性——综述 Spring4.1新特性——Spring核心部分及其他 Spring4.1新特性——Spring缓存框架增强 Spring4.1新特性——异步调用和事件机制的异常处理 Spring4.1新特性——数据库集成测试脚本初始化 Spring4.1新特性——Spring MVC增强 Spring4.1新特性——页面自动化测试框架Spring MVC T
  • Hadoop集群工具distcp liyonghui160com
        1. 环境描述 两个集群：rock 和 stone rock无kerberos权限认证，stone有要求认证。 1. 从rock复制到stone，采用hdfs Hadoop distcp -i hdfs://rock-nn:8020/user/cxz/input hdfs://stone-nn:8020/user/cxz/运行在rock端，即源端问题：报版本
  • 一个备份MySQL数据库的简单Shell脚本 pda158 mysql脚本
    　　主脚本（用于备份mysql数据库）： 　　该Shell脚本可以自动备份 数据库。只要复制粘贴本脚本到文本编辑器中，输入数据库用户名、密码以及数据库名即可。我备份数据库使用的是mysqlump 命令。后面会对每行脚本命令进行说明。 　　 1. 分别建立目录“backup”和“oldbackup” 　　#mkdir /backup 　　#mkdir /oldbackup 　
  • 300个涵盖IT各方面的免费资源（中）——设计与编码篇 shoothao IT资源图标库图片库色彩板字体
    A. 免费的设计资源 Freebbble:来自于Dribbble的免费的高质量作品。 Dribbble:Dribbble上“免费”的搜索结果——这是巨大的宝藏。 Graphic Burger:每个像素点都做得很细的绝佳的设计资源。 Pixel Buddha:免费和优质资源的专业社区。 Premium Pixels:为那些有创意的人提供免费的素材。
  • thrift总结 - 跨语言服务开发 uule thrift
    官网 官网JAVA例子 thrift入门介绍 IBM-Apache Thrift - 可伸缩的跨语言服务开发框架 Thrift入门及Java实例演示 thrift的使用介绍   RPC    POM： <dependency> <groupId>org.apache.thrift</groupId>
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他