我真不是老实人
我真不是老实人

知识图谱概论

知识图谱概论

概念

人工智能发展阶段

计算智能

计算机早已超过人类

感知智能

让计算机具备视觉和听觉等感知的智能。语音识别和人脸识别等技术上已取得进步。

认知智能

与人类语言、知识、逻辑相关的智能，是人工智能最高阶段，目标是让机器掌握人类的语言和知识体系，并真正理解其内在逻辑。

知识图谱概论_第1张图片

知识图谱

  • 本质：万物及其联系的网络

  • 包括：实体、属性、关系

  • 节点有属性标签（可以包含类型）

  • 两个节点的边是实体间关系

  • 强调实体，但也可以描述概念

深度学习

深度学习金字塔

知识图谱概论_第2张图片

瓶颈

  • 平台红利

    DL开发平台日趋成熟，难以有更大提升空间

  • 算法红利

    新型模型的提出很难;现有模型的优化和潜力挖掘存在瓶颈

  • 算力红利

    GPU和TPU等硬件计算速度的摩尔定律开始失效

  • 大数据红利

    大数据的获取、清洗和标注己经出现瓶颈

知识图谱 VS 传统知识库 VS 数据库

关系

  • 知识图谱是在传统知识库的基础上发展而来，但更注重其中的数据
  • 知识图谱不能替代数据库，二者互有所长

优势

  • 包含语义信息，可进行一定的推理
  • 形式更灵活，可扩展性更好

不足

  • 天生缺乏直接的有效处理工具，大规模图谱数据处理常常借助于数据库技术

知识图谱概论_第3张图片

知识表示

语义网络

  • 表示概念间语义关系的网络
  • 1956年提出，最初目的用于语言翻译和自然语言处理
  • 经典语义网络项目：WordNet

知识图谱概论_第4张图片

框架

  • 框架是人工智能中使用的一种数据结构

知识图谱概论_第5张图片

概念图

  • 有数学和逻辑支撑的知识表示

知识图谱概论_第6张图片

形式化概念分析

知识图谱概论_第7张图片

语义网

Web=文档+超链接

本体

  • 领域共享知识的描述方式，是语义Web、语义搜索、知识工程和很多人工智能应用的基础
  • 本体是我们告诉计算机人类如何认识和理解世界万物的一种形式化描述方式
  • 本体成为语义网的知识描述载体
  • 语义网的研究热潮极大促进了本体的研究

描述逻辑

  • 描述逻辑是一种知识表示语言，表达能力强于命题逻辑，弱于一阶逻辑

  • 描述逻辑成为了语义网语言的逻辑基础，其推理有正确性和完备性保证

  • 语义网的发展过程中先后制定了基于描述逻辑的不同语言规范：DAML，RDF，OWL, OWL2等等

链接数据(Linked Data)

知识图谱概论_第8张图片

知识图谱概论_第9张图片

Google Knowledge Graph

  • 知识图谱(Knowledge Graph)是Google在2012年对其搜索引擎中使用的知识库的称谓
  • 目前学术界和工业界习惯用“知识图谱”来泛指类似Google知识库的各种知识库，这些知识库都有着自己的名称

经典知识图谱

Cyc

  • 在1984年由Douglas Lenat开始创建

  • 最初的目标是要建立人类最大的常识知识库

    • 典型的常识知识如“Every tree is a plant ” , “Plants die eventually ” 等

  • 由术语Terms和断言Assertions组成

    • Terms包含概念、关系和实体的定义
    • Assertions用来建立Terms之间的关系，这既包括事实Fact描述，也包含规
      则Rule的描述

  • 主要特点是基于形式化的知识表示方法来刻画知识。

    • 形式化的优势是可以支持复杂的推理。
    • 但过于形式化也导致知识库的扩展性和应用的灵活性不够。

  • Cyc提供开S版本OpenCyc

WordNet

  • 由普林斯顿大学认识科学实验室从1985年开始开发

  • 是最著名的词典知识库，主要用于词义消歧

  • 主要定义了名词、动词、形容词和副词之间的语义关系。

    • 例如名词之间的上下位关系（如：“猫科动物”是“猫”的上位词）
    • 动词之间的蕴含关系（如：“打鼾”蕴含着“睡眠”）等

  • WordNet3.0已经包含超过15万个词和20万个语义关系

ConceptNet

  • 最早源于MIT媒体实验室的OpenMind Common Sense (OMCS)项目。OMCS项目是由著名人工智能专家Marvin Minsky于1999年建议创立

  • 是常识知识库

  • 主要依靠互联网众包、专家创建和游戏三种方法来构建

    • 新版本导入大量开放的结构化数据，如DBPedia、Wikinary，Wordnet等

  • 以三元组形式的关系型知识构成

    • ConceptNet5版本已经包含有2800万关系描述。与Cyc相比，ConceptNet采用了非形式化、更加接近自然语言的描述，而不是像Cyc那样采用形式化的谓词逻辑

  • 与链接数据和谷歌知识图谱相比，ConceptNet比较侧重于词与词之间的关系

    • 从这个角度看，ConceptNet更加接近于WordNet,但是又比WordNet包含的关系类型多。此外，ConceptNet完全免费开放，并支持多种语言

Freebase

  • 由Metaweb开发，并于2007年3月公开运营，2010年7月16日被谷歌收购

  • 致力于打造一个允许所有人快捷访问的开源知识库

  • 目标包含19亿三元组，提供了多种语言的查询接口

Wikidata

  • 是一个人人可编辑的知识库

  • 其核心概念是entity,可以指一个现实中的对象或一个抽象概念

  • 每个item 都有标签(label)、描述(description)、别名(aliases)，使不同的item得以区分

    • item中的具体数据被称为statement, 一个item可以有许多statement
    • statement由属性(property)、数值(value)、修饰成分(qualifier)、参考资料(reference)等部分组成。

DBPedia

  • 早期的语义网项目
  • 意指数据库版本的Wikipedia,是从Wikipedia抽取出来的链接数据集
  • 采用了一个较为严格的本体，包含人、地点、音乐、电影、组织机构、物种、疾病等类定义
  • 采用RDF语义数据模型，总共包含30亿RDF三元组

YAGO

  • 由德国马普研究所研制的链接数据库

  • 主要集成了 Wikipedia、WordNet和GeoNames三个来源的数据

  • 将WordNet的词汇定义与Wikipedia的分类体系进行了融合集成，使得YAGO具有更加丰富的实体分类体系

  • 还考虑了时间和空间知识，为很多知识条目增加了时间和空间維度的属性描述

  • 包含1.2亿条三元组知识

  • 是IBM Watson的后端知识库之一

NELL

  • 卡内基梅隆大学开发的知识库

  • 主要采用互联网挖掘的方法从Web自动抽取三元组知识

  • 基本理念是：给定一个初始的本体(少量类和关系的定义)和少量样本，让机器能够通过自学习的方式不断的从Web学习和抽取新的知识

  • 目前NELL已经抽取了 400多万条高置信度三元组知识

OpenlE

知识图谱概论_第10张图片

ZhiShi.me

  • 是以百度百科，互动百科，維基百科中文部分为基础构建的中文知识图谱

CN-DBPedia

  • 由复旦大学知识工场实验室研发并維护的大规模通用领域结构化百科

  • 主要从中文百科类网站（如百度百科、互动百科、中文維基百科等）的纯文本页面中提取信息，经过滤、融合、推断等操作后，最终形成高质量的结构化数据，供机器和人使用

    • 自2015年12月份发布以来已经在问答机器人、智能玩具、智慧医疗、智慧软件等领域产生数亿次API调用量

    • CN-DBpedia提供全套API,并且免费开放使用

    • 大规模商务调用，提供由IBM、华为支持的专业、稳定服务接口

BabelNet

  • 类似于WordNet的多语言词典知识库

  • 目标是解决WordNet在非英语语种中数据缺乏的问题

  • 采用的方法是将WordNet词典与Wikipedia百科集成

    • 首先建立WordNet中的词与Wikipedia的页面标题的映射，然后利用Wikipedia中的多语言链接，再辅以机器翻译技术，来给WordNet增加多种语言的词汇

  • BabelNet3.7包含了271种语言，1400万同义词组，36.4万词语关系和3.8亿从Wikipedia中抽取的链接关系，总计超过19亿RDF三元组

  • 集成了WordNet在词语关系上的优势和Wikipedia在多语言语料方面的优势，构建
    成功了目前最大规模的多语言词典知识库

应用

知识图谱概论_第11张图片

应用场景

辅助搜索——精准回答

  • 提高搜索精度
  • 语义搜索
  • 搜索意图理解
  • 多模态搜索

知识图谱概论_第12张图片

辅助问答——人机互动

  • 提高问答精度
  • 改善问答体验
  • 引导对话走向
  • 多轮对话

知识图谱概论_第13张图片

知识图谱概论_第14张图片

辅助数据集成——智能数据整合

知识图谱实现了数据-信息-知识的智能数据整合机制

  • 针对大规模多源异构数据集成机制
  • 建立和挖掘数据内在关联
  • 通用性高
  • 可护展性强
  • 形式灵活
  • 知识重用
  • 不干涉数据源

知识图谱概论_第15张图片

知识图谱概论_第16张图片

辅助决策——智能决策

  • 收集和整理数据
  • 建立数据间关联
  • 知识挖掘
  • 知识发现
  • 知识推理
  • 知识图谱辅助自然语言理解
  • 辅助各种AI场景
  • 广泛用于国防、金融、制造、商务、政府

知识图谱概论_第17张图片

辅助情报研判

知识图谱概论_第18张图片

辅助智能制造

知识图谱应用落地模式

知识图谱概论_第19张图片

知识图谱技术的核心价值

  • 集成异构数据源

    • 知识图谱构建基于分布和异构数据源
    • 知识图谱的图模型是对异构数据的一种灵活集成

  • 描述数据间的关联

    • 实体关系
    • 事件

  • 实现实体链接

    • 建立知识和实体间的桥梁
    • 更理智的智能

  • 大规模知识推理

    • 发现隐含的知识

    • 可解释的智能（可推理数据缺失/稀疏，任重道远）

实例

Google Knowledge Graph

知识图谱概论_第20张图片

Facebook Graph Search

知识图谱概论_第21张图片

微软Concept Graph

  • Concept Graph是以概念层次体系为中心的知识图谱。与Freebase等知识图谱不同，Concept Graph以概念定义和概念之间的IsA关系为主

  • 给定一个概念如“Microsoft”，Concept Graph返回一组与“微软’’有IsA关系概念组，如：“Company”，“Software Company”,"Largest OS Vender"等。这被称为概念化“Conceptualization”

  • Concept Graph可以用于短文本理解和语义消歧中。例如，给定一个短文本 “the engineer is eating the apple”，可以利用 Concept Graph来正确理解其中“apple”的含义是“吃的苹果”还是“苹果公司”。微软发布的第一个版本包含超过540万的概念，1255万的实体，和8760万的关系。Concept Graph主要通过从互联网和网络日志中挖掘来构建

亚马逊知识图谱

知识图谱概论_第22张图片

知识图谱概论_第23张图片

路透社知识图谱

Linkedln知识图谱

知识图谱概论_第24张图片

阿里巴巴的知识图谱

知识图谱概论_第25张图片

美团知识图谱：美团大脑

知识图谱概论_第26张图片

百度知识图谱

  • 百度的3类知识图谱
    • 实体图谱(entity graph):用于精准回答
    • 关注点图谱(attention graph):用于文本理解
    • 意图图谱(intent graph):用于对话

IBM Watson问答系统

  • 工作原理

    • 问题分析
      • 答案类型
      • 焦点
      • 关键词
    • 假设生成
      • 给定问题，生成候选答案
      • 基于证据收集和假设评分模块给候选答案打分
    • 候选生成
      • 搜索结构化/非结构化资源，寻找证据
      • 计算候选答案的正确概率
    • 打分
      • 每个证据贡献支持或反对
      • 综合得分
        知识图谱概论_第27张图片

  • 总结

    • 在表达多样性问题上表现出色
    • 平均每个问题的回答速度为3秒，足够和最优秀的人类竞争
    • 在55场和人类冠军实时比赛中胜率为71%
    • 总决赛中战胜2位人类选手夺冠

…

构建知识图谱

知识图谱概论_第28张图片

  • 知识抽取与挖掘：任务和问题

知识图谱概论_第29张图片

总结

  • 知识图谱是一项实用的人工智能前沿技术，是认知智能的核心技术之一
  • 知识图谱的作用:灵活集成异构数据、建立数据间关联、实现实体链接、进行大规模知识推理
  • 知识图谱的应用场景：精准回答、人机互动、数据整合、智能决策
  • 知识图谱的门槛：复杂的技术门槛、知识获取和处理门槛、应用门槛

你可能感兴趣的:(知识图谱,综述笔记,知识图谱)

  • centos 8 安装docker（RPM离线）——k8s和docker系列 名栩 #容器dockerlinuxcentos
    如果无法使用Docker的存储库来安装Docker，可以下载.rpm版本的文件并手动安装。每次要升级DockerEngine时都需要下载一个新文件。前往https://download.docker.com/linux/centos/并选择CentOS版本。然后浏览x86_64/stable/Packages/并下载.rpm要安装的Docker版本的文件。笔记要安装每晚或测试（预发布）包，stab
  • IMX6ULL学习整理篇——UBoot的一些基础知识（1.编译流程） charlie114514191 从0开始的学习ARMv7aIMX6ULL芯片学习UBoot嵌入式软件编译
    前言笔者整理了最近刷IMX6ULL的一些学习笔记，这里打算稍微整理一下东西发上来作为作为一个补充正文大部分而言，当我们拿到源码的时候，一般都是——先使用make来生成一份针对我们目标开发板的配置。举个例子，正点原子针对他们的开发板（EMMC作为类似于我们电脑的硬盘，DDR类似我们电脑的内存），使用的就是他们自己配置的mx6ull_14x14_ddr512_emmc_defconfig文件。也就是说
  • STL学习笔记 2301_76962440 c++学习笔记
    包含数据结构和数学函数#includeusingnamespacestd;boolcmp(paira,pairb){//第二位从小到大if(a.second!=b.second)returna.secondb.first;}intgcd(inta,intb){if(!b)returna;elsereturngcd(b,a%b);}intlcm(inta,intb){returna/gcd(a,b)
  • 【C 语言极简自学笔记】Day1 初识「C语言」 LQYYDSY 学习笔记笔记c语言
    一句话认识C语言「C是唯一能让你同时触摸硬件和软件的语言」C语言是一门通用计算机编程语言，广泛应用于底层开发，主要是提供一种能以简易的方式编译、处理低级存储器、产生少量的机器码以及不需要任何运行环境支持便能运行的编程语言。第一个C语言实例#includeintmain(){printf("HelloWorld!!!");return0;}(1)main函数是C语言程序的入口，一个C语言程序有且只有
  • 如何快速写开题报告？ 我是宝库 人工智能经验分享学习方法毕业论文开题报告毕业设计毕设
    又到了毕业季，你是不是内心已经十分捉急？开题报告还没开始写？该怎么写？写好开题报告，就是论文成功的开始！开题报告越细致，论文的写作就越有方向和思路。每个学校都会出台关于开题报告的相关要求也会给到相关模板，同学们可以自己到学校的官网下载相关模板。一般而言，开题报告包括以下六个部分的内容：1.研究背景和意义2.文献综述3.研究提纲及预期贡献4.研究进度5.拟采用的研究方法、手段及采取的措施6.可能遇见
  • 《Operating System Concepts》阅读笔记：p286-p308 操作系统
    《OperatingSystemConcepts》学习第28天，p286-p308总结，总计23页。一、技术总结1.reentrantlock(可重入锁)(1)为什么称为reentrantlock？AthreadacquiresaReentrantLocklockbyinvokingitslock()method.Ifthelockisavailable—orifthethreadinvoking
  • 知识图谱与知识表示：人工智能的基石 醉心编码 c/c++人工智能知识图谱
    知识图谱与知识表示：人工智能的基石一、知识图谱：连接数据的桥梁1.1知识图谱的构成1.2知识图谱的应用二、知识表示：AI的推理基础2.1知识表示的定义2.2知识表示的形式三、从符号表示到向量表示3.1符号表示与向量表示3.2向量表示的优势四、智能的精华：推理与学习4.1推理的重要性4.2学习的局限性五、结论在人工智能领域，知识图谱和知识表示是两个核心概念，它们构成了AI理解、推理和学习的基础。本文
  • 计算机网络：（一）详细讲解互联网概述与组成 （附带图谱更好对比理解） 珹洺 计算机网络计算机网络php开发语言服务器后端数据库网络
    计算机网络（一）详细讲解互联网概述与组成前言一、计算机网络在信息时代中的作用二、互联网概述1.网络中的网络2.互联网基础的三个阶段3.什么是标准化工作三、互联网的组成1.边缘部分2.核心部分总结（核心概念速记）：**知识图谱****重点提炼**前言在当今数字化时代，互联网已经成为人们生活、工作和学习中不可或缺的一部分。计算机网络作为互联网的基础支撑，其重要性不言而喻。这篇博客将开启我们探索计算机网
  • MATAB学习笔记2 好大一口果汁 MATLAB学习笔记算法
    1.多项式拟合>>p=polyfit(DateNum,Pclose,1);%多项式拟合>>value=p(1)%将斜率赋值给value，作为股票的价值value=0.1212代码分析：%后面的内容是注释，ployfit（）有三个参数，第三个参数表示多项式的阶数，也就是最高次数。比如：第三个参数为1，说明为1次项，即一次函数，第三个参数为你要拟合的阶数，一阶直线拟合，二阶抛物线拟合，并非阶次越高越好
  • AI笔记——语音识别 Yuki-^_^ 人工智能AI人工智能笔记语音识别
    摘要：语音识别（AutomaticSpeechRecognition,ASR）是人工智能领域的一项重要技术，它将人类的语音信号转换成文字。随着科技的发展，语音识别已经成为现代生活和工作中不可或缺的一部分。本文旨在介绍语音识别的基本原理、关键技术、应用场景以及未来发展趋势。一、历史与发展语音识别技术的历史可以追溯到20世纪50年代，那时的技术基于规则和模板。随着计算能力的提升和深度学习方法的出现，语
  • 网络运维学习笔记（DeepSeek优化版） 018 HCIA-Datacom综合实验03 技术小齐 网络运维学习
    文章目录综合实验3实验需求一：A公司网络规划二：B公司网络规划配置一、ip、vlan、vlanif，stp、eth-trunkSW1SW2R1二、ospfSW1R1三、NATR1ISP四、拒绝ping允许httpSW1五、右半部分vlan、dhcp、ospf、NATSW4R2综合实验3实验需求一：A公司网络规划SW1/2/3组成了A公司的交换网络，其中SW1是核心层，SW2/3是接入层。三台交换机
  • [学习笔记] Windows编程——GDI——（六）设备上下文 根本没在怕哦 Windows编程学习笔记windows
    前言：学习笔记，随时更新。如有谬误，欢迎指正。说明：红色字体为较为重要部分。绿色字体为个人理解部分。原文链接：https://learn.microsoft.com/en-us/windows/win32/gdi/device-contexts6设备上下文设备上下文是一种结构，用于定义一组图形对象及其关联属性，以及影响输出的图形模式。图形对象包括用于线条绘制的笔、用于绘制和填充的画刷、用于复制或滚
  • [学习笔记] Windows编程——GDI——（三）裁剪 根本没在怕哦 Windows编程学习笔记windows
    前言：学习笔记，随时更新。如有谬误，欢迎指正。说明：红色字体为较为重要部分。绿色字体为个人理解部分。原文链接：https://learn.microsoft.com/en-us/windows/win32/gdi/clipping3裁剪剪裁是将输出限制为应用程序窗口的工作区中的某个区域或路径的过程。3.1关于裁剪应用程序通过多种方式使用剪裁。Word和Excel应用程序剪裁键盘输入，使其不显示在页
  • 基于 Docker 搭建 FRP 内网穿透开源项目 xdpcxq1029 技术分享docker开源容器
    有些配置项不知道该不该用，不知道该在哪用，不知道怎么用，所以我自己写个文章简单记录一下做个笔记本文介绍的是基于Docker运行frps和frpc，并通过TCP协议简单穿透SSH和HTTP，在观看本文之前请确保你的机器已经安装Docker服务端搭建frps#连接拥有公网IP的服务器，在合适的位置创建frps目录作为工作空间#创建frps目录作为工作空间$mkdirfrps#创建服务端配置文件$tou
  • kaggle-ISIC 2024 - 使用 3D-TBP 检测皮肤癌-学习笔记 supernova121 学习笔记
    问题描述：通过从3D全身照片(TBP)中裁剪出单个病变来识别经组织学确诊的皮肤癌病例数据集描述：图像+临床文本信息评价指标：pAUC，用于保证敏感性高于指定阈值下的AUC主流方法分析（文本）基于CatBoost、LGBM和XGBoost三者的组合，为每个算法创建了XX个变体，总共XX个模型，进行集成学习。CatBoost在传统梯度提升决策树（GBDT）基础上，引入了一系列关键技术创新，以提升处理类
  • MySQL数据库笔记 艽掵猫 数据库mysql笔记
    一、数据库基础概念1.数据库定义数据库：统一管理、长期存储、有组织的相关数据集合。特征：数据按模型组织（冗余小、独立性高、易扩展、可共享）。2.实际应用数据存储：高效管理大量结构化数据。数据管理：增删改查（CRUD）与权限控制。数据分析：整合数据源，支持决策。3.常见数据库系统数据库特点MySQL开源、高性能、易用，适用于Web应用。Oracle企业级、高可靠，支持大型应用。SQLServer微软
  • js中的export、import、export default等导入导出全解 庸懒 笔记
    前端因为规范不同，所以不同的环境会有不同的导入导出方法，因为经常弄混所以特地记一下方便以后查阅记忆，本笔记都是自己总结或查阅资料得出，如有错误请帮忙指出。因为前端的导入导出主要分为commonjs和ES6modules两种标准，其中commonjs主要用于node环境，而ES6modules主要用于浏览器环境，但是ES6modules是兼容commonjs标准的，所以这就很容易让人弄混，本文也将从
  • Autoleaders控制组——51单片机学习笔记（2） Autoleaders控制组 邓翔 51单片机学习笔记
    51单片机学习（2）1.模块化编程1.1模块化编程的意义在学习单片机的途中，随着我们的知识不断扩展，我们能写出的代码也越来越复杂，越来越长了，有时我们自己写出的很长的代码，出现了错误，需要调试，但奈何自己的代码实在是太长了，真的不好分析到底是哪里出错了。这是因为我们将太多的函数和代码放在一个main.c的文件里，导致代码过度堆积。如果我们能够条理清晰地去将不同作用的代码和函数放在不同的xxx.c文
  • AI开发 - 算法基础 递归 的概念和入门（三）递归的进阶学习 minstbe PythonAI应用与观察算法学习深度优先
    前面我们通过2篇文章，一起了解了递归，以及使用递归来解决汉诺塔问题。今天我们在这个基础上，进一步地熟悉和学习递归。这篇学习笔记将涵盖递归的基本概念、应用、优化技巧、陷阱及与迭代的对比，并通过具体的Python代码示例和大家一起来深入理解递归的使用。一、巩固基础1.递归的概念递归，简单来说就是函数自己调用自己。听起来有点绕，但其实就像俄罗斯套娃，一层套一层，直到遇到最小的那个娃娃（基线条件）才停止。
  • 论文阅读笔记——QLORA: Efficient Finetuning of Quantized LLMs 寻丶幽风 论文阅读笔记论文阅读笔记人工智能深度学习语言模型
    QLoRA论文4-bit标准浮点数量化常见的量化技术是最大绝对值量化：XInt8=round(127absmax(XFP32)XFP32)=round(cFP32,XFP32)式(1)X^{Int8}=round(\frac{127}{absmax(X^{FP32})}X^{FP32})=round(c^{FP32},X^{FP32})\qquad\qquad\text{式(1)}XInt8=ro
  • R语言高效数据处理-自定义EXCEL数据排版 LEEBELOVED r语言R语言高效处理数据excel批处理
    注：以下代码均为实际数据处理中的笔记摘录，所以很零散1、自定义excel表数据输出格式、布局在实际数据处理中为了提升效率，将Excel报表交付给需求方时减少手动调整的环节很有必要#1.1设置表头格式header_style=0',          style=sheet_style)#数据写入writeData(data_deal_main01,'data_deal_test1',data_de
  • node mysql limit,nodejs mysql 实现分页的方法 日签君AIUX nodemysqllimit
    这两天学习了nodejsmysql实现分页，很重要，所以，今天添加一点小笔记。代码如下varexpress=require('express');varrouter=express.Router();varsettings=require('../settings.js');varmysql=require('mysql2');router.get('/',function(req,res,nex
  • Rabbitmq踩坑---删掉.erlang.cookie后重新启动服务报错 原子一式 Rabbitmq
    集群部署的时候，自己笔记本安装3台centos7服务器【102，103，104】，各种前期准备好后，执行rabbitmqctlcluster_status发现报错，第一个想到的是cookie可能不对，检查发现三台.erlang.cookie都是一样的，仔细一看是103我改过hostname，重启后，从102拷贝过来发现还是报错，我就直接删掉了.erlang.cookie,然后又从102拷贝过来，启
  • 【STM32】USART串口收发HEX数据包&收发文本数据包 傍晚冰川 stm32网络嵌入式硬件单片机笔记学习c语言
    有关串口知识参考：【STM32】USART串口协议&串口外设-学习笔记-CSDN博客HEX模式/十六进制模式/二进制模式：以原始数据的形式显示文本模式/字符模式：以原始数据编码后的形式显示参考上面文章查看ASCII编码表HEX数据包包头包尾和载荷数据重复问题的解决方法：解决思路方法文本数据包文本模式有大量的字符可以作为包头包尾，可以有效避免载荷数据和包头包尾重复的问题HEX数据包和文本数据包两者的
  • 深入理解C++内存管理机制 qzw1210 C++c++学习笔记
    侯捷C++系列课程学习笔记：深入理解C++内存管理机制在侯捷老师的C++系列课程中，内存管理是一个极其重要且深刻的主题。通过对这部分内容的学习，我对C++的内存管理机制有了更深入的理解，特别是关于new/delete操作符、内存池设计以及智能指针的应用。一、C++内存分配的层次结构侯捷老师在课程中清晰地阐述了C++内存分配的层次结构，这让我对整个内存管理体系有了全局的认识：最底层：操作系统提供的内
  • elasticsearch analyzer 学习笔记 weixin_40455124 elasticsearch代码分析及扩展elasticsearchanalyzertoken
    基本定义analyzer执行将输入字符流分解为token的过程使用场景在indexing的时候，也即在建立索引的时候在searching的时候，也即在搜索时，分析需要搜索的词语analysisCharacterfiltering(字符过滤器):使用字符过滤器转换字符Breakingtextintotokens(把文字转化为标记):将文本分成一组一个或多个标记Tokenfiltering：使用标记过
  • MATLAB算法实战应用案例精讲-【深度学习】归一化 林聪木 matlab算法深度学习
    目录为什么要做特征归一化/标准化？常用featurescaling方法计算方式上对比分析featurescaling需要还是不需要什么时候需要featurescaling？什么时候不需要FeatureScaling？归一化基础知识点1.什么是归一化2.为什么要归一化3.为什么归一化能提高求解最优解的速度4.归一化有哪些类型5.不同归一化的使用条件6.归一化和标准化的联系与区别层归一化综述提出背景概
  • Redis7——进阶篇（四） 啥也不会的小神龙· Redis系列redis缓存学习redis经典面试题
    前言：此篇文章系本人学习过程中记录下来的笔记，里面难免会有不少欠缺的地方，诚心期待大家多多给予指教。基础篇：Redis（一）Redis（二）Redis（三）Redis（四）Redis（五）Redis（六）Redis（七）Redis（八）进阶篇：Redis（九）Redis（十）Redis（十一）接上期内容：上期完成了缓存双写一致性方面的学习。下面学习HyperLogLog/Geo/Bitmap实际案
  • 【MyBatis笔记06】MyBatis中的三种关联查询方式（一对一、一对多、多对多） Mr.小朱同学 SSM专栏笔记mybatis关联查询一对一一对多多对多
    这篇文章，主要介绍MyBatis中的三种关联查询方式（一对一、一对多、多对多）。目录一、MyBatis关联查询1.1、准备环境（1）SQL建表语句（2）创建实体类1.2、一对一查询（1）创建Mapper接口方法（2）创建XML映射文件（3）测试程序1.2、一对多关联查询（1）实体类（2）创建XML映射文件（3）测试程序1.3、多对多关联查询一、MyBatis关联查询MyBatis框架支持三种关联查
  • 《架构300讲》学习笔记（201-250） newProxyInstance 笔记架构
    前言内容来自B站IT老齐架构300讲内容。201小心selectforupdate，有效规避索引选择性锁表202设计模式之建造者模式的用途20320分钟上手ELK日志监控系统分类：【ELK】204设计模式之门面模式Facade205设计模式之适配器模式Adapter206经典设计！如何让RabbitMQ支持消息延迟投递207Docker容器基于NFS实现跨容器文件共享208数据向上追溯场景该如何优
  • 对股票分析时要注意哪些主要因素？ 会飞的奇葩猪 股票 分析 云掌股吧
    　　众所周知，对散户投资者来说，股票技术分析是应战股市的核心武器，想学好股票的技术分析一定要知道哪些是重点学习的，其实非常简单，我们只要记住三个要素：成交量、价格趋势、振荡指标。     一、成交量 　　大盘的成交量状态。成交量大说明市场的获利机会较多，成交量小说明市场的获利机会较少。当沪市的成交量超过150亿时是强市市场状态，运用技术找综合买点较准；
  • 【Scala十八】视图界定与上下文界定 bit1129 scala
    Context Bound，上下文界定，是Scala为隐式参数引入的一种语法糖，使得隐式转换的编码更加简洁。   隐式参数 首先引入一个泛型函数max，用于取a和b的最大值 def max[T](a: T, b: T) = { if (a > b) a else b }  因为T是未知类型，只有运行时才会代入真正的类型，因此调用a >
  • C语言的分支——Object-C程序设计阅读有感 darkblue086 applec框架cocoa
    自从1972年贝尔实验室Dennis Ritchie开发了C语言，C语言已经有了很多版本和实现，从Borland到microsoft还是GNU、Apple都提供了不同时代的多种选择，我们知道C语言是基于Thompson开发的B语言的，Object-C是以SmallTalk-80为基础的。和C++不同的是，Object C并不是C的超集，因为有很多特性与C是不同的。 Object-C程序设计这本书
  • 去除浏览器对表单值的记忆 周凡杨 html记忆autocompleteform浏览
                                       &n
  • java的树形通讯录 g21121 java
    最近用到企业通讯录，虽然以前也开发过，但是用的是jsf，拼成的树形，及其笨重和难维护。后来就想到直接生成json格式字符串，页面上也好展现。 // 首先取出每个部门的联系人 for (int i = 0; i < depList.size(); i++) { List<Contacts> list = getContactList(depList.get(i
  • Nginx安装部署 510888780 nginxlinux
    Nginx ("engine x") 是一个高性能的 HTTP 和 反向代理 服务器，也是一个 IMAP/POP3/SMTP 代理服务器。 Nginx 是由 Igor Sysoev 为俄罗斯访问量第二的 Rambler.ru 站点开发的，第一个公开版本0.1.0发布于2004年10月4日。其将源代码以类BSD许可证的形式发布，因它的稳定性、丰富的功能集、示例配置文件和低系统资源
  • java servelet异步处理请求 墙头上一根草 ｊａｖａ异步返回ｓｅｒｖｌｅｔ
    servlet3.0以后支持异步处理请求，具体是使用AsyncContext ，包装httpservletRequest以及httpservletResponse具有异步的功能，        final AsyncContext ac = request.startAsync(request, response);   ac.s
  • 我的spring学习笔记8-Spring中Bean的实例化 aijuans Spring 3
    在Spring中要实例化一个Bean有几种方法： 1、最常用的（普通方法） <bean id="myBean" class="www.6e6.org.MyBean" /> 使用这样方法，按Spring就会使用Bean的默认构造方法，也就是把没有参数的构造方法来建立Bean实例。 （有构造方法的下个文细说） 2、还
  • 为Mysql创建最优的索引 annan211 mysql索引
    索引对于良好的性能非常关键，尤其是当数据规模越来越大的时候，索引的对性能的影响越发重要。 索引经常会被误解甚至忽略，而且经常被糟糕的设计。 索引优化应该是对查询性能优化最有效的手段了，索引能够轻易将查询性能提高几个数量级，最优的索引会比 较好的索引性能要好2个数量级。 1 索引的类型 (1) B-Tree 不出意外，这里提到的索引都是指 B-
  • 日期函数 百合不是茶 oraclesql日期函数查询
      ORACLE日期时间函数大全 TO_DATE格式(以时间:2007-11-02 13:45:25为例) Year: yy two digits 两位年 显示值:07 yyy three digits 三位年 显示值:007
  • 线程优先级 bijian1013 javathread多线程java多线程
    多线程运行时需要定义线程运行的先后顺序。 线程优先级是用数字表示，数字越大线程优先级越高，取值在1到10，默认优先级为5。 实例： package com.bijian.study; /** * 因为在代码段当中把线程B的优先级设置高于线程A,所以运行结果先执行线程B的run()方法后再执行线程A的run()方法 * 但在实际中，JAVA的优先级不准，强烈不建议用此方法来控制执
  • 适配器模式和代理模式的区别 bijian1013 java设计模式
    一.简介        适配器模式：适配器模式（英语：adapter pattern）有时候也称包装样式或者包装。将一个类的接口转接成用户所期待的。一个适配使得因接口不兼容而不能在一起工作的类工作在一起，做法是将类别自己的接口包裹在一个已存在的类中。      &nbs
  • 【持久化框架MyBatis3三】MyBatis3 SQL映射配置文件 bit1129 Mybatis3
     SQL映射配置文件一方面类似于Hibernate的映射配置文件，通过定义实体与关系表的列之间的对应关系。另一方面使用<select>,<insert>,<delete>，<update>元素定义增删改查的SQL语句， 这些元素包含三方面内容 1. 要执行的SQL语句 2. SQL语句的入参，比如查询条件 3. SQL语句的返回结果
  • oracle大数据表复制备份个人经验 bitcarter oracle大表备份大表数据复制
    前提：    数据库仓库A（就拿oracle11g为例）中有两个用户user1和user2,现在有user1中有表ldm_table1,且表ldm_table1有数据5千万以上，ldm_table1中的数据是从其他库B（数据源）中抽取过来的，前期业务理解不够或者需求有变，数据有变动需要重新从B中抽取数据到A库表ldm_table1中。    
  • HTTP加速器varnish安装小记 ronin47 http varnish 加速
    上午共享的那个varnish安装手册，个人看了下，有点不知所云，好吧~看来还是先安装玩玩！ 苦逼公司服务器没法连外网，不能用什么wget或yum命令直接下载安装，每每看到别人博客贴出的在线安装代码时，总有一股羡慕嫉妒“恨”冒了出来。。。好吧，既然没法上外网，那只能麻烦点通过下载源码来编译安装了！ Varnish 3.0.4下载地址： http://repo.varnish-cache.org/
  • java-73-输入一个字符串，输出该字符串中对称的子字符串的最大长度 bylijinnan java
    public class LongestSymmtricalLength { /* * Q75题目：输入一个字符串，输出该字符串中对称的子字符串的最大长度。 * 比如输入字符串“google”，由于该字符串里最长的对称子字符串是“goog”，因此输出4。 */ public static void main(String[] args) { Str
  • 学习编程的一点感想 Cb123456 编程感想Gis
           写点感想，总结一些，也顺便激励一些自己.现在就是复习阶段，也做做项目.      本专业是GIS专业，当初觉得本专业太水，靠这个会活不下去的，所以就报了培训班。学习的时候，进入状态很慢，而且当初进去的时候，已经上到Java高级阶段了，所以.....，呵呵，之后有点感觉了，不过，还是不好好写代码，还眼高手低的，有
  • [能源与安全]美国与中国 comsci 能源
         现在有一个局面：地球上的石油只剩下N桶，这些油只够让中国和美国这两个国家中的一个顺利过渡到宇宙时代，但是如果这两个国家为争夺这些石油而发生战争，其结果是两个国家都无法平稳过渡到宇宙时代。。。。而且在战争中，剩下的石油也会被快速消耗在战争中，结果是两败俱伤。。。       在这个大
  • SEMI-JOIN执行计划突然变成HASH JOIN了 的原因分析 cwqcwqmax9 oracle
    甲说： A B两个表总数据量都很大，在百万以上。 idx1  idx2字段表示是索引字段 A B 两表上都有 col1字段表示普通字段 select xxx from A where A.idx1 between mmm and nnn      and exists (select 1 from B where B.idx2 =
  • SpringMVC-ajax返回值乱码解决方案 dashuaifu AjaxspringMVCresponse中文乱码
      SpringMVC-ajax返回值乱码解决方案   一：（自己总结，测试过可行） ajax返回如果含有中文汉字，则使用：（如下例：） @RequestMapping(value="/xxx.do")       public @ResponseBody void getPunishReasonB
  • Linux系统中查看日志的常用命令 dcj3sjt126com OS
    因为在日常的工作中，出问题的时候查看日志是每个管理员的习惯，作为初学者，为了以后的需要，我今天将下面这些查看命令共享给各位 cat tail -f 日 志 文 件 说 明 /var/log/message 系统启动后的信息和错误日志，是Red Hat Linux中最常用的日志之一 /var/log/secure 与安全相关的日志信息 /var/log/maillog 与邮件相关的日志信
  • [应用结构]应用 dcj3sjt126com PHPyii2
    应用主体 应用主体是管理 Yii 应用系统整体结构和生命周期的对象。 每个Yii应用系统只能包含一个应用主体，应用主体在 入口脚本中创建并能通过表达式 \Yii::$app 全局范围内访问。 补充: 当我们说"一个应用"，它可能是一个应用主体对象，也可能是一个应用系统，是根据上下文来决定[译：中文为避免歧义，Application翻译为应
  • assertThat用法 eksliang JUnitassertThat
    junit4.0  assertThat用法 一般匹配符1、assertThat( testedNumber, allOf( greaterThan(8), lessThan(16) ) ); 注释： allOf匹配符表明如果接下来的所有条件必须都成立测试才通过，相当于“与”（&&） 2、assertThat( testedNumber, anyOf( g
  • android点滴2 gundumw100 应用服务器android网络应用OSHTC
    如何让Drawable绕着中心旋转？ Animation a = new RotateAnimation(0.0f, 360.0f, Animation.RELATIVE_TO_SELF, 0.5f, Animation.RELATIVE_TO_SELF,0.5f); a.setRepeatCount(-1); a.setDuration(1000); 如何控制Andro
  • 超简洁的CSS下拉菜单 ini htmlWeb工作html5css
    效果体验：http://hovertree.com/texiao/css/3.htmHTML文件： <!DOCTYPE html> <html xmlns="http://www.w3.org/1999/xhtml"> <head> <title>简洁的HTML+CSS下拉菜单-HoverTree</title>
  • kafka consumer防止数据丢失 kane_xie kafkaoffset commit
    kafka最初是被LinkedIn设计用来处理log的分布式消息系统，因此它的着眼点不在数据的安全性（log偶尔丢几条无所谓），换句话说kafka并不能完全保证数据不丢失。   尽管kafka官网声称能够保证at-least-once，但如果consumer进程数小于partition_num，这个结论不一定成立。   考虑这样一个case，partiton_num=2
  • @Repository、@Service、@Controller 和 @Component mhtbbx DAOspringbeanprototype
    @Repository、@Service、@Controller 和 @Component 将类标识为Bean Spring 自 2.0 版本开始，陆续引入了一些注解用于简化 Spring 的开发。@Repository注解便属于最先引入的一批，它用于将数据访问层 (DAO 层 ) 的类标识为 Spring Bean。具体只需将该注解标注在 DAO类上即可。同时，为了让 Spring 能够扫描类
  • java 多线程高并发读写控制 误区 qifeifei java thread
    先看一下下面的错误代码，对写加了synchronized控制，保证了写的安全，但是问题在哪里呢？ public class testTh7 { private String data; public String read(){ System.out.println(Thread.currentThread().getName() + "read data "
  • mongodb replica set(副本集)设置步骤 tcrct javamongodb
    网上已经有一大堆的设置步骤的了，根据我遇到的问题，整理一下，如下： 首先先去下载一个mongodb最新版，目前最新版应该是2.6 cd /usr/local/bin wget http://fastdl.mongodb.org/linux/mongodb-linux-x86_64-2.6.0.tgz tar -zxvf mongodb-linux-x86_64-2.6.0.t
  • rust学习笔记 wudixiaotie 学习笔记
    1.rust里绑定变量是let，默认绑定了的变量是不可更改的，所以如果想让变量可变就要加上mut。 let x = 1; let mut y = 2; 2.match 相当于erlang中的case，但是case的每一项后都是分号，但是rust的match却是逗号。 3.match 的每一项最后都要加逗号，但是最后一项不加也不会报错，所有结尾加逗号的用法都是类似。 4.每个语句结尾都要加分
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他