黄毛鸡
黄毛鸡

P@K,MAP,MRR以及NDCG相关计算公式

P@K,MAP,MRR以及NDCG相关计算公式

Precision@K（P@K):
P@K,MAP,MRR以及NDCG相关计算公式_第1张图片
Average precision(AP) = average of P@K
上图中AP=1/3*（2/3+2/4+3/5）

MAP计算公式为：
P@K,MAP,MRR以及NDCG相关计算公式_第2张图片
+++++++++++++++
MRR:
P@K,MAP,MRR以及NDCG相关计算公式_第3张图片
+++++++++++++++
NDCG相关计算：

Cumulative Gain at rank n (CG):
在这里插入图片描述
Discounted Cumulative Gain (DCG):
（log2(1)=0所以rel1单独拎出来了）
P@K,MAP,MRR以及NDCG相关计算公式_第4张图片
idea DCG(IDCG)，即为理想的DCG，对结果进行了排序后计算 公式和DCG一样

NDCG计算公式:
在这里插入图片描述

你可能感兴趣的:(信息检索,信息检索)

  • Python爬虫实战：研究MarkupSafe库相关技术 ylfhpy 爬虫项目实战python爬虫开发语言MarkupSafe
    1.引言1.1研究背景与意义随着互联网数据量的爆炸式增长，网页内容自动提取与分析技术在信息检索、舆情监控、数据挖掘等领域的需求日益凸显。网络爬虫作为获取网页内容的核心工具，能够自动化采集互联网信息。然而，直接渲染爬取的网页内容存在安全隐患，特别是跨站脚本攻击（XSS）风险。攻击者可能通过注入恶意脚本窃取用户信息或破坏网站功能。MarkupSafe作为Python的安全字符串处理库，能够有效处理不可
  • 企业级RAG系统架构设计与实现指南（Java技术栈） 在未来等你 大模型应用开发AI技术编程JavaSpring
    企业级RAG系统架构设计与实现指南（Java技术栈）开篇：RAG系统的基本概念与企业应用价值在当今快速发展的AI技术背景下，检索增强生成（Retrieval-AugmentedGeneration,RAG）已成为构建智能问答、知识库管理、个性化推荐等应用的核心技术之一。RAG系统通过结合信息检索与自然语言生成（NLG），能够有效提升模型对特定领域数据的适应能力，避免传统大模型在训练数据不足或数据更
  • 信息检索简介——文本处理、搜索引擎、数据挖掘、机器学习、推荐系统等 AI天才研究院 Python实战自然语言处理人工智能语言模型编程实践开发语言架构设计
    作者：禅与计算机程序设计艺术1.简介2005年8月17日至9月3日在美国加利福尼亚州伯克莱纳举行了SIGIR国际会议（中文全称“计算机信息retrieval国际会议”），这是信息检索领域的顶级会议之一。该会议由ACM主办，主题涵盖了包括文本处理、搜索引擎、数据挖掘、机器学习、推荐系统等多个热门方向。此次会议是第一次将信息检索作为一个学科，并取得重大突破。本文试图对SIGIR进行一个完整的介绍，阐述
  • 爆改RAG检索力：三大Query变形术，助你玩转AI知识检索！ 许泽宇的技术分享 大模型AIGC搜索引擎人工智能RAG
    你以为RAG（Retrieval-AugmentedGeneration）就是“检索+生成”那么简单？那你可太低估AI界的“内卷”了！今天，咱们就来聊聊如何用三大Query变形术，把RAG的检索力拉满，助你在AI知识海洋里捞到最肥的鱼！一、RAG的“灵魂拷问”：你真的会提问吗？在AI时代，信息检索的效率和质量，80%取决于你“怎么问”。RAG系统的本质，就是“你问得好，我答得妙”。但现实往往是——
  • 什么是 QueryGPT？智能查询工具如何重塑信息检索的未来？ 镜舟科技 StarRocksQueryGPT数据查询数据分析多模态交互
    从客户行为数据到供应链信息，从市场趋势到内部运营指标，这些数据蕴含着巨大的商业价值。然而，数据量的激增也带来了前所未有的检索挑战：如何在海量信息中快速定位所需数据？如何确保查询结果的准确性和时效性？据统计，75%的企业正受困于低效的查询工具，这已成为阻碍企业数字化转型的关键痛点。传统的数据查询方式主要依赖SQL语句或特定的查询语言，这要求用户具备专业的编程知识和对数据结构的深入理解。即使对于数据分
  • 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
  • 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；
  • 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。-
  • 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
  • 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
  • RAG：2025年检索增强生成前沿技术完全指南 大模型之路 RAGrag检索增强生产llm
    一、RAG技术的核心突破与行业影响在生成式人工智能爆发的今天，检索增强生成（Retrieval-AugmentedGeneration,RAG）正以其独特的技术架构，成为连接静态知识库与动态生成能力的桥梁。这项诞生于2020年的创新技术，通过将信息检索（Retrieval）与文本生成（Generation）解耦又融合的设计，突破了传统语言模型“幻觉”问题的桎梏，为构建可信、可控、可扩展的AI系统奠
  • Python爬虫实战：研究Bleach库相关技术 ylfhpy 爬虫项目实战python爬虫php开发语言htmljavascript
    一、引言1.1研究背景与意义随着互联网的快速发展，网络上的数据量呈爆炸式增长。网络爬虫作为一种自动获取网页内容的技术，能够高效地从互联网上收集所需信息，为数据分析、信息检索、舆情监测等应用提供基础。然而，爬取到的网页内容往往包含大量的HTML标签、JavaScript代码和其他潜在的安全风险，直接使用这些内容可能会导致XSS攻击、代码注入等安全问题。Bleach是Python中一个专门用于安全地处
  • 基于bert预训练模型transformer架构的中文文本多标签分类的双向语义理解。
    基于bert预训练模型transformer架构的中文文本多标签分类的双向语义理解。文章目录1.安装必要的库2.数据准备3.模型定义4.训练模型5.评估模型6.部署与应用概述：BERT多标签中文文本分类系统是一款先进的自然语言处理工具，专为中文文本分析和多标签分类设计。该系统利用BERT模型的强大能力，能够精确地对中文文本进行多维度的标签分类，广泛应用于内容管理、信息检索、情感分析等领域。主要特性
  • GET和POST请求的区别 Qiuluo_ovo java
    我们在请求服务器资源的时候，会用不同的请求方式表示不同的场景。其中GET和POST是HTTP协议中最常用的两种请求方法，它们在设计理念和应用场景上有明显区别。GET请求：定义：HTTP协议中用于获取资源的请求方法，遵循"幂等性"原则（多次请求结果一致），参数通过URL明文传递。常见用例：信息检索与数据查询（关键词搜索，商品筛选）静态资源加载与缓存（加载网页图片）公开数据接口调用等（地理位置解析）P
  • 深入解析 Qwen3-Embedding 和 Qwen3-Reranker：原理、应用与代码示例 从零开始学习人工智能 embedding
    深入解析Qwen3-Embedding和Qwen3-Reranker：原理、应用与代码示例在当今数字化信息爆炸的时代，高效的信息检索与处理技术成为了众多领域的关键需求。文本嵌入（Embedding）和重排序（Reranking）技术在语义搜索、推荐系统、检索增强生成（RAG）等应用中发挥着基础性作用。然而，现有的方法在实现多语言的高保真度和任务适应性方面面临诸多挑战，特别是在需要对多种语言进行细致
  • BM25检索与向量检索
    BM25检索与向量检索是信息检索领域的两种核心技术，二者在技术原理、适用场景、优缺点等方面存在显著差异。以下从多个维度对两者进行对比分析：1.技术原理BM25检索BM25是一种基于词频（TF）和逆文档频率（IDF）的统计模型，属于稀疏检索方法。其核心思想是通过计算查询词在文档中的出现频率（TF）和查询词在整个文档集合中的稀有程度（IDF），结合文档长度归一化因子，对文档进行相关性评分。BM25公式
  • 如何评估学术搜索结果的相关性 搜索引擎技术 服务器运维ai
    如何评估学术搜索结果的相关性关键词：学术搜索、相关性评估、信息检索、排序算法、文献计量、用户反馈、机器学习摘要：本文深入探讨了评估学术搜索结果相关性的多种方法和技术。我们将从基础概念出发，逐步分析传统和现代的评估方法，包括基于内容、引用网络和用户行为的评估技术。文章还将介绍实际应用中的评估指标和工具，以及未来发展趋势，帮助读者全面理解这一学术信息检索领域的核心问题。背景介绍目的和范围在信息爆炸的时
  • 利用 DeepSeek 构建本地RAG系统
    利用DeepSeek构建本地RAG系统一、目标构建一个基于PDF文档的问答系统。用户可以上传一个PDF文件，然后输入问题，系统会从PDF文档中检索相关信息，并结合大语言模型生成答案。可以帮助用户快速从PDF文档中获取所需信息，提高信息检索和获取的效率。二、科普知识1.大语言模型（LLM）大语言模型是基于大量文本数据进行训练的人工智能模型，能够理解和生成自然语言。例如，Ollama中的DeepSee
  • 深入浅出Java Annotation(元注解和自定义注解） Josh_Persistence Java Annotation元注解自定义注解
    一、基本概述     　　 Annontation是Java5开始引入的新特征。中文名称一般叫注解。它提供了一种安全的类似注释的机制，用来将任何的信息或元数据（metadata）与程序元素（类、方法、成员变量等）进行关联。   　　更通俗的意思是为程序的元素（类、方法、成员变量）加上更直观更明了的说明，这些说明信息是与程序的业务逻辑无关，并且是供指定的工具或
  • mysql优化特定类型的查询 annan211 java工作mysql
    本节所介绍的查询优化的技巧都是和特定版本相关的，所以对于未来mysql的版本未必适用。 1 优化count查询 对于count这个函数的网上的大部分资料都是错误的或者是理解的都是一知半解的。在做优化之前我们先来看看 真正的count()函数的作用到底是什么。 count()是一个特殊的函数，有两种非常不同的作用，他可以统计某个列值的数量，也可以统计行数。 在统
  • MAC下安装多版本JDK和切换几种方式 棋子chessman jdk
    环境： MAC AIR,OS X 10.10,64位   历史： 过去 Mac 上的 Java 都是由 Apple 自己提供，只支持到 Java 6，并且OS X 10.7 开始系统并不自带（而是可选安装）（原自带的是1.6）。 后来 Apple 加入 OpenJDK 继续支持 Java 6，而 Java 7 将由 Oracle 负责提供。   在终端中输入jav
  • javaScript （1） Array_06 JavaScriptjava浏览器
    JavaScript 1、运算符 　　运算符就是完成操作的一系列符号，它有七类： 　　赋值运算符（=,+=,-=,*=,/=,%=,<<=,>>=,|=,&=）、算术运算符(+,-,*,/,++,--,%)、比较运算符(>,<,<=,>=,==,===,!=,!==)、逻辑运算符(||,&&,!)、条件运算(?:)、位
  • 国内顶级代码分享网站 袁潇含 javajdkoracle.netPHP
           现在国内很多开源网站感觉都是为了利益而做的                  当然利益是肯定的,否则谁也不会免费的去做网站      &
  • Elasticsearch、MongoDB和Hadoop比较 随意而生 mongodbhadoop搜索引擎
      IT界在过去几年中出现了一个有趣的现象。很多新的技术出现并立即拥抱了“大数据”。稍微老一点的技术也会将大数据添进自己的特性，避免落大部队太远，我们看到了不同技术之间的边际的模糊化。假如你有诸如Elasticsearch或者Solr这样的搜索引擎，它们存储着JSON文档，MongoDB存着JSON文档，或者一堆JSON文档存放在一个Hadoop集群的HDFS中。你可以使用这三种配
  • mac os 系统科研软件总结 张亚雄 mac os
    1.1 Microsoft Office for Mac 2011      大客户版，自行搜索。      1.2 Latex （MacTex）:      系统环境：https://tug.org/mactex/     &nb
  • Maven实战（四）生命周期 AdyZhang maven
    1. 三套生命周期     Maven拥有三套相互独立的生命周期，它们分别为clean，default和site。 每个生命周期包含一些阶段，这些阶段是有顺序的，并且后面的阶段依赖于前面的阶段，用户和Maven最直接的交互方式就是调用这些生命周期阶段。 以clean生命周期为例，它包含的阶段有pre-clean, clean 和 post
  • Linux下Jenkins迁移 aijuans Jenkins
    1. 将Jenkins程序目录copy过去      源程序在/export/data/tomcatRoot/ofctest-jenkins.jd.com下面            tar -cvzf jenkins.tar.gz ofctest-jenkins.jd.com &
  • request.getInputStream()只能获取一次的问题 ayaoxinchao requestInputstream
    问题：在使用HTTP协议实现应用间接口通信时，服务端读取客户端请求过来的数据，会用到request.getInputStream()，第一次读取的时候可以读取到数据，但是接下来的读取操作都读取不到数据   原因： 1. 一个InputStream对象在被读取完成后，将无法被再次读取，始终返回-1； 2. InputStream并没有实现reset方法（可以重
  • 数据库SQL优化大总结之 百万级数据库优化方案 BigBird2012 SQL优化
    网上关于SQL优化的教程很多，但是比较杂乱。近日有空整理了一下，写出来跟大家分享一下，其中有错误和不足的地方，还请大家纠正补充。 这篇文章我花费了大量的时间查找资料、修改、排版，希望大家阅读之后，感觉好的话推荐给更多的人，让更多的人看到、纠正以及补充。 1.对查询进行优化，要尽量避免全表扫描，首先应考虑在 where 及 order by 涉及的列上建立索引。 2.应尽量避免在 where
  • jsonObject的使用 bijian1013 javajson
            在项目中难免会用java处理json格式的数据，因此封装了一个JSONUtil工具类。 JSONUtil.java package com.bijian.json.study; import java.util.ArrayList; import java.util.Date; import java.util.HashMap;
  • [Zookeeper学习笔记之六]Zookeeper源代码分析之Zookeeper.WatchRegistration bit1129 zookeeper
    Zookeeper类是Zookeeper提供给用户访问Zookeeper service的主要API，它包含了如下几个内部类     首先分析它的内部类，从WatchRegistration开始，为指定的znode path注册一个Watcher，   /** * Register a watcher for a particular p
  • 【Scala十三】Scala核心七：部分应用函数 bit1129 scala
    何为部分应用函数？ Partially applied function: A function that’s used in an expression and that misses some of its arguments.For instance, if function f has type Int => Int => Int, then f and f(1) are p
  • Tomcat Error listenerStart 终极大法 ronin47 tomcat
    Tomcat报的错太含糊了，什么错都没报出来，只提示了Error listenerStart。为了调试，我们要获得更详细的日志。可以在WEB-INF/classes目录下新建一个文件叫logging.properties，内容如下 Java代码  handlers = org.apache.juli.FileHandler, java.util.logging.ConsoleHa
  • 不用加减符号实现加减法 BrokenDreams 实现
            今天有群友发了一个问题，要求不用加减符号(包括负号)来实现加减法。         分析一下，先看最简单的情况，假设1+1，按二进制算的话结果是10，可以看到从右往左的第一位变为0，第二位由于进位变为1。    
  • 读《研磨设计模式》-代码笔记-状态模式-State 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/ /* 当一个对象的内在状态改变时允许改变其行为，这个对象看起来像是改变了其类 状态模式主要解决的是当控制一个对象状态的条件表达式过于复杂时的情况 把状态的判断逻辑转移到表示不同状态的一系列类中，可以把复杂的判断逻辑简化 如果在
  • CUDA程序block和thread超出硬件允许值时的异常 cherishLC CUDA
    调用CUDA的核函数时指定block 和 thread大小，该大小可以是dim3类型的（三维数组），只用一维时可以是usigned int型的。 以下程序验证了当block或thread大小超出硬件允许值时会产生异常！！！GPU根本不会执行运算！！！ 所以验证结果的正确性很重要！！！ 在VS中创建CUDA项目会有一个模板，里面有更详细的状态验证。 以下程序在K5000GPU上跑的。
  • 诡异的超长时间GC问题定位 chenchao051 jvmcmsGChbaseswap
    HBase的GC策略采用PawNew+CMS, 这是大众化的配置，ParNew经常会出现停顿时间特别长的情况，有时候甚至长到令人发指的地步，例如请看如下日志： 2012-10-17T05:54:54.293+0800: 739594.224: [GC 739606.508: [ParNew: 996800K->110720K(996800K), 178.8826900 secs] 3700
  • maven环境快速搭建 daizj 安装mavne环境配置
    一 下载maven 安装maven之前，要先安装jdk及配置JAVA_HOME环境变量。这个安装和配置java环境不用多说。 maven下载地址：http://maven.apache.org/download.html，目前最新的是这个apache-maven-3.2.5-bin.zip，然后解压在任意位置，最好地址中不要带中文字符，这个做java 的都知道，地址中出现中文会出现很多
  • PHP网站安全，避免PHP网站受到攻击的方法 dcj3sjt126com PHP
    对于PHP网站安全主要存在这样几种攻击方式:1、命令注入(Command Injection)2、eval注入(Eval Injection)3、客户端脚本攻击(Script Insertion)4、跨网站脚本攻击(Cross Site Scripting, XSS)5、SQL注入攻击(SQL injection)6、跨网站请求伪造攻击(Cross Site Request Forgerie
  • yii中给CGridView设置默认的排序根据时间倒序的方法 dcj3sjt126com GridView
    public function searchWithRelated() {         $criteria = new CDbCriteria;         $criteria->together = true; //without th
  • Java集合对象和数组对象的转换 dyy_gusi java集合
        在开发中，我们经常需要将集合对象（List，Set）转换为数组对象，或者将数组对象转换为集合对象。Java提供了相互转换的工具，但是我们使用的时候需要注意，不能乱用滥用。 1、数组对象转换为集合对象     最暴力的方式是new一个集合对象，然后遍历数组，依次将数组中的元素放入到新的集合中，但是这样做显然过
  • nginx同一主机部署多个应用 geeksun nginx
    近日有一需求，需要在一台主机上用nginx部署2个php应用，分别是wordpress和wiki，探索了半天，终于部署好了，下面把过程记录下来。 1.   在nginx下创建vhosts目录，用以放置vhost文件。 mkdir vhosts   2.   修改nginx.conf的配置， 在http节点增加下面内容设置，用来包含vhosts里的配置文件 #
  • ubuntu添加admin权限的用户账号 hongtoushizi ubuntuuseradd
    ubuntu创建账号的方式通常用到两种：useradd 和adduser . 本人尝试了useradd方法，步骤如下： 1:useradd    使用useradd时，如果后面不加任何参数的话，如：sudo useradd sysadm 创建出来的用户将是默认的三无用户：无home directory ,无密码,无系统shell。 顾应该如下操作：  
  • 第五章 常用Lua开发库2-JSON库、编码转换、字符串处理 jinnianshilongnian nginxlua
      JSON库   在进行数据传输时JSON格式目前应用广泛，因此从Lua对象与JSON字符串之间相互转换是一个非常常见的功能；目前Lua也有几个JSON库，本人用过cjson、dkjson。其中cjson的语法严格（比如unicode \u0020\u7eaf），要求符合规范否则会解析失败（如\u002），而dkjson相对宽松，当然也可以通过修改cjson的源码来完成
  • Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解 yaerfeng1989 timerquartz定时器
    原创整理不易，转载请注明出处：Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解 代码下载地址：http://www.zuidaima.com/share/1772648445103104.htm 有两种流行Spring定时器配置：Java的Timer类和OpenSymphony的Quartz。 1.Java Timer定时 首先继承jav
  • Linux下df与du两个命令的差别？ pda158 linux
    　一、df显示文件系统的使用情况，与du比較，就是更全盘化。 　　最经常使用的就是 df -T，显示文件系统的使用情况并显示文件系统的类型。 　　举比例如以下： 　　[root@localhost ~]# df -T 　　Filesystem                   Type &n
  • [转]SQLite的工具类 ---- 通过反射把Cursor封装到VO对象 ctfzh VOandroidsqlite反射Cursor
    在写DAO层时，觉得从Cursor里一个一个的取出字段值再装到VO(值对象)里太麻烦了，就写了一个工具类，用到了反射，可以把查询记录的值装到对应的VO里，也可以生成该VO的List。   使用时需要注意： 考虑到Android的性能问题，VO没有使用Setter和Getter，而是直接用public的属性。 表中的字段名需要和VO的属性名一样，要是不一样就得在查询的SQL中
  • 该学习笔记用到的Employee表 vipbooks oraclesql工作
        这是我在学习Oracle是用到的Employee表，在该笔记中用到的就是这张表，大家可以用它来学习和练习。 drop table Employee; -- 员工信息表 create table Employee( -- 员工编号 EmpNo number(3) primary key, -- 姓
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他