- Springboot+vue.js+协同过滤推荐+余弦相似度算法实现新闻推荐系统
计算机程序优异哥
针对海量的新闻资讯数据，如何快速的根据用户的检索需要，完成符合用户阅读需求的新闻资讯推荐？本篇文章主要采用余弦相似度及基于用户协同过滤算法实现新闻推荐，通过余弦相似度算法完成针对不同新闻数据之间的相似性计算，实现分类标签。通过协同过滤算法发现具备相似阅读习惯的用户，展开个性化推荐。本次新闻推荐系统：主要包含技术：springboot，mybatis，mysql，javascript，vue.js，
- 基于用户的协同过滤以及ALS的混合召回算法
山水阳泉曲
算法机器学习人工智能矩阵python推荐算法线性代数
文章目录需求基于用户的协同过滤基本步骤相似度计算代码示例(使用余弦相似度)基于用户的协同过滤的缺点实际推荐系统中的替代方案ALSuserBaseCF+ALS混合推荐设计代码说明需求要将基于用户的协同过滤（User-BasedCollaborativeFiltering,UBCF）与交替最小二乘（AlternatingLeastSquares,ALS）结合起来，设计一个混合推荐系统。这种系统可以利用
- 余弦相似度算法和IntelliScraper
python人工智能
场景当时，我说要开发一个HSipder，开发完毕的时候，我发现不太智能，通过正则表达式拿过来的相似数据实际上也不太ok，但是后面我在接触机器学习的时候听闻了余弦相似度算法，当时用他爬了一些网页，结果是很ok的，于是我把HSipder项目拆了拆加入了余弦算法，我发现准确度上去了一个维度。很Nice，随机我将其发布到pypi库，并且开源，命名为IntelliScraper，意思是智能爬，也有人工智能的
- NLP_Bag-Of-Words(词袋模型)
you_are_my_sunshine*
NLP自然语言处理人工智能
文章目录词袋模型用词袋模型计算文本相似度1.构建实验语料库2.给句子分词3.创建词汇表4.生成词袋表示5.计算余弦相似度6.可视化余弦相似度词袋模型小结词袋模型词袋模型是一种简单的文本表示方法，也是自然语言处理的一个经典模型。它将文本中的词看作一个个独立的个体，不考虑它们在句子中的顺序，只关心每个词出现的频次，如下图所示用词袋模型计算文本相似度1.构建实验语料库#构建一个数据集corpus=["我
- 数据挖掘——考试复习
hzx99
考试复习数据挖掘考试复习
数据挖掘——考试复习考点填空欧几里得距离余弦相似度简单匹配系数Jaccard系数数据集的ClassficationError数据集的Gini值召回率和精度问答支持向量机的“最大边缘”原理软边缘支持向量机的基本工作原理非线性支持向量机的基本工作原理计算朴素贝叶斯分类ID3决策树、计算数据集的熵、计算划分的期望信息、信息增益计算欧式距离、KNN分类给定事务数据集、求频繁K项集，求指定的关联规则的支持度
- 推荐系统算法实践 - P2 推荐系统的召回算法
左心Chris
4协同过滤-基于行为协同过滤算法协同过滤算法是什么？基于跟你类似的用户喜欢的东西，你也会喜欢基于跟你喜欢的东西类似的物品，你也会喜欢怎么体现类似的这个情景？同现相似度，欧几里得距离，皮尔逊相关系数，余弦相似度皮尔逊相关系数大小跟紧密程度的关系？皮尔逊相关系数[-1,1]，绝对值越接近于1，越线性相关什么时候使用向量乘法，什么时候选择余弦相似度？如果向量的长度本身对相似有影响，建议使用内积，比如评分
- 我用Java写了一个协调过滤算法案例
还得是你大哥
java服务端java算法开发语言
协调过滤算法（CollaborativeFiltering）是一种基于用户行为数据的推荐算法。这里给出一个简单的Java实现案例，使用余弦相似度计算物品之间的相似度，并根据相似度为用户推荐物品。importjava.util.*;publicclassCollaborativeFiltering{publicstaticvoidmain(String[]args){//用户评分数据Map>user
- 【ChatGPT】文本向量化与余弦相似度：揭开文本处理的神秘面纱
魔道不误砍柴功
AI大模型chatgpt
1、引言在这个数字化的时代，我们每天都会面对大量的文本信息，从社交媒体到新闻报道，文本无处不在。但是，计算机要如何理解和处理这些文字呢？本文将为大家揭开其中的一些奥秘，详细解释文本向量化的概念，以及通过余弦相似度如何计算文本之间的相似度。说白了，就是把文字、图片或其他东西变成一串数字，然后通过计算这些数字的距离来找相似的东西。这样做有啥好处呢？能够让搜索更快、更准确，而且在很多地方都能派上用场。2
- DeepSORT算法实现车辆和行人跟踪计数和是否道路违规检测（代码＋教程）
毕设阿力
算法
DeepSORT算法是一种用于目标跟踪的算法，它可以对车辆和行人进行跟踪计数，并且可以检测是否存在道路违规行为。该算法采用深度学习技术来提取特征，并使用卡尔曼滤波器来估计物体的速度和位置。DeepSORT算法通过首先使用目标检测算法来识别出场景中的车辆和行人，然后使用卷积神经网络（CNN）来提取物体的特征。接着，该算法使用余弦相似度来计算物体之间的相似度，并使用匈牙利算法来匹配跟踪器和检测器之间的
- 【Python3】计算两个字符串的相似度
言之。
python
在Python中，你可以使用不同的算法和库来计算两个字符串的相似度。这里介绍两种常用的方法：编辑距离和余弦相似度。1.编辑距离（EditDistance）：编辑距离是衡量两个字符串之间的差异程度的一种度量方式。在Python中，可以使用编辑距离算法来计算两个字符串之间的相似度。可以使用python-Levenshtein库来实现。首先，你需要安装python-Levenshtein库：pipins
- 文本相似度计算
Logan_addoil
python大数据学习之旅python
相似度度量：计算个体间相似度相似度值越小，距离越大，相似度越大，距离越小余弦相似度：一个向量空间中两个向量夹角的余弦值作为衡量两个个体之间差异的大小余弦值接近1，夹角趋于0，表明两个向量越相似例如：文本相似度计算1.找出两篇文章的关键词2.每篇文章各取出若干关键词，合并成一个集合，计算每篇文章对于这个词的词频3.生成两篇文章各自的词频向量4.计算两个向量的余弦相似度，值越大就表示越相似import
- 余弦距离和余弦相似度的区别
weixin_44040169
算法机器学习人工智能
余弦相似度，就是计算两个向量间的夹角的余弦值：cosθ，取值范围[-1,1]。值越大，相似度越高余弦距离就是用1减去这个获得的余弦相似度：1-cosθ，取值范围[0,2]。值越大，距离越远。余弦距离和欧氏距离一样都可以用来衡量向量距离：都是值越大，距离越远。
- 推荐系统算法 协同过滤算法详解（一）杰卡德相似度和余弦相似度使用、缺陷
A乐神
算法算法
目录前言协同过滤算法(简称CF)杰卡德相似度公式：示例缺陷余弦相似度算法：例子缺陷以及和皮尔森系数对比总结前言理解吧同胞们，实在是没办发把wps公式复制到文章上，只能截图了，我服了！！！协同过滤算法(简称CF)在早期，协同过滤几乎等同于推荐系统。主要的功能是预测和推荐。协同过滤推荐算法分为两类，分别是：（英文userCF）基于用户的协同过滤算法(相似的用户可能喜欢相同物品)；这个一般适合推荐新闻和
- OpenCV书签 #余弦相似度的原理与相似图片/相似文件搜索实验
有时有味
OpenCV算法Pythonopencv余弦相似度相似文件搜索图搜索算法以图搜图pythonnumpy
1.介绍余弦相似度（CosineSimilarity），又称为余弦相似性，是通过计算两个向量的夹角余弦值来评估他们的相似度。余弦相似度仅仅与向量的指向方向相关，与向量的长度无关，它将向量根据坐标值绘制到向量空间中，如最常见的二维空间。因此，万物皆向量，我们可以使用余弦相似度来进行相似图片查找、相似文件搜索等工作。两个向量间的余弦值可以通过使用欧几里得点积公式求出：给定两个属性向量，A和B，其余弦相
- 神经网络中的损失函数（下）——分类任务
liuzibujian
神经网络分类人工智能机器学习损失函数
神经网络中的损失函数前言分类任务中的损失函数交叉熵最大似然信息论信息量信息熵最短平均编码长度交叉熵KL散度余弦相似度损失函数总结前言上文主要介绍了回归任务中常用的几个损失函数，本文则主要介绍分类任务中的损失函数。分类任务中的损失函数为了与回归任务的损失函数形式相统一，此处仅考虑某一条数据的损失函数。在分类任务中，假设一共有nnn个类别。该数据的真实值YYY一般用独热编码（只有某一位为1，其余都是0
- 机器学习 - 余弦相似度算法和IntelliScraper
北堂飘霜
机器学习算法人工智能
场景当时，我说要开发一个HSipder，开发完毕的时候，我发现不太智能，通过正则表达式拿过来的相似数据实际上也不太ok，但是后面我在接触机器学习的时候听闻了余弦相似度算法，当时用他爬了一些网页，结果是很ok的，于是我把HSipder项目拆了拆加入了余弦算法，我发现准确度上去了一个维度。很Nice，随机我将其发布到pypi库，并且开源，命名为IntelliScraper，意思是智能爬，也有人工智能的
- NLP-文本处理：实体消歧/词义消歧（Entity Disambiguiation / Word Sense Disambiguation）
u013250861
#NLP基础/句法语义分析
一、简单方法1、提前构建好实体库（描述库）2、将文本转为向量将含有待消歧实体的文本句子AAA(实体前后各取10~20个单词)，实体库中该实体的各种描述的句子（A1,A2,...A_1,A_2,...A1,A2,...）都转为向量，然后通过余弦相似度计算cos(A,A1),cos(A,A2),...cos(A,A_1),cos(A,A_2),...cos(A,A1),cos(A,A2),...，最后
- 余弦相似度的计算以及公式
爱打网球的小哥哥一枚吖
信息检索信息检索
公式：思想：余弦相似度的思想是通过计算两个向量之间的余弦值来衡量它们的相似程度。如果两个向量之间的夹角越小，它们的余弦值就越接近1，也就意味着它们越相似。而如果它们的夹角越大，余弦值就越接近0，也就意味着它们越不相似。因此，余弦相似度常用于文本分类、推荐系统、图像处理等领域，以评估两个向量之间的相似程度。计算：引用：余弦相似度计算_计算两个向量的余弦相似度-CSDN博客
- LangChain 65 深入理解LangChain 表达式语言28 余弦相似度Router Moderation LangChain Expression Language (LCEL)
AI架构师易筋
LLM-LargeLanguageModelslangchainchatgpt人工智能python
LangChain系列文章LangChain50深入理解LangChain表达式语言十三自定义pipeline函数LangChainExpressionLanguage(LCEL)LangChain51深入理解LangChain表达式语言十四自动修复配置RunnableConfigLangChainExpressionLanguage(LCEL)LangChain52深入理解LangChain表达
- 基于内容推荐（TF-IDF）的新闻博客系统-期末项目/毕业设计
Please Sit Down
项目毕业设计Javajava
技术栈JavaEEEclipseMysql-5.6SpringSpringMVCMybatisJavaScriptEasyUITF-IDF算法推荐算法基于内容推荐算法：TF-IDF基本原理：根据用户的浏览行为，获得用户的兴趣偏好度，为用户推荐跟他的兴趣偏好相似的内容，采用词频-逆文档词频来提取文章关键字，根据关键词词频向量计算相似度（余弦相似度）来进行内容推荐。（1）方法描述在新闻领域，推荐系统将
- 机器学习 -- 余弦相似度
北堂飘霜
pythonAI机器学习人工智能
场景我有一个页面如下（随便找的）：我的需求是拿到所有回答的链接，再或者我在找房子网上，爬到所有的房产信息，我们并不想做过多的处理，我只要告诉程序，请帮我爬一个类似xxx相似度为0.5的就可以了，然后我自会写一小段代码去给数据清洗，这就免去了每次不同网站写不同的一套脚本的痛苦。这里就用到了余弦相似度。余弦相似度余弦相似度，又称为余弦相似性，是通过测量两个向量的夹角的余弦值来度量它们之间的相似性。两个
- 【机器学习：余弦相似度 】机器学习中余弦相似度的理解和应用
jcfszxc
机器学习知识专栏机器学习人工智能
【机器学习：余弦相似度】机器学习中余弦相似度的理解和应用定义余弦距离角距离和相似度L2L_2L2归一化欧几里得距离Otsuka–Ochiai系数属性余弦相似度的三角不等式软余弦测量应用示例扩展GPT图像示例在数据分析领域，余弦相似度用于度量内积空间中两个非零向量之间的相似性。它等于这两个向量间夹角的余弦值，即向量点积除以它们长度的乘积。因此，余弦相似度与向量的大小无关，仅与它们的夹角有关。余弦相似
- 词向量技术 | SkipGram词向量模型的训练以及词的余弦相似度计算
源于花海
自然语言处理人工智能自然语言处理nlp
Hi，大家好啊！词向量是表示自然语言里单词的一种方法，词向量技术在自然语言处理中也有着举足轻重的作用，通过这种方法，实现把自然语言计算转换为向量计算。一、词向量训练1.词向量计算简介在自然语言处理任务中，词向量是表示自然语言里单词的一种方法，即把每个词都表示为一个N维空间内的点，即一个高维空间内的向量。通过这种方法，实现把自然语言计算转换为向量计算。如图1所示的词向量计算任务中，先把每个词（如qu
- 余弦相似度匹配
步入繁华
今天的产品涉及到一个相似度匹配算法，上网查了这类算法很多。跟研发讨论，研发推荐使用余弦值相似度算法。余弦值相似度算法是个什么算法？余弦距离，也称为余弦相似度，是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量。余弦值越接近1，也就是两个向量越相似，这就叫"余弦相似性"，余弦值越接近0，也就是两个向量越不相似，也就是这两个字符串越不相似。是不是更加云里雾里了？没关系，我数学这么差的
- 数据挖掘中的数据属性特点、描述性统计度量与相似度计算
轩Scott
数据挖掘人工智能
目录1.引言2.数据挖掘中的数据属性2.1数值属性2.2标称属性2.3有序属性2.4无序属性3.描述性统计度量3.1中心趋势度量3.2离散程度度量3.3分布形状度量4.相似度计算4.1欧氏距离4.2余弦相似度4.3Jaccard5.数据挖掘中的案例应用5.1电商推荐系统5.2医疗诊断5.3金融风险预测6.挑战与未来发展7.结论1.引言数据挖掘是通过发现隐藏在大量数据背后的模式、关系和趋势，为决策提
- 2023下半年的总结
从零开始的奋豆
机器学习人工智能scikit-learn目标检测深度学习
我从八月下旬开始写的，到现在差不多有半年了，总结一下吧！1.计算机视觉在计算机视觉方面，想必两个有名的深度学习框架（TensorFlow和PyTorch）大家都很清楚吧，以及OpenCV库。对于人脸识别，可以采用了基于深度学习的特征提取方法，通过训练卷积神经网络（CNN）来提取人脸特征，并使用余弦相似度进行特征匹配，实现人脸的快速识别。在物体跟踪方面，可以采用了基于目标检测的方法，通过训练YOLO
- 余弦相似度算法
xwhking
算法
余弦相似度算法是什么余弦距离，也称为余弦相似度，是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量。余弦值越接近1，就表明夹角越接近0度，也就是两个向量越相似，这就叫"余弦相似性"。怎么用利用n维向量的计算公式我们知道二维余弦计算公式为：拓展至n维应用实例【下面举一个例子，来说明余弦计算文本相似度】举一个例子来说明，用上述理论计算文本的相似性。为了简单起见，先从句子着手。句子A：
- Python使用余弦相似度比较两个图片
Dxy1239310216
图像处理Pythonpython开发语言图像处理
为了使用余弦相似度来找到与样例图片相似的图片，我们需要先进行一些预处理，然后计算每两张图片之间的余弦相似度。以下是一个简单的实现：读取样例图片和目标文件夹中的所有图片。对每张图片进行预处理，例如灰度化、降噪等。计算每张图片与样例图片的余弦相似度。找到与样例图片最相似的图片并复制到指定目录。首先，确保你已经安装了必要的库：pipinstallopencv-pythonnumpyPillowsciki
- 大模型系列：OpenAI使用技巧_自定义文本向量化embeding
愤斗的橘子
#OpenAI数据挖掘语言模型
文章目录0.Imports1.输入2.加载和处理输入数据3.将数据分成训练和测试集4.生成合成的负样本5.计算嵌入和余弦相似度6.绘制余弦相似度的分布图7.使用提供的训练数据优化矩阵。8.绘制训练期间找到的最佳矩阵的前后对比图，展示结果本笔记本演示了一种将OpenAI嵌入定制为特定任务的方法。输入是以[text_1，text_2，label]形式的训练数据，其中label为+1表示这些句子对相似，
- 五种常用距离的代码实现：欧式距离、曼哈顿距离、闵可夫斯基距离、余弦相似度、杰卡德距离
阿_旭
算法与数据结构向量距离计算
《博主简介》小伙伴们好，我是阿旭。专注于人工智能、AIGC、python、计算机视觉相关分享研究。✌更多学习资源，可关注公-仲-hao:【阿旭算法与机器学习】，共同学习交流~感谢小伙伴们点赞、关注！《------往期经典推荐------》一、AI应用软件开发实战专栏【链接】项目名称项目名称1.【人脸识别与管理系统开发】2.【车牌识别与自动收费管理系统开发】3.【手势识别系统开发】4.【人脸面部活体
- Linux的Initrd机制
被触发
linux
Linux 的 initrd 技术是一个非常普遍使用的机制，linux2.6 内核的 initrd 的文件格式由原来的文件系统镜像文件转变成了 cpio 格式，变化不仅反映在文件格式上， linux 内核对这两种格式的 initrd 的处理有着截然的不同。本文首先介绍了什么是 initrd 技术，然后分别介绍了 Linux2.4 内核和 2.6 内核的 initrd 的处理流程。最后通过对 Lin
- maven本地仓库路径修改
bitcarter
maven
默认maven本地仓库路径：C:\Users\Administrator\.m2
修改maven本地仓库路径方法：
1.打开E:\maven\apache-maven-2.2.1\conf\settings.xml
2.找到
- XSD和XML中的命名空间
darrenzhu
xmlxsdschemanamespace命名空间
http://www.360doc.com/content/12/0418/10/9437165_204585479.shtml
http://blog.csdn.net/wanghuan203/article/details/9203621
http://blog.csdn.net/wanghuan203/article/details/9204337
http://www.cn
- Java 求素数运算
周凡杨
java算法素数
网络上对求素数之解数不胜数，我在此总结归纳一下，同时对一些编码，加以改进，效率有成倍热提高。
第一种：
原理: 6N(+-)1法 任何一个自然数，总可以表示成为如下的形式之一： 6N，6N+1，6N+2，6N+3，6N+4，6N+5 (N=0，1，2，…)
- java 单例模式
g21121
java
想必单例模式大家都不会陌生，有如下两种方式来实现单例模式：
class Singleton {
private static Singleton instance=new Singleton();
private Singleton(){}
static Singleton getInstance() {
return instance;
}
- Linux下Mysql源码安装
510888780
mysql
1.假设已经有mysql-5.6.23-linux-glibc2.5-x86_64.tar.gz
(1)创建mysql的安装目录及数据库存放目录
解压缩下载的源码包，目录结构，特殊指定的目录除外：
- 32位和64位操作系统
墙头上一根草
32位和64位操作系统
32位和64位操作系统是指：CPU一次处理数据的能力是32位还是64位。现在市场上的CPU一般都是64位的，但是这些CPU并不是真正意义上的64 位CPU，里面依然保留了大部分32位的技术，只是进行了部分64位的改进。32位和64位的区别还涉及了内存的寻址方面，32位系统的最大寻址空间是2 的32次方= 4294967296（bit）= 4（GB）左右，而64位系统的最大寻址空间的寻址空间则达到了
- 我的spring学习笔记10-轻量级_Spring框架
aijuans
Spring 3
一、问题提问：
→ 请简单介绍一下什么是轻量级？
轻量级（Leightweight）是相对于一些重量级的容器来说的，比如Spring的核心是一个轻量级的容器，Spring的核心包在文件容量上只有不到1M大小，使用Spring核心包所需要的资源也是很少的，您甚至可以在小型设备中使用Spring。
- mongodb 环境搭建及简单CURD
antlove
WebInstallcurdNoSQLmongo
一 搭建mongodb环境
1. 在mongo官网下载mongodb
2. 在本地创建目录 "D:\Program Files\mongodb-win32-i386-2.6.4\data\db"
3. 运行mongodb服务 [mongod.exe --dbpath "D:\Program Files\mongodb-win32-i386-2.6.4\data\
- 数据字典和动态视图
百合不是茶
oracle数据字典动态视图系统和对象权限
数据字典（data dictionary）是 Oracle 数据库的一个重要组成部分，这是一组用于记录数据库信息的只读（read-only）表。随着数据库的启动而启动,数据库关闭时数据字典也关闭 数据字典中包含
数据库中所有方案对象（schema object）的定义(包括表，视图，索引，簇，同义词，序列，过程，函数，包，触发器等等)
数据库为一
- 多线程编程一般规则
bijian1013
javathread多线程java多线程
如果两个工两个以上的线程都修改一个对象，那么把执行修改的方法定义为被同步的，如果对象更新影响到只读方法，那么只读方法也要定义成同步的。
不要滥用同步。如果在一个对象内的不同的方法访问的不是同一个数据，就不要将方法设置为synchronized的。
- 将文件或目录拷贝到另一个Linux系统的命令scp
bijian1013
linuxunixscp
一.功能说明 scp就是security copy，用于将文件或者目录从一个Linux系统拷贝到另一个Linux系统下。scp传输数据用的是SSH协议，保证了数据传输的安全，其格式如下： scp 远程用户名@IP地址：文件的绝对路径
- 【持久化框架MyBatis3五】MyBatis3一对多关联查询
bit1129
Mybatis3
以教员和课程为例介绍一对多关联关系，在这里认为一个教员可以叫多门课程，而一门课程只有1个教员教，这种关系在实际中不太常见，通过教员和课程是多对多的关系。
示例数据：
地址表：
CREATE TABLE ADDRESSES
(
ADDR_ID INT(11) NOT NULL AUTO_INCREMENT,
STREET VAR
- cookie状态判断引发的查找问题
bitcarter
formcgi
先说一下我们的业务背景：
1.前台将图片和文本通过form表单提交到后台，图片我们都做了base64的编码，并且前台图片进行了压缩
2.form中action是一个cgi服务
3.后台cgi服务同时供PC，H5，APP
4.后台cgi中调用公共的cookie状态判断方法（公共的，大家都用，几年了没有问题）
问题：（折腾两天。。。。）
1.PC端cgi服务正常调用，cookie判断没
- 通过Nginx,Tomcat访问日志(access log)记录请求耗时
ronin47
一、Nginx通过$upstream_response_time $request_time统计请求和后台服务响应时间
nginx.conf使用配置方式：
log_format main '$remote_addr - $remote_user [$time_local] "$request" ''$status $body_bytes_sent "$http_r
- java-67- n个骰子的点数。 把n个骰子扔在地上，所有骰子朝上一面的点数之和为S。输入n，打印出S的所有可能的值出现的概率。
bylijinnan
java
public class ProbabilityOfDice {
/**
* Q67 n个骰子的点数
* 把n个骰子扔在地上，所有骰子朝上一面的点数之和为S。输入n，打印出S的所有可能的值出现的概率。
* 在以下求解过程中，我们把骰子看作是有序的。
* 例如当n=2时，我们认为（1，2）和（2，1）是两种不同的情况
*/
private stati
- 看别人的博客，觉得心情很好
Cb123456
博客心情
以为写博客，就是总结，就和日记一样吧，同时也在督促自己。今天看了好长时间博客:
职业规划:
http://www.iteye.com/blogs/subjects/zhiyeguihua
android学习:
1.http://byandby.i
- [JWFD开源工作流]尝试用原生代码引擎实现循环反馈拓扑分析
comsci
工作流
我们已经不满足于仅仅跳跃一次，通过对引擎的升级，今天我测试了一下循环反馈模式，大概跑了200圈，引擎报一个溢出错误
在一个流程图的结束节点中嵌入一段方程，每次引擎运行到这个节点的时候，通过实时编译器GM模块，计算这个方程，计算结果与预设值进行比较，符合条件则跳跃到开始节点，继续新一轮拓扑分析，直到遇到
- JS常用的事件及方法
cwqcwqmax9
js
事件 描述
onactivate 当对象设置为活动元素时触发。
onafterupdate 当成功更新数据源对象中的关联对象后在数据绑定对象上触发。
onbeforeactivate 对象要被设置为当前元素前立即触发。
onbeforecut 当选中区从文档中删除之前在源对象触发。
onbeforedeactivate 在 activeElement 从当前对象变为父文档其它对象之前立即
- 正则表达式验证日期格式
dashuaifu
正则表达式IT其它java其它
正则表达式验证日期格式
function isDate(d){
var v = d.match(/^(\d{4})-(\d{1,2})-(\d{1,2})$/i);
if(!v) {
this.focus();
return false;
}
}
<input value="2000-8-8" onblu
- Yii CModel.rules() 方法 、validate预定义完整列表、以及说说验证
dcj3sjt126com
yii
public array rules () {return} array 要调用 validate() 时应用的有效性规则。 返回属性的有效性规则。声明验证规则，应重写此方法。 每个规则是数组具有以下结构：array('attribute list', 'validator name', 'on'=>'scenario name', ...validation
- UITextAttributeTextColor = deprecated in iOS 7.0
dcj3sjt126com
ios
In this lesson we used the key "UITextAttributeTextColor" to change the color of the UINavigationBar appearance to white. This prompts a warning "first deprecated in iOS 7.0."
Ins
- 判断一个数是质数的几种方法
EmmaZhao
Mathpython
质数也叫素数，是只能被1和它本身整除的正整数，最小的质数是2，目前发现的最大的质数是p=2^57885161-1【注1】。
判断一个数是质数的最简单的方法如下：
def isPrime1(n):
for i in range(2, n):
if n % i == 0:
return False
return True
但是在上面的方法中有一些冗余的计算，所以
- SpringSecurity工作原理小解读
坏我一锅粥
SpringSecurity
SecurityContextPersistenceFilter
ConcurrentSessionFilter
WebAsyncManagerIntegrationFilter
HeaderWriterFilter
CsrfFilter
LogoutFilter
Use
- JS实现自适应宽度的Tag切换
ini
JavaScripthtmlWebcsshtml5
效果体验：http://hovertree.com/texiao/js/3.htm
该效果使用纯JavaScript代码，实现TAB页切换效果，TAB标签根据内容自适应宽度，点击TAB标签切换内容页。
HTML文件代码：
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml"
- Hbase Rest API : 数据查询
kane_xie
RESThbase
hbase（hadoop）是用java编写的，有些语言（例如python）能够对它提供良好的支持，但也有很多语言使用起来并不是那么方便，比如c#只能通过thrift访问。Rest就能很好的解决这个问题。Hbase的org.apache.hadoop.hbase.rest包提供了rest接口，它内嵌了jetty作为servlet容器。
启动命令：./bin/hbase rest s
- JQuery实现鼠标拖动元素移动位置（源码+注释）
明子健
jqueryjs源码拖动鼠标
欢迎讨论指正！
print.html代码：
<!DOCTYPE html>
<html>
<head>
<meta http-equiv=Content-Type content="text/html;charset=utf-8">
<title>发票打印</title>
&l
- Postgresql 连表更新字段语法 update
qifeifei
PostgreSQL
下面这段sql本来目的是想更新条件下的数据，可是这段sql却更新了整个表的数据。sql如下：
UPDATE tops_visa.visa_order
SET op_audit_abort_pass_date = now()
FROM
tops_visa.visa_order as t1
INNER JOIN tops_visa.visa_visitor as t2
ON t1.
- 将redis,memcache结合使用的方案?
tcrct
rediscache
公司架构上使用了阿里云的服务，由于阿里的kvstore收费相当高，打算自建，自建后就需要自己维护，所以就有了一个想法，针对kvstore(redis)及ocs(memcache)的特点，想自己开发一个cache层，将需要用到list，set，map等redis方法的继续使用redis来完成，将整条记录放在memcache下，即findbyid，save等时就memcache，其它就对应使用redi
- 开发中遇到的诡异的bug
wudixiaotie
bug
今天我们服务器组遇到个问题：
我们的服务是从Kafka里面取出数据，然后把offset存储到ssdb中，每个topic和partition都对应ssdb中不同的key，服务启动之后，每次kafka数据更新我们这边收到消息，然后存储之后就发现ssdb的值偶尔是-2,这就奇怪了，最开始我们是在代码中打印存储的日志，发现没什么问题，后来去查看ssdb的日志，才发现里面每次set的时候都会对同一个key
