lys_828
lys_828

【nlp】1.3 文本数据分析（标签数量分布、句子长度分布、词频统计与关键词词云）

文本数据分析

  • 1 文本数据分析介绍
  • 2 数据集说明
  • 3 获取标签数量分布
  • 4 获取句子长度分布
  • 5 获取正负样本长度散点分布
  • 6 获取不同词汇总数统计
  • 7 获取训练集高频形容词词云
  • 8 获取验证集形容词词云

1 文本数据分析介绍

文本数据分析的作用:

文本数据分析能够有效帮助我们理解数据语料，快速检查出语料可能存在的问题， 并指导之后模型训练过程中一些超参数的选择。

常用的几种文本数据分析方法:

  • 标签数量分布
  • 句子长度分布
  • 词频统计与关键词词云

2 数据集说明

我们将基于真实的中文酒店评论语料来讲解常用的几种文本数据分析方法.

中文酒店评论语料:

属于二分类的中文情感分析语料。

其中train.tsv代表训练集，dev.tsv代表验证集，二者数据样式相同。

train.tsv数据样式：

sentence    label
早餐不好,服务不到位<

你可能感兴趣的:(NLP自然语言处理,自然语言处理,数据分析,人工智能)

  • 语义向量模型全解：从基础到现在的deepseek中的语义向量主流模型 来自于狂人 人工智能语言模型
    一、语义向量模型：自然语言处理的基石语义向量模型（SemanticVectorModel）是自然语言处理（NLP）的核心技术，它将词汇、句子或文档映射为高维向量，在数学空间中量化语义信息。通过向量距离（如余弦相似度）衡量语义的相似性，支撑了搜索引擎、情感分析、机器翻译等实际应用。1.1发展简史1980s~2000s：基于统计的浅层模型，如TF-IDF（直接表征词的重要性）、LSA（通过矩阵分解降维
  • 基于Ubuntu+vLLM+NVIDIA T4高效部署DeepSeek大模型实战指南 来自于狂人 python人工智能pytorch语言模型
    一、前言：拥抱vLLM与T4显卡的强强联合在探索人工智能的道路上，如何高效地部署和运行大型语言模型（LLMs）一直是一个核心挑战。尤其是当我们面对资源有限的环境时，这个问题变得更加突出。原始的DeepSeek-R1-32B模型虽然强大，但在T4显卡上遭遇了显存溢出的问题，这限制了其在实际应用中的潜力。为了解决这一难题，我们转向了官方提供的优化版本——DeepSeek-R1-Distill-Qwen
  • 费曼学习法12 - 告别 Excel！用 Python Pandas 开启数据分析高效之路 (Pandas 入门篇) 修昔底德 Python费曼学习法学习excelpython人工智能pandas
    第一篇：告别Excel！用PythonPandas开启数据分析高效之路(Pandas入门篇)开篇提问：想象一下，你是一位数据侦探，手头有一堆案件线索（数据）。你的目标是从这些线索中找出真相，发现数据背后的秘密。如果你的工具箱里只有一把普通的放大镜（Excel），处理少量简单的数据还行，但面对海量复杂的数据，是不是感觉有点力不从心，效率低下？是时候升级你的装备了！PythonPandas就是你数据分
  • 深度学习算法模型：从原理到未来 YDH_AlwaysRunning 深度学习
    近年来，人工智能（AI）技术以前所未有的速度改变着人类生活，而深度学习的崛起无疑是这场技术革命的核心驱动力。从手机中的语音助手到医学影像的智能诊断，从自动驾驶汽车到生成式AI创作的诗歌和画作，深度学习算法模型正逐渐渗透到社会的每个角落。本文将从基本原理出发，解析典型模型的运作机制，探讨其应用现状与发展趋势，带您全面认识这一改变世界的技术。一、深度学习的基本原理：让机器学会"思考"1.1神经网络的生
  • python 正则表达式 李昊哲小课 大数据人工智能pythonpython正则表达式数据分析人工智能大数据
    #coding:utf-8importre常用函数代码3-1使用match函数匹配文本match函数，从字符串‌起始位置‌匹配正则表达式，返回Match对象（匹配失败返回None）。text1='自然语言处理是研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。'print('匹配的结果是：',re.match(r'自然语言处理
  • AI 芯片全解析：定义、市场趋势与主流芯片对比 嵌入式Jerry AI人工智能物联网嵌入式硬件服务器运维
    1.引言：什么是AI芯片？随着人工智能（AI）的快速发展，AI计算的需求不断增长，从云计算到边缘计算，AI芯片成为推动智能化时代的核心动力。那么，什么样的芯片才算AI芯片？与普通处理器（如CPU、GPU）相比，AI芯片有什么不同？本文将详细解析AI芯片的定义、核心特性、市场上的流行产品（国内外），以及AI芯片的定位与发展趋势。2.什么才算AI芯片？2.1AI芯片的核心特性AI芯片专为神经网络计算、
  • 如何使用DeepSeek进行高效数据挖掘与分析 Small踢倒coffee_氕氘氚 笔记经验分享迭代器模式
    ##摘要随着大数据时代的到来，数据挖掘与分析技术在各行各业中扮演着越来越重要的角色。DeepSeek作为一种先进的数据挖掘工具，能够帮助用户从海量数据中提取有价值的信息。本文将详细介绍DeepSeek的功能、使用方法及其在实际应用中的优势，旨在为用户提供一份全面的使用指南。##关键词DeepSeek、数据挖掘、数据分析、机器学习、大数据##引言###背景在当今信息爆炸的时代，数据已成为企业决策的重
  • 预训练模型微调与下游任务迁移学习技术 AGI大模型与大数据研究院 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
    1.背景介绍机器学习技术近年来在计算机视觉、自然语言处理等领域取得了飞速发展,这离不开大规模预训练模型的贡献。预训练模型通过在海量数据上的自监督学习,学习到了丰富的特征表示,为下游任务提供了强大的初始化。而对预训练模型进行有效的微调,可以充分利用预训练知识,在有限数据上快速达到出色的性能。此外,迁移学习技术也为模型在不同任务间的知识复用提供了有效途径。本文将详细介绍预训练模型微调与下游任务迁移学习
  • 什么是预训练语言模型下游任务？ 衣衣困 语言模型人工智能自然语言处理
    问题：Word2Vec模型是预训练模型吗？由于训练的特性，word2Vec模型一定是与训练模型。给定一个词先使用独热编码然后使用预训练好的Q矩阵得到这个词的词向量。这里指的是词向量本身就是预训练的语言模型。什么是下游任务？在自然语言处理（NLP）和机器学习领域，下游任务（downstreamtasks）指的是使用已经训练好的模型或表示（如词向量、预训练的模型等）来解决的具体任务。这些任务通常依赖于
  • DeepSeek：大模型领域的创新力量 Kurbaneli 服务器
    在人工智能大模型蓬勃发展的时代，DeepSeek以其独特的技术优势和广泛的应用潜力，迅速在市场中崭露头角。自年初发布以来，DeepSeek引发了行业内外的高度关注，对众多领域的发展产生了深远影响。一、技术优势剖析DeepSeek在技术层面展现出了诸多亮点。其核心的语言模型架构经过精心设计与优化，能够高效处理海量文本数据，实现精准的语义理解和生成。在自然语言处理任务中，无论是基础的文本翻译、问答系统
  • 大语言模型原理与工程实践：大语言模型推理工程推理加速：算子优化 AI天才研究院 计算DeepSeekR1&大数据AI人工智能大模型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
    1.背景介绍近年来，大语言模型（LargeLanguageModel，LLM）在自然语言处理（NLP）领域取得了显著的进展。其中，推理（Inference）过程是大语言模型的核心环节之一。然而，随着模型规模的不断扩大，推理过程中的计算复杂度和延时也逐渐成为制约模型应用的重要因素。因此，如何实现大语言模型推理工程的推理加速，成为研究者和工程师迫切需要解决的问题。2.核心概念与联系在本文中，我们将深入
  • AI辅助的企业估值报告生成器 AI智能涌现深度研究 DeepSeekR1&大数据AI人工智能人工智能ai
    AI辅助的企业估值报告生成器关键词AI辅助估值企业估值报告数据处理机器学习算法报告生成器摘要本文将探讨如何利用人工智能技术辅助企业估值报告的生成。通过分析估值报告的重要性、AI技术在估值报告中的应用场景、估值模型与数据处理方法，以及机器学习算法在估值中的应用，本文旨在为企业和投资者提供一个高效、准确、可视化的估值报告生成解决方案。同时，本文还将介绍一个估值报告生成器的实现过程，并通过实际案例进行分
  • 全套DeepSeek使用手册分享【清华北大出品】 咪咪360 pdfAI写作AIGC人工智能学习
    资料链接：https://pan.quark.cn/s/517afdb4419c这两天，清华大学和北京大学的AI学习手册火了！随着人工智能的日益火爆，人们越来越重视AI的学习，而清华北大也顺应潮流，送出重磅福利。短短不到一个月，连续产出了多本高质量的DeepSeek学习手册。帮助普通人高效便捷的学习AI。完整版学习资料我已经帮大家整理好了，放在开头，大家自行领取学习。
  • SQL技能大进阶：解锁高级技巧，提升数据处理效率 大雨淅淅 数据库sql数据库
    目录一、引言二、10个不可不知的高级SQL技巧（一）窗口函数：数据分析的得力助手（二）公共表达式（CTEs）：让查询更清晰（三）聚合函数：数据汇总的利器（四）递归CTEs：处理分层数据的神器（五）临时函数：简化代码的好帮手（六）使用CASEWHEN枢转数据：灵活处理数据（七）EXCEPTvsNOTIN：查询数据的不同方式（八）自联结：在同一表中查找关联数据（九）RankvsDenseRankvsR
  • 微调（Fine-tuning） 路野yue 人工智能深度学习
    微调（Fine-tuning）是自然语言处理（NLP）和深度学习中的一种常见技术，用于将预训练模型（Pre-trainedModel）适配到特定任务上。它的核心思想是：在预训练模型的基础上，通过少量任务相关的数据进一步训练模型，使其更好地适应目标任务。1.微调的核心思想预训练模型：像BERT、GPT这样的模型，已经在大量通用文本数据上进行了预训练，学习到了丰富的语言知识（如语法、语义、上下文关系等
  • AI Agent，大模型重要落地方向 IT猫仔 人工智能语言模型架构搜索引擎机器学习
    01什么是AIAgent？OpenAI将AIAgent定义为，以大语言模型为大脑驱动，具有自主理解感知、规划、记忆和使用工具的能力，能自动化执行完成复杂任务的系统。在计算机、人工智能专业技术领域，一般将agent译为“智能体”，即是在一定的环境中体现出自治性、反应性、社会性、预动性、思辨性（慎思性）、认知性等一种或多种智能特征的软件或硬件实体。它具有记忆、规划、行动和使用工具四个主要模块。通过四个
  • AI人工智能 Agent：对教育的影响 AGI大模型与大数据研究院 DeepSeekR1&大数据AI人工智能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
    AI人工智能Agent：对教育的影响1.背景介绍1.1教育领域的转变随着科技的飞速发展,教育领域也在经历着前所未有的变革。传统的教学模式已经无法完全满足现代社会对人才培养的需求。在这种背景下,人工智能(AI)技术应运而生,为教育领域带来了全新的机遇和挑战。1.2人工智能在教育中的作用人工智能技术可以为教育提供个性化、智能化和高效的解决方案。AI智能代理(Agent)作为人工智能的重要组成部分,正在
  • 项目开发实录（一）：基于RDK X5的智能垃圾分类垃圾桶 一团乱毛线� RDKX5地瓜机器人分类人工智能
    文章目录项目简介硬件及材料列表整体架构流程技术细节后续开发安排-----------------------------分割线----------------------------------项目简介基于RDKX5开发板的智能垃圾分类垃圾桶项目，旨在利用人工智能技术实现垃圾的自动识别与分类。垃圾桶硬件装置应实现对行人投入垃圾的四分类投放(可回收垃圾、有害垃圾、厨余垃圾、其他垃圾)。该系统主要由摄
  • 3 步低代码构建 AI 股票分析助手 人工智能技术资讯 低代码人工智能
    在金融服务行业的数字化转型浪潮中，构建一个灵活、可扩展、高度可用的现代IT架构是金融机构面临的重中之重。在这一过程中，生成式人工智能（GenerativeAI）正成为助力金融从业者提高工作效率、优化决策过程的重要工具。在金融市场上，买方机构通常会努力发掘有关金融市场运作的信息，以期获得战胜市场的能力。他们通常需要发掘对投资组合风险有重大影响的风险因子，比如市场因子、行业因子、规模因子、价值因子等；
  • 《DataWorks：为人工智能算法筑牢高质量数据根基》 人工智能深度学习
    在当今数字化时代，人工智能（AI）技术的迅猛发展深刻地改变着各个行业的面貌。从智能推荐系统到医疗影像诊断，从自动驾驶到自然语言处理，AI正以前所未有的速度渗透到我们生活和工作的方方面面。而在这一系列AI应用的背后，高质量的训练数据是其能够发挥强大效能的关键所在。就如同巧妇难为无米之炊，没有优质的数据，再先进的AI算法也难以施展拳脚。阿里巴巴的DataWorks，作为一款强大的大数据开发治理平台，在
  • 基于Django的人脸识别考勤管理系统(源码+LW+部署讲解) 毕业程序员 python计算机毕业设计djangopython后端
    收藏关注不迷路文章目录前言一、项目介绍三、功能介绍四、核心代码五、效果图六、文章目录前言随着信息技术的快速发展和人工智能的广泛应用，人脸识别技术因其独特的识别优势和高效的处理能力，逐渐在考勤管理领域展现出巨大的应用潜力。本文首先回顾了人脸识别技术的发展历程，分析了其在考勤系统中的技术原理和实现方式。随后，文章详细介绍了人脸识别考勤系统的设计架构、核心算法及关键技术，包括图像采集、预处理、特征提取和
  • crewAI 工具箱指南 章迅筝Diane
    crewAI工具箱指南crewAI-tools项目地址:https://gitcode.com/gh_mirrors/cr/crewAI-tools项目介绍crewAI工具箱是专为crewAI框架设计的一个扩展库，它赋予了AI代理强大的工具集合，从而增强了AI解决方案的定制性和功能性。此项目旨在指导开发者如何设置并利用这些高级工具，使得AI代理能够执行从网络搜索、数据分析到协作和任务委派等多种功能
  • Claude 3.7 Sonnet上线，Anthropic向OpenAI和DeepSeek宣战！ 新加坡内哥谈技术 人工智能自然语言处理语言模型深度学习学习
    每周跟踪AI热点新闻动向和震撼发展想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！订阅：https://rengongzhineng.io/Anthropic最新发布的Claude3.7Sonnet正式加入AI智能体大战，不仅对
  • 让AI团队来分析股票！一份可以参考的简单研报——基于Python的CrewAI库 Ra1n_Su ai人工智能python
    引言在最近，一个更新的科技概念AIAgent（人工智能助手）引起了人们更为广泛的关注。比尔盖茨称其为“一个对科技行业的冲击波”。OpenAI将AIAgent定义为“以大语言模型为大脑驱动的系统，具备自主理解、感知、规划、记忆和使用工具的能力，能够自动化执行完成复杂任务的系统。”我们可以将其通俗地理解为一个“你提要求就行，任务我来做”的强大工具人。因此，本文要搭建一个扮演分析师角色的AIAgent。
  • ChatGPT-5：开创对话式AI的新纪元 可有道？ 人工智能AIGC
    随着科技的飞速发展，人工智能（AI）正在迅速改变我们的生活方式。作为AI技术的前沿代表之一，ChatGPT自其初次发布以来，就以其强大的语言理解和生成能力受到了广泛关注和应用。如今，OpenAI推出最新版本——ChatGPT-5，（预计将于2024年下半年发布）这一版本在各个方面都进行了显著的升级和改进。这里详细介绍一下ChatGPT-5的技术基础、升级功能及其在日常生活中的应用。1.ChatGP
  • Spring AI：智能化的开发新趋势 精神之祝 java人工智能springjava
    SpringAI：智能化的开发新趋势在当今数字化时代，人工智能（AI）技术正在迅速渗透到各个行业和领域。作为Java开发者，掌握AI技术以及如何将其与现有的开发框架结合使用，已成为提升竞争力的重要途径。Spring生态系统的强大，使得开发者能够将AI集成到他们的应用程序中，今天将深入探讨SpringAI的各个方面，帮助你理解这一新兴技术。文章目录SpringAI：智能化的开发新趋势一、什么是Spr
  • Spring AI Alibaba：Java 开发者的 AI 应用开发新利器 ZnSoft〔100-1=0〕 javaspring人工智能
    在当今这个由人工智能（AI）驱动的时代，AI技术正在以前所未有的速度改变着我们的工作和生活方式。对于Java开发者来说，将AI能力集成到他们的应用程序中，已经成为了一个迫切的需求。阿里云开源的SpringAIAlibaba框架，正是为了满足这一需求而生。本文将详细介绍SpringAIAlibaba的起源、核心特性，并通过一个示例展示其在AI应用开发中的便利性。一、SpringAIAlibaba的起
  • 软件设计和软件架构之间的区别 前网易架构师-高司机 软件架构软件设计系统架构
    作者简介：高科，先后在IBMPlatformComputing从事网格计算，淘米网，网易从事游戏服务器开发，拥有丰富的C++，go等语言开发经验，mysql，mongo，redis等数据库，设计模式和网络库开发经验，对战棋类，回合制，moba类页游，手游有丰富的架构设计和开发经验。并且深耕深度学习和数据集训练，提供商业化的视觉人工智能检测和预警系统（煤矿，工厂，制造业，消防等领域的工业化产品），合
  • R语言广义加性模型：使用广义线性加性模型GAMs构建logistic回归 TechInk r语言回归开发语言R语言
    R语言广义加性模型：使用广义线性加性模型GAMs构建logistic回归在数据分析和建模领域，广义加性模型（GeneralizedAdditiveModels，简称GAMs）是一种常用的非参数统计方法。它结合了广义线性模型（GeneralizedLinearModels，简称GLMs）的灵活性和非线性关系的建模能力，可以适用于各种类型的响应变量，包括二元回归（logistic回归）。本文将介绍如何
  • 深度解析：Anaconda与Miniconda之间的选择 九分热度一滴汗水 python
    深度解析：Anaconda与Miniconda之间的选择导言Python语言因其灵活性、易用性和强大的数据处理能力在科学计算和数据分析领域受到广泛欢迎。然而，Python的一大挑战是库的管理和环境的隔离。解决这个问题的一个方案是使用分布式管理系统，如Anaconda或Miniconda。本文将深入探讨这两者的相似之处、差异和应用场景。Anaconda和Miniconda的基本概念Anaconda和
  • 插入表主键冲突做更新 a-john
    有以下场景： 用户下了一个订单，订单内的内容较多，且来自多表，首次下单的时候，内容可能会不全（部分内容不是必须，出现有些表根本就没有没有该订单的值）。在以后更改订单时，有些内容会更改，有些内容会新增。 问题： 如果在sql语句中执行update操作，在没有数据的表中会出错。如果在逻辑代码中先做查询，查询结果有做更新，没有做插入，这样会将代码复杂化。 解决： mysql中提供了一个sql语
  • Android xml资源文件中@、@android:type、@*、？、@+含义和区别 Cb123456 @+@?@*
    一.@代表引用资源 1.引用自定义资源。格式：@[package:]type/name android：text="@string/hello"   2.引用系统资源。格式：@android:type/name     android:textColor="@android:color/opaque_red"
  • 数据结构的基本介绍 天子之骄 数据结构散列表树、图线性结构价格标签
    数据结构的基本介绍 数据结构就是数据的组织形式，用一种提前设计好的框架去存取数据，以便更方便，高效的对数据进行增删查改。正确选择合适的数据结构，对软件程序的高效执行的影响作用不亚于算法的设计。此外，在计算机系统中数据结构的作用也是非同小可。例如常常在编程语言中听到的栈，堆等，就是经典的数据结构。   经典的数据结构大致如下：   一：线性数据结构 (1)：列表 a
  • 通过二维码开放平台的API快速生成二维码 一炮送你回车库 api
     现在很多网站都有通过扫二维码用手机连接的功能，联图网(http://www.liantu.com/pingtai/)的二维码开放平台开放了一个生成二维码图片的Api,挺方便使用的。闲着无聊，写了个前台快速生成二维码的方法。        html代码如下:(二维码将生成在这div下) ? 1  &nbs
  • ImageIO读取一张图片改变大小 3213213333332132 javaIOimageBufferedImage
    package com.demo; import java.awt.image.BufferedImage; import java.io.File; import java.io.IOException; import javax.imageio.ImageIO; /** * @Description 读取一张图片改变大小 * @author FuJianyon
  • myeclipse集成svn（一针见血） 7454103 eclipseSVNMyEclipse
                                     &n
  • 装箱与拆箱----autoboxing和unboxing darkranger J2SE
    4.2　自动装箱和拆箱 基本数据(Primitive)类型的自动装箱(autoboxing)、拆箱(unboxing)是自J2SE 5.0开始提供的功能。虽然为您打包基本数据类型提供了方便，但提供方便的同时表示隐藏了细节，建议在能够区分基本数据类型与对象的差别时再使用。 4.2.1　autoboxing和unboxing 在Java中，所有要处理的东西几乎都是对象(Object)
  • ajax传统的方式制作ajax aijuans Ajax
    //这是前台的代码 <%@ page language="java" import="java.util.*" pageEncoding="UTF-8"%> <% String path = request.getContextPath(); String basePath = request.getScheme()+
  • 只用jre的eclipse是怎么编译java源文件的？ avords javaeclipsejdktomcat
    eclipse只需要jre就可以运行开发java程序了，也能自动 编译java源代码，但是jre不是java的运行环境么，难道jre中也带有编译工具？ 还是eclipse自己实现的？谁能给解释一下呢问题补充：假设系统中没有安装jdk or jre，只在eclipse的目录中有一个jre，那么eclipse会采用该jre，问题是eclipse照样可以编译java源文件，为什么呢？ &nb
  • 前端模块化 bee1314 模块化
    背景： 前端JavaScript模块化，其实已经不是什么新鲜事了。但是很多的项目还没有真正的使用起来，还处于刀耕火种的野蛮生长阶段。   JavaScript一直缺乏有效的包管理机制，造成了大量的全局变量，大量的方法冲突。我们多么渴望有天能像Java（import），Python (import)，Ruby(require)那样写代码。在没有包管理机制的年代，我们是怎么避免所
  • 处理百万级以上的数据处理 bijian1013 oraclesql数据库大数据查询
    一.处理百万级以上的数据提高查询速度的方法：        1.应尽量避免在 where 子句中使用!=或<>操作符，否则将引擎放弃使用索引而进行全表扫描。         2.对查询进行优化，应尽量避免全表扫描，首先应考虑在 where 及 o
  • mac 卸载 java 1.7 或更高版本 征客丶 javaOS
    卸载 java 1.7 或更高 sudo rm -rf /Library/Internet\ Plug-Ins/JavaAppletPlugin.plugin 成功执行此命令后，还可以执行 java 与 javac 命令 sudo rm -rf /Library/PreferencePanes/JavaControlPanel.prefPane 成功执行此命令后，还可以执行 java
  • 【Spark六十一】Spark Streaming结合Flume、Kafka进行日志分析 bit1129 Stream
    第一步，Flume和Kakfa对接，Flume抓取日志，写到Kafka中 第二部，Spark Streaming读取Kafka中的数据，进行实时分析   本文首先使用Kakfa自带的消息处理（脚本）来获取消息，走通Flume和Kafka的对接 1. Flume配置 1. 下载Flume和Kafka集成的插件，下载地址：https://github.com/beyondj2ee/f
  • Erlang vs TNSDL bookjovi erlang
          TNSDL是Nokia内部用于开发电信交换软件的私有语言，是在SDL语言的基础上加以修改而成，TNSDL需翻译成C语言得以编译执行，TNSDL语言中实现了异步并行的特点，当然要完整实现异步并行还需要运行时动态库的支持，异步并行类似于Erlang的process（轻量级进程），TNSDL中则称之为hand，Erlang是基于vm(beam)开发，
  • 非常希望有一个预防疲劳的java软件, 预防过劳死和眼睛疲劳,大家一起努力搞一个 ljy325 企业应用
    　非常希望有一个预防疲劳的java软件，我看新闻和网站，国防科技大学的科学家累死了，太疲劳，老是加班，不休息，经常吃药，吃药根本就没用，根本原因是疲劳过度。我以前做java,那会公司垃圾，老想赶快学习到东西跳槽离开，搞得超负荷，不明理。深圳做软件开发经常累死人，总有不明理的人，有个软件提醒限制很好，可以挽救很多人的生命。 相关新闻： （1）IT行业成五大疾病重灾区：过劳死平均37.9岁
  • 读《研磨设计模式》-代码笔记-原型模式 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/ /** * Effective Java 建议使用copy constructor or copy factory来代替clone()方法： * 1.public Product copy(Product p){} * 2.publi
  • 配置管理---svn工具之权限配置 chenyu19891124 SVN
    今天花了大半天的功夫，终于弄懂svn权限配置。下面是今天收获的战绩。 安装完svn后就是在svn中建立版本库，比如我本地的是版本库路径是C:\Repositories\pepos。pepos是我的版本库。在pepos的目录结构 pepos    component    webapps 在conf里面的auth里赋予的权限配置为 [groups]
  • 浅谈程序员的数学修养 comsci 设计模式编程算法面试招聘
                                     浅谈程序员的数学修养
  • 批量执行 bulk collect与forall用法 daizj oraclesqlbulk collectforall
    BULK COLLECT 子句会批量检索结果，即一次性将结果集绑定到一个集合变量中，并从SQL引擎发送到PL/SQL引擎。通常可以在SELECT INTO、 FETCH INTO以及RETURNING INTO子句中使用BULK COLLECT。本文将逐一描述BULK COLLECT在这几种情形下的用法。     有关FORALL语句的用法请参考：批量SQL之 F
  • Linux下使用rsync最快速删除海量文件的方法 dongwei_6688 OS
    1、先安装rsync：yum install rsync 2、建立一个空的文件夹：mkdir /tmp/test 3、用rsync删除目标目录：rsync --delete-before -a -H -v --progress --stats /tmp/test/ log/这样我们要删除的log目录就会被清空了，删除的速度会非常快。rsync实际上用的是替换原理，处理数十万个文件也是秒删。
  • Yii CModel中rules验证规格 dcj3sjt126com rulesyiivalidate
    Yii cValidator主要用法分析：  yii验证rulesit 分类： Yii yii的rules验证 cValidator主要属性 attributes ,builtInValidators,enableClientValidation,message,on,safe,skipOnError  
  • 基于vagrant的redis主从实验 dcj3sjt126com vagrant
    平台: Mac 工具: Vagrant 系统: Centos6.5 实验目的: Redis主从   实现思路 制作一个基于sentos6.5, 已经安装好reids的box, 添加一个脚本配置从机, 然后作为后面主机从机的基础box   制作sentos6.5+redis的box   mkdir vagrant_redis cd vagrant_
  • Memcached(二)、Centos安装Memcached服务器 frank1234 centosmemcached
    一、安装gcc rpm和yum安装memcached服务器连接没有找到，所以我使用的是make的方式安装，由于make依赖于gcc，所以要先安装gcc 开始安装，命令如下，[color=red][b]顺序一定不能出错[/b][/color]： 建议可以先切换到root用户，不然可能会遇到权限问题：su root 输入密码...... rpm -ivh kernel-head
  • Remove Duplicates from Sorted List hcx2013 remove
    Given a sorted linked list, delete all duplicates such that each element appear only once. For example,Given 1->1->2, return 1->2.Given 1->1->2->3->3, return&
  • Spring4新特性——JSR310日期时间API的支持 jinnianshilongnian spring4
    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
  • 浅谈enum与单例设计模式 247687009 java单例
    在JDK1.5之前的单例实现方式有两种(懒汉式和饿汉式并无设计上的区别故看做一种)，两者同是私有构 造器，导出静态成员变量，以便调用者访问。 第一种 package singleton; public class Singleton { //导出全局成员 public final static Singleton INSTANCE = new S
  • 使用switch条件语句需要注意的几点 openwrt cbreakswitch
    1. 当满足条件的case中没有break，程序将依次执行其后的每种条件（包括default）直到遇到break跳出 int main() { int n = 1; switch(n) { case 1: printf("--1--\n"); default: printf("defa
  • 配置Spring Mybatis JUnit测试环境的应用上下文 schnell18 springmybatisJUnit
    Spring-test模块中的应用上下文和web及spring boot的有很大差异。主要试下来差异有： 单元测试的app context不支持从外部properties文件注入属性 @Value注解不能解析带通配符的路径字符串 解决第一个问题可以配置一个PropertyPlaceholderConfigurer的bean。 第二个问题的具体实例是：    
  • Java 定时任务总结一 tuoni javaspringtimerquartztimertask
     Java定时任务总结  一.从技术上分类大概分为以下三种方式：  1.Java自带的java.util.Timer类，这个类允许你调度一个java.util.TimerTask任务;   说明：    java.util.Timer定时器，实际上是个线程，定时执行TimerTask类 &
  • 一种防止用户生成内容站点出现商业广告以及非法有害等垃圾信息的方法 yangshangchuan rank相似度计算文本相似度词袋模型余弦相似度
    本文描述了一种在ITEYE博客频道上面出现的新型的商业广告形式及其应对方法，对于其他的用户生成内容站点类型也具有同样的适用性。   最近在ITEYE博客频道上面出现了一种新型的商业广告形式，方法如下：     1、注册多个账号（一般10个以上）。     2、从多个账号中选择一个账号，发表1-2篇博文
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他