26岁的学习随笔
26岁的学习随笔

Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比

在这篇博客中，我们将探讨和比较四个不同的人工智能模型——ChatGPT 3.5、ChatGPT 4.0、ChatGPT 4.0+插件和Google Bard。我们将通过三个问题的测试结果来评估它们在处理特定任务时的效能和响应速度。

导航

    • 问题 1: 统计自Vehicle Routing Problem (VRP)第一篇文章发布以来，每隔十年的发表文章数量。
    • 问题 2: 提供1975-1979年间所有关于Vehicle Routing Problem的文献。
    • 问题 3: 简述Electric Vehicle Routing Problem的发展历程，并提供相关参考文献。
    • Google Bard的使用方法
    • 结论

问题 1: 统计自Vehicle Routing Problem (VRP)第一篇文章发布以来，每隔十年的发表文章数量。

AI模型 结果 回复速度
ChatGPT 3.5 未给出具体的文章数量 回复速度极快（plus版本）
ChatGPT 4.0 建议查阅其他数据库 -
ChatGPT 4.0 + Scholar AI 给出了文章数量，但是严重偏少 回复极慢，耗费CPU算力
Google Bard 给出了文章数量，但是每个草稿的数据均不一样 回复快，一次给出多个草稿
  • ChatGPT 3.5
    Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第1张图片
  • ChatGPT 4.0
    Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第2张图片
  • ChatGPT 4.0 + Scholar AI
    Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第3张图片
  • Google Bard
    Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第4张图片

问题 2: 提供1975-1979年间所有关于Vehicle Routing Problem的文献。

AI模型 结果 备注
ChatGPT 3.5 提供3篇文献 -
ChatGPT 4.0 建议查阅其他数据库 -
ChatGPT 4.0 + Scholar AI 提供4篇文献 信息详尽
Google Bard 提供4篇文献 对文章进行了概述

  • ChatGPT 3.5
    Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第5张图片

  • ChatGPT 4.0
    Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第6张图片

  • ChatGPT 4.0 + Scholar AI
    Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第7张图片
    Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第8张图片Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第9张图片

  • Google Bard
    Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第10张图片
    Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第11张图片

问题 3: 简述Electric Vehicle Routing Problem的发展历程，并提供相关参考文献。

AI模型 结果 评价
ChatGPT 3.5 简要历程+参考文献 一般
ChatGPT 4.0 简要历程+参考文献 一般
ChatGPT 4.0 + Scholar AI 只有参考文献 较差
Google Bard 提供详细历程和参考文献 较好
  • ChatGPT 3.5
    Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第12张图片
    Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第13张图片
  • ChatGPT 4.0
    Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第14张图片
    Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第15张图片
  • ChatGPT 4.0 + Scholar AI
    Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第16张图片
    Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第17张图片
    Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第18张图片
  • Google Bard
    Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第19张图片
    Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第20张图片
    Google Bard vs. ChatGPT 4.0：文献检索、文献推荐功能对比_第21张图片

Google Bard的使用方法

见另外一篇文章：https://blog.csdn.net/fair_li/article/details/134856948

结论

通过以上对比测试，我们可以观察到ChatGPT4.0是个建议大师。可能是得益于Google的数据优势，在文献检索和推荐等方面，Bard具有一定的优势。
值得一提的是，Bard是免费使用的，可以通过点击这里登录谷歌账户进行使用。（https://bard.google.com/chat）

你可能感兴趣的:(chatgpt,bard,人工智能)

  • 强化学习——基本概念 AI大模型探索者 人工智能ai深度学习机器学习语言模型
    何为强化学习机器学习的一大分支强化学习（ReinforcementLearning）是机器学习的一种，它通过与环境不断地交互，借助环境的反馈来调整自己的行为，使得累计回报最大。强化学习要解决的是决策问题——求取当前状态下最优行为或行为概率。强化学习包括智能体和环境两大对象，智能体是算法本身，环境是与智能体交互的外部。智能体（IntelligentAgent），在人工智能领域，智能体指一个可以观察周
  • 建筑兔零基础人工智能自学记录34|深度学习与神经网络2 阿克兔 人工智能toto学习人工智能深度学习神经网络
    1、人工神经网络ANN从生物课上学到的有关神经元、突触的生物神经网络，被模仿出了简化的人工神经网络（ANN,artificialneuralnetwork）。ANN结构为：输入层、隐藏层、输出层人工神经元：基于生物神经元的数学模型ANN过程：输入---加权求和---激活函数激活函数：类似生物神经元的阈值，达到阈值输出信号（‘神经网络的万能逼近定理’---两层以上神经网络可以逼近任意函数）2、深度学
  • 2.4K star的GOT-OCR2.0：端到端OCR 模型 AI 研习所 人工智能大模型AIAIGC人工智能
    GOT-OCR2.0是一款新一代的光学字符识别（OCR）技术，标志着人工智能在文本识别领域的重大进步。作为一款开源模型，GOT-OCR2.0不仅支持传统的文本和文档识别，还能够处理乐谱、图表以及复杂的数学公式，为用户提供了更加全面和高效的解决方案。产品功能及特点多语言支持：GOT-OCR2.0主要支持中文和英文字符识别，并能够通过进一步的微调扩展到更多语言。这种灵活性使其适用于国际化应用，满足不同
  • 揭开人工智能中 Tokens 的神秘面纱 东锋1.3 人工智能easyui前端javascript
    揭开人工智能中Tokens的神秘面纱在人工智能，尤其是自然语言处理（NLP）领域，"tokens"是一个频繁出现且至关重要的概念。对于理解语言模型如何处理和理解人类语言，tokens起着基础性的作用。那么，究竟什么是tokens呢？它又在人工智能系统中扮演着怎样关键的角色？让我们一探究竟。什么是Tokens简单来说，tokens是将文本分割成的一个个基本单元。当我们输入一段文字时，人工智能模型不会
  • 自然语言处理NLP入门 -- 第一节基础概念 山海青风 #自然语言处理自然语言处理人工智能python
    本部分主要介绍NLP的基础概念，并通过实际案例演示NLP的核心任务，同时引导你搭建NLP开发环境，确保你能顺利开始后续学习。1.什么是自然语言处理（NLP）1.1NLP的定义自然语言处理（NaturalLanguageProcessing,NLP）是人工智能（AI）的一个子领域，专注于让计算机理解、解释和生成人类语言。NLP结合了计算机科学、语言学和机器学习，以便计算机能自动处理文本和语音数据。简
  • 机器学习与深度学习资料 JasonDing1354 【MachineLearning】
    《BriefHistoryofMachineLearning》介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、DeepLearning.《DeepLearninginNeuralNetworks:AnOverview》介绍:这是瑞士人工智能实验室JurgenSchmidhuber写的最新版本《神经网络与深度学习综述》本综述的特点是以
  • CES Asia 2025：电子行业前沿展望与盛会契机 赛逸展张胜 大数据科技人工智能百度
    在全球科技浪潮汹涌澎湃之际，2025年电子行业的消费电子、半导体和人工智能三大关键领域备受瞩目，其发展走向不仅关乎行业兴衰，更蕴含着无数投资机遇，而即将到来的CESAsia2025则成为聚焦这些热点的重要舞台。消费电子领域，中国经济复苏带动内需升温，与产品生命周期形成良性互动。苹果公司在AI领域的战略布局，如2024年WWDC大会推出的AppleIntelligence，使中国电子产业链在其供应链
  • 【北京迅为】iTOP-RK3568OpenHarmony系统南向驱动开发-第5章 UART接口运作机制 北京迅为 鸿蒙harmonyos鸿蒙嵌入式硬件人工智能RK3568
    瑞芯微RK3568芯片是一款定位中高端的通用型SOC，采用22nm制程工艺，搭载一颗四核Cortex-A55处理器和MaliG522EE图形处理器。RK3568支持4K解码和1080P编码，支持SATA/PCIE/USB3.0外围接口。RK3568内置独立NPU，可用于轻量级人工智能应用。RK3568支持安卓11和linux系统，主要面向物联网网关、NVR存储、工控平板、工业检测、工控盒、卡拉OK
  • ChatGPT 提示词框架 jiet_h AIchatgpt
    作为一个资深安卓开发工程师，我们在日常开发中经常会用到ChatGPT来提升开发效率，比如代码优化、bug排查、生成单元测试等。但要想真正发挥ChatGPT的潜力，我们需要掌握一些提示词（Prompt）的编写技巧，并且有一个良好的提示词框架。本文将详细介绍ChatGPT提示词的框架，并结合Kotlin代码示例，帮助大家更高效地使用ChatGPT。1.什么是提示词框架？提示词框架（PromptFram
  • 互联网医院实时数据监测智能分析系统设计概述（上） Allen_LVyingbo 医疗高效编程研发python健康医疗python互联网医院人工智能
    研究背景近年来，随着互联网技术的飞速发展，互联网医疗作为一种新兴的医疗模式，正逐渐改变着传统的医疗服务方式。互联网医疗借助互联网、大数据、人工智能等技术手段，实现了医疗服务的线上化、智能化和便捷化，为患者提供了更加高效、优质的医疗服务。根据中国互联网络信息中心（CNNIC）发布的报告显示，我国互联网医疗用户规模达4.18亿人，较2023年12月增长372万人，占网民整体的37.7%，这表明互联网医
  • Android 开发使用 AI 提升效率 jiet_h AIandroid人工智能
    引言在当今快速发展的科技领域，人工智能（AI）正逐步渗透到各个行业。对于Android开发者而言，如何利用AI技术提升开发效率，已成为一个值得探讨的话题。本文将深入探讨如何在Android开发中有效地应用AI技术，以提高工作效率和代码质量。AI在Android开发中的应用场景1.代码自动补全与生成AI驱动的代码补全工具可以根据上下文，智能地预测并补全代码，减少手动输入，提高编码速度。例如，使用Co
  • 提升AI测试效率：如何通过RAG技术优化LLM输出质量 测试者家园 人工智能软件测试质量效能人工智能RAG软件测试软件研发质量效能自动化测试LLM
    用ChatGPT做软件测试随着人工智能（AI）和大规模语言模型（LLM）在软件测试领域的应用日益广泛，测试效率和质量的提升成为业界关注的焦点。尽管LLM已经在自动化测试脚本生成、缺陷预测、测试报告生成等方面发挥了巨大的作用，但在某些复杂任务中，LLM的输出质量依然面临着提升空间，尤其是对于细节的精准度和情境理解的深度。为了解决这些问题，基于“检索增强生成”（RAG，Retrieval-Augmen
  • Nginx反向代理出现502 Bad Gateway问题的解决方案 m0_74824496 面试学习路线阿里巴巴nginxgateway运维
    ??前言前一阵子写了一篇“关于解决调用百度翻译API问题”的博客，近日在调用其他API时又遇到一些棘手的问题，于是写下这篇博客作为记录。??问题描述在代理的遇到过很多错误码，其中出现频率最高的就是502，说实话，当时我是在网上找了好久，也一直在问chatgpt，但是收效甚微，依然没什么头绪和进展。网上关于502错误码的原因大致分为两种：网络问题和上游服务器的问题。网络问题我很快就排查完了，在终端中
  • 2月27日全球科技信息差：技术浪潮下的信息博弈与应对策略 eqwaak0 信息差开发语言人工智能开源软件科技
    第一章信息差的定义与科技行业的特殊性**信息差（InformationAsymmetry）是经济学中的核心概念，指交易双方因信息获取能力或时效性差异导致的不平等博弈。在科技领域，这种不对称性尤为显著，原因在于：技术迭代速度快：例如量子计算、人工智能模型（如DeepSeekR2）的研发进展往往由少数企业或机构主导，公众与普通投资者难以实时掌握动态。行业专业壁垒高：生物技术（如CRISPR基因编辑）和
  • 开源AI：驱动人工智能发展的新引擎 萧十一郎@ 知识科普开源人工智能
    目录一、引言1.1研究背景与目的1.2研究方法与数据来源1.3报告结构与内容概述二、AI开源概述2.1AI开源的定义与内涵2.2AI开源的发展历程2.3AI开源的现状与规模三、AI开源对技术创新的推动3.1促进技术交流与共享3.2降低技术研发成本3.3提高技术透明度与可解释性3.4案例分析：以DeepSeek为例四、AI开源对产业发展的影响4.1重塑产业竞争格局4.2加速产业应用落地4.3促进产业
  • 疯狂python_疯狂 python weixin_39646970 疯狂python
    书籍：python游戏编码CodingGamesinPython-2018简介初学者和有经验的程序员可以使用Python来构建和玩电脑游戏，从令人惊叹的脑筋急转弯到具有爆炸性声音效果和3D图形的疯狂动作游戏。Python中CodingGames的每一章都展示了如何用简单的编号步骤构建一个完整的工作游戏。本书讲授如何使用免费的资源，如PyGameZero和Ble...文章python人工智能命理20
  • 【人工智能】数据挖掘与应用题库（101-200） 奋力向前123 人工智能人工智能数据挖掘
    1、有矩阵A3×2，B2×3，C3×3，下列运算有意义的是（）答案：BC2、13524的逆序数为（）答案：33、矩阵A中元素a14的余子式记作M14，代数余子式记作A14，二者关系为（）答案：相反4、关于机器学习与深度学习的范畴关系，下列说法正确的是？答案：深度学习是机器学习的子集（分支）5、关于机器学习的本质，下列表述最恰当的是？答案：从数据或环境反馈中自主学习到规则6、深度学习的“深度”是指？
  • 【人工智能】数据挖掘与应用题库（301-400） 奋力向前123 人工智能人工智能数据挖掘pandas
    1、关于pandas中的Series描述错误的是答案：Series默认没有index2、关于DataFrame描述正确的是答案：DataFrame指数据框，相当于程序中的虚拟Excel表格创建DataFrame后，可以重新指定indexDataFrame允许有缺失值3、在DataFrame中，可以获取某一列的值，也可以获取某一行的值。答案:对4、对于数据框book_info，以下用法有误的是答案：
  • 【人工智能】数据挖掘与应用题库（1-100） 奋力向前123 人工智能人工智能算法
    1、涉及变化快慢的问题可以考虑使用导数来分析。答案:对2、导数的几何意义是曲线在某点处切线的斜率。答案:对3、函数在某点的左导数存在，则导数就存在。答案:错4、关于梯度下降算法，下列说法错误的是（）错误:梯度下降算法能找到函数精确的最小值。5、正弦函数的导数是余弦函数。答案：对6、[u(x)×v(x)]'=u(x)'×v(x)'答案：错7、链式法则的步骤可以概况为：分解、各自求导、相乘、回代。答案
  • 苹果AI功能，GPU内存瓶颈，大气预测模型，Chrome内置Gemini 一支烟一朵花 人工智能ai业界资讯神经网络
    智源社区刚刚！苹果发布AppleIntelligence，官宣免费接入ChatGPT，Siri迎来重磅更新大模型竞速赛鸣枪开跑后，苹果似乎已经脱离了第一梯队，曾经的行业风向标并没有像其他大厂那样频繁地宣讲AI，加之缺乏能够参与竞争的「明星产品」，其一度被贴上了「落后」的标签。但其实熟悉苹果的网友都知道，这是一家「重落地」的公司，更加擅长的是把创新技术工程化，实现「工程创新」。也正因如此，在生成式A
  • 怎样通过人机融合智能去除“机器幻觉”？ 人机与认知实验室
    人机融合智能的目标是通过深度结合人类智能和机器智能，解决现有人工智能系统（特别是深度学习模型，如各种大模型）可能出现的问题，比如“机器幻觉”现象。机器幻觉指的是人工智能模型在处理信息时，做出错误的、非理性的判断或预测，这种现象往往源于模型在训练数据中的偏差、不完全信息或过度依赖某些特定模式。通过人机融合的方式，可以有效减少这种“幻觉”，进而提升人机环境系统智能的可靠性和解释能力。1.结合人类的直觉
  • 从机器幻觉到智能幻觉 人机与认知实验室
    机器幻觉与智能幻觉主要是关于人工智能（AI）系统在处理信息和生成输出时，可能会产生的错误认知或“幻觉”现象。1.机器幻觉在早期的计算机科学中，“机器幻觉”通常指的是计算机在进行数据处理时，出现了错误的输出或意外的结果。这类“幻觉”并不是指计算机本身具有意识，而是因为程序的设计、数据的不完整性或噪声、或算法的偏差等问题，导致机器产生了不符合现实的假设、错误的结论或奇怪的输出，具体涉及：图像生成幻觉：
  • 注意力机制是如何提取有用信息的？ 人机与认知实验室
    我们用通俗的方式解释注意力机制是如何通过比较查询（Query,Q）和键（Key,K）的相似度，来决定从值（Value,V）中提取多少有用信息的。场景：图书馆找书假设你在图书馆里，脑海中的问题是：“我想找一本关于人工智能的书。”（这就是你的查询，Q）。图书馆里的每本书都有一个标签，比如“人工智能入门”或“历史小说”（这些是键，K）。每本书的详细内容（比如具体的章节、知识点等）就是值，V。1、计算相似
  • 几种AI模型在算法工作中的使用测评——Grok3,Deepseek,Chatgpt,Kimi,Claude（持续更新） 不断学习加努力 算法ai
    提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、Grok3二、Deepseek-R1三、Chatgpt-4o四、Kimi五、Claude-3.5总结前言在工作中现在已经离不开这AI模型了。于是我单开一个博客，记录在使用过程中的这几种模型使用感受。大家的感受也可以在评论区畅所欲言，我会抽空放进博客中。当然ai编程主要用的还是cluade3.5.一、Grok3嘿嘿，最吸
  • 【附源码】基于opencv+pyqt5搭建的人脸识别系统 ~啥也不会~ opencv人工智能计算机视觉人脸识别pyqt
    文章目录前言一、人脸检测二、人脸识别1.训练识别器2.识别人脸三、界面相关1.Qlabel展示图片2.表格跟随内容而增加和减少3.选择图片文件4.警告框四、源码获取总结前言人脸识别技术作为人工智能领域的一颗璀璨明珠，正逐渐渗透到我们生活的每一个角落，从智能手机的解锁到机场的快速通关，从金融交易的安全认证到智慧城市的高效管理，它正以其独特的优势和强大的功能，为我们的生活带来前所未有的便捷与安全。本篇
  • Open WebUI：开源AI交互平台的全面解析
    目录核心功能安装指南Linux/macOSWindows进阶特性管理与安全生态系统集成持续更新核心功能️交互体验类ChatGPT界面:提供直观的聊天界面设计跨平台响应式设计:完美适配桌面/移动端即时响应:毫秒级响应速度富文本支持:代码语法高亮完整Markdown/LaTeX渲染语音输入支持（支持静音自动提交）模型管理多模型切换:支持不同LLM模型即时切换GGUF模型创建:支持直接上传/从Huggi
  • 大模型时代的软件架构设计 AI天才研究院 计算DeepSeekR1&大数据AI人工智能大模型AI大模型企业级应用开发实战javapythonjavascriptkotlingolang架构人工智能大厂程序员硅基计算碳基计算认知计算生物计算深度学习神经网络大数据AIGCAGILLM系统架构设计软件哲学Agent程序员实现财富自由
    引言当今世界，人工智能（AI）技术正以惊人的速度发展，其中大模型（LargeModels）的崛起尤为引人注目。大模型，也被称为深度学习模型，因其庞大的参数规模和强大的数据处理能力，成为推动AI技术前进的重要力量。随着大模型的广泛应用，软件架构设计面临着前所未有的挑战和机遇。大模型时代的软件架构设计，不仅需要解决传统软件架构所面对的问题，如性能、可靠性和可扩展性等，还需要应对大模型带来的新挑战，如计
  • GitHub 星标10W+的大模型书籍：《轻松入门大模型应用开发：GPT-4 和 ChatGPT 实战指南》，25年一书通关LLM大模型 程序员丸子 人工智能语言模型自然语言处理大模型AILLM大模型应用
    当下大模型这么火，还有人很多人想加入进来，但是不知道怎么去学习，那么今天我就给大家分享一本适合所有人的一本神仙级入门大模型的书籍，小白也能学会。它是由奥利维耶·卡埃朗和玛丽-艾丽斯·布莱特合著的一本《大模型应用开发极简入门：基于GPT-4和ChatGPT》，为初学者提供一份清晰、全面的“可用知识”，帮助读者快速了解GPT-4和ChatGPT的工作原理及优势。此书使用流行的Python编程语言来构建
  • Crawl4AI：开源的网络爬虫和抓取工 惟贤箬溪 穷玩Aigithub开源ai
    crawl4ai是一个开源项目，旨在帮助用户爬取GitHub上与AI（人工智能）相关的内容。这些内容通常包括AI相关的开源项目、库、资源、论文、教程等。项目提供了一个爬虫工具，可以自动化地抓取并提取GitHub上与人工智能相关的资源。以下是对该项目的详细解读：1.项目概述crawl4ai是一个爬虫框架，专门用于从GitHub上抓取与AI相关的开源项目或仓库。这些仓库包括AI领域的机器学习、深度学习
  • 如果GPT-4还只是阿米巴原虫，未来的霸王龙会是什么样？| 赫拉利《智人之上》 量子位
    关注前沿科技量子位几乎所有人都已经发现，我们正生活在一场前所未有的信息革命之中。但这到底是一场怎样的革命？最近这几年，太多突破性的发明如洪水般滚滚而来，以至于我们很难判断到底是什么推动了这场革命。是互联网？智能手机？社交媒体？区块链？算法？还是人工智能？所以，在讨论目前这场信息革命的长期影响之前，让我们先回顾一下它的基础。本文分为三大部分，分别为：我们真的了解计算机吗？计算机正在塑造一个全新的信息
  • 多线程编程之join()方法 周凡杨 javaJOIN多线程编程线程
    现实生活中，有些工作是需要团队中成员依次完成的，这就涉及到了一个顺序问题。现在有T1、T2、T3三个工人，如何保证T2在T1执行完后执行，T3在T2执行完后执行？问题分析：首先问题中有三个实体，T1、T2、T3， 因为是多线程编程，所以都要设计成线程类。关键是怎么保证线程能依次执行完呢？   Java实现过程如下： public class T1 implements Runnabl
  • java中switch的使用 bingyingao javaenumbreakcontinue
    java中的switch仅支持case条件仅支持int、enum两种类型。 用enum的时候，不能直接写下列形式。 switch (timeType) { case ProdtransTimeTypeEnum.DAILY: break; default: br
  • hive having count 不能去重 daizj hive去重having count计数
    hive在使用having count()是，不支持去重计数   hive (default)> select imei from t_test_phonenum where ds=20150701 group by imei having count(distinct phone_num)>1 limit 10;  FAILED: SemanticExcep
  • WebSphere对JSP的缓存 周凡杨 WAS JSP 缓存
          对于线网上的工程，更新JSP到WebSphere后，有时会出现修改的jsp没有起作用，特别是改变了某jsp的样式后，在页面中没看到效果，这主要就是由于websphere中缓存的缘故，这就要清除WebSphere中jsp缓存。要清除WebSphere中JSP的缓存，就要找到WAS安装后的根目录。        现服务
  • 设计模式总结 朱辉辉33 java设计模式
    1.工厂模式   1.1 工厂方法模式 (由一个工厂类管理构造方法)      1.1.1普通工厂模式(一个工厂类中只有一个方法)      1.1.2多工厂模式(一个工厂类中有多个方法)      1.1.3静态工厂模式(将工厂类中的方法变成静态方法) &n
  • 实例：供应商管理报表需求调研报告 老A不折腾 finereport报表系统报表软件信息化选型
    引言 随着企业集团的生产规模扩张，为支撑全球供应链管理，对于供应商的管理和采购过程的监控已经不局限于简单的交付以及价格的管理，目前采购及供应商管理各个环节的操作分别在不同的系统下进行，而各个数据源都独立存在，无法提供统一的数据支持；因此，为了实现对于数据分析以提供采购决策，建立报表体系成为必须。 业务目标 1、通过报表为采购决策提供数据分析与支撑 2、对供应商进行综合评估以及管理，合理管理和
  • mysql 林鹤霄
    转载源：http://blog.sina.com.cn/s/blog_4f925fc30100rx5l.html mysql -uroot -p ERROR 1045 (28000): Access denied for user 'root'@'localhost' (using password: YES)   [root@centos var]# service mysql
  • Linux下多线程堆栈查看工具(pstree、ps、pstack) aigo linux
    原文：http://blog.csdn.net/yfkiss/article/details/6729364   1. pstree pstree以树结构显示进程$ pstree -p work | grep adsshd(22669)---bash(22670)---ad_preprocess(4551)-+-{ad_preprocess}(4552)  &n
  • html input与textarea 值改变事件 alxw4616 JavaScript
    // 文本输入框(input) 文本域(textarea)值改变事件 // onpropertychange(IE) oninput(w3c) $('input,textarea').on('propertychange input', function(event) {      console.log($(this).val()) });  
  • String类的基本用法 百合不是茶 String
      字符串的用法;     // 根据字节数组创建字符串 byte[] by = { 'a', 'b', 'c', 'd' }; String newByteString = new String(by);         1,length()  获取字符串的长度     &nbs
  • JDK1.5 Semaphore实例 bijian1013 javathreadjava多线程Semaphore
    Semaphore类        一个计数信号量。从概念上讲，信号量维护了一个许可集合。如有必要，在许可可用前会阻塞每一个 acquire()，然后再获取该许可。每个 release() 添加一个许可，从而可能释放一个正在阻塞的获取者。但是，不使用实际的许可对象，Semaphore 只对可用许可的号码进行计数，并采取相应的行动。 S
  • 使用GZip来压缩传输量 bijian1013 javaGZip
            启动GZip压缩要用到一个开源的Filter：PJL Compressing Filter。这个Filter自1.5.0开始该工程开始构建于JDK5.0，因此在JDK1.4环境下只能使用1.4.6。         PJL Compressi
  • 【Java范型三】Java范型详解之范型类型通配符 bit1129 java
        定义如下一个简单的范型类，   package com.tom.lang.generics; public class Generics<T> { private T value; public Generics(T value) { this.value = value; } }
  • 【Hadoop十二】HDFS常用命令 bit1129 hadoop
    1. 修改日志文件查看器   hdfs oev -i edits_0000000000000000081-0000000000000000089 -o edits.xml cat edits.xml   修改日志文件转储为xml格式的edits.xml文件，其中每条RECORD就是一个操作事务日志   2. fsimage查看HDFS中的块信息等 &nb
  • 怎样区别nginx中rewrite时break和last ronin47
    在使用nginx配置rewrite中经常会遇到有的地方用last并不能工作，换成break就可以，其中的原理是对于根目录的理解有所区别，按我的测试结果大致是这样的。 location /    {         proxy_pass http://test; 
  • java-21.中兴面试题 输入两个整数 n 和 m ，从数列 1 ， 2 ， 3.......n 中随意取几个数 , 使其和等于 m bylijinnan java
    import java.util.ArrayList; import java.util.List; import java.util.Stack; public class CombinationToSum { /* 第21 题 2010 年中兴面试题 编程求解： 输入两个整数 n 和 m ，从数列 1 ， 2 ， 3.......n 中随意取几个数 , 使其和等
  • eclipse svn 帐号密码修改问题 开窍的石头 eclipseSVNsvn帐号密码修改
    问题描述：      Eclipse的SVN插件Subclipse做得很好，在svn操作方面提供了很强大丰富的功能。但到目前为止，该插件对svn用户的概念极为淡薄，不但不能方便地切换用户，而且一旦用户的帐号、密码保存之后，就无法再变更了。 解决思路：      删除subclipse记录的帐号、密码信息，重新输入
  • [电子商务]传统商务活动与互联网的结合 comsci 电子商务
          某一个传统名牌产品，过去销售的地点就在某些特定的地区和阶层，现在进入互联网之后，用户的数量群突然扩大了无数倍，但是，这种产品潜在的劣势也被放大了无数倍，这种销售利润与经营风险同步放大的效应，在最近几年将会频繁出现。。。。        如何避免销售量和利润率增加的
  • java 解析 properties-使用 Properties-可以指定配置文件路径 cuityang javaproperties
    #mq xdr.mq.url=tcp://192.168.100.15:61618; import java.io.IOException; import java.util.Properties; public class Test { String conf = "log4j.properties"; private static final
  • Java核心问题集锦 darrenzhu java基础核心难点
    注意，这里的参考文章基本来自Effective Java和jdk源码 1)ConcurrentModificationException 当你用for each遍历一个list时，如果你在循环主体代码中修改list中的元素，将会得到这个Exception，解决的办法是： 1)用listIterator, 它支持在遍历的过程中修改元素， 2)不用listIterator, new一个
  • 1分钟学会Markdown语法 dcj3sjt126com markdown
    markdown 简明语法 基本符号 *,-,+ 3个符号效果都一样，这3个符号被称为 Markdown符号 空白行表示另起一个段落 `是表示inline代码，tab是用来标记 代码段，分别对应html的code，pre标签 换行 单一段落( <p>) 用一个空白行 连续两个空格 会变成一个 <br> 连续3个符号，然后是空行
  • Gson使用二（GsonBuilder） eksliang jsongsonGsonBuilder
    转载请出自出处：http://eksliang.iteye.com/blog/2175473 一.概述     GsonBuilder用来定制java跟json之间的转换格式   二.基本使用 实体测试类： 温馨提示：默认情况下@Expose注解是不起作用的,除非你用GsonBuilder创建Gson的时候调用了GsonBuilder.excludeField
  • 报ClassNotFoundException: Didn't find class "...Activity" on path: DexPathList gundumw100 android
    有一个工程，本来运行是正常的，我想把它移植到另一台PC上，结果报： java.lang.RuntimeException: Unable to instantiate activity ComponentInfo{com.mobovip.bgr/com.mobovip.bgr.MainActivity}: java.lang.ClassNotFoundException: Didn't f
  • JavaWeb之JSP指令 ihuning javaweb
      要点   JSP指令简介  page指令  include指令    JSP指令简介    JSP指令（directive）是为JSP引擎而设计的，它们并不直接产生任何可见输出，而只是告诉引擎如何处理JSP页面中的其余部分。 JSP指令的基本语法格式： <%@ 指令 属性名="
  • mac上编译FFmpeg跑ios 啸笑天 ffmpeg
    1、下载文件：https://github.com/libav/gas-preprocessor， 复制gas-preprocessor.pl到/usr/local/bin/下， 修改文件权限：chmod 777 /usr/local/bin/gas-preprocessor.pl 2、安装yasm-1.2.0 curl http://www.tortall.net/projects/yasm
  • sql mysql oracle中字符串连接 macroli oraclesqlmysqlSQL Server
    有的时候，我们有需要将由不同栏位获得的资料串连在一起。每一种资料库都有提供方法来达到这个目的： MySQL: CONCAT() Oracle: CONCAT(), || SQL Server: + CONCAT() 的语法如下： Mysql 中 CONCAT(字串1, 字串2, 字串3, ...): 将字串1、字串2、字串3，等字串连在一起。 请注意，Oracle的CON
  • Git fatal: unab SSL certificate problem: unable to get local issuer ce rtificate qiaolevip 学习永无止境每天进步一点点git纵观千象
    // 报错如下： $ git pull origin master fatal: unable to access 'https://git.xxx.com/': SSL certificate problem: unable to get local issuer ce rtificate   // 原因： 由于git最新版默认使用ssl安全验证，但是我们是使用的git未设
  • windows命令行设置wifi surfingll windowswifi笔记本wifi
    还没有讨厌无线wifi的无尽广告么，还在耐心等待它慢慢启动么 教你命令行设置 笔记本电脑wifi： 1、开启wifi命令 netsh wlan set hostednetwork mode=allow ssid=surf8 key=bb123456 netsh wlan start hostednetwork pause 其中pause是等待输入，可以去掉 2、
  • Linux（Ubuntu）下安装sysv-rc-conf wmlJava linuxubuntusysv-rc-conf
    安装：sudo apt-get install sysv-rc-conf 使用：sudo sysv-rc-conf 操作界面十分简洁，你可以用鼠标点击，也可以用键盘方向键定位，用空格键选择，用Ctrl+N翻下一页，用Ctrl+P翻上一页，用Q退出。     背景知识 sysv-rc-conf是一个强大的服务管理程序，群众的意见是sysv-rc-conf比chkconf
  • svn切换环境，重发布应用多了javaee标签前缀 zengshaotao javaee
    更换了开发环境，从杭州，改变到了上海。svn的地址肯定要切换的，切换之前需要将原svn自带的.svn文件信息删除，可手动删除，也可通过废弃原来的svn位置提示删除.svn时删除。   然后就是按照最新的svn地址和规范建立相关的目录信息，再将原来的纯代码信息上传到新的环境。然后再重新检出，这样每次修改后就可以看到哪些文件被修改过，这对于增量发布的规范特别有用。   检出
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他