- python 命名实体识别_Python NLTK学习11（命名实体识别和关系抽取）
weixin_39630762
python命名实体识别
PythonNLTK学习11(命名实体识别和关系抽取)发表于:2017年7月27日阅读:18262除特别注明外，本站所有文章均为小杰Code原创本系列博客为学习《用Python进行自然语言处理》一书的学习笔记。命名实体识别命名实体识别(NER)系统的目标是识别所有文字提及的命名实体。可以分解成两个子任务：确定NE的边界和确定其类型。命名实体识别非常适用于基于分类器类型的方法来处理的任务。NLTK有
- python命名实体识别工具,斯坦福大学使用NLTK命名实体识别器（NER）功能
宇宙探索未解之迷
python命名实体识别工具
Isthispossible:toget(similarto)StanfordNamedEntityRecognizerfunctionalityusingjustNLTK?Isthereanyexample?Inparticular,IaminterestedinextractionLOCATIONpartoftext.Forexample,fromtextThemeetingwillbehel
- NLTK命名实体识别（NER）
Mr数据杨
Python自然语言技术NLTK自然语言处理1024程序员节
命名实体识别（NamedEntityRecognition,NER）是自然语言处理（NLP）中的一项核心技术，旨在从文本中识别出具有特定意义的实体，如人名、地名、组织名等。通过对文本的自动化处理，NER能够帮助计算机理解和组织大量的非结构化数据，为信息抽取、搜索引擎优化、数据分析等领域提供强有力的技术支持。NLTK（NaturalLanguageToolkit）是一个广泛使用的Python库，提供
- 使用Bert+BiLSTM+CRF训练 NER任务
CHEN_RUI_2200
机器学习bert人工智能深度学习
使用的数据集在这里E-CommercialNERDataset/电商NER数据集_数据集-阿里云天池针对面向电商的命名实体识别研究，我们通过爬取搜集了淘宝商品文本的标题，并标注了4大类，9小类的实体类别。具体类型及实体数量如下针对面向电商的命名实体识别研究，我们通过爬取搜集了淘宝商品文本的标题，并标注了4大类，9小类的实体类别。具体类型及实体数量如下：每个文件数据格式相同，都为根据BIschema
- pytorch｜找不到 fbgemm.dll 问题处理
长行
pytorchpytorch人工智能pythonfbgemmVCOMP140
问题现象运行逻辑：importtorch报错如下：Traceback(mostrecentcalllast):File"C:\scaffold\metasequoia-tyc\ner_address\test_torch.py",line1,inimporttorchFile"D:\py\Python310\lib\site-packages\torch\__init__.py",line143,
- pyhanlp最全安装和使用教程
Cachel wood
自然语言处理nlp分类数据挖掘人工智能pythonpandaspyhanlpnlp
文章目录pyhanlp介绍pyhanlp安装分词关键词提取文本摘要依存句法分析短语提取NER中国人名识别音译名识别简繁转换拼音转换pyhanlp可视化pyhanlp介绍HanLP是一个由中国开发者何晗(hankcs)于2014年开发的自然语言处理库，自发布之后，HanLP不断更新迭代，进行了许多新功能和性能的优化，Github上Star数量已超过3w，其在主流自然语言工具包中非常受欢迎。HanLP
- 利用PaddleNLP进行文本数据脱敏
weixin_37763484
python数据挖掘深度学习数据挖掘自然语言处理深度学习paddle
最近在脱敏一些客服数据，同事用正则进行了一些处理，但是感觉针对人名、数量等信息还是无法处理，例如“北方种植了很多李子树”，李子树有可能被识别为人名，又如“美国采购坦克1005台，价值4500万比索”，如果之前的正则中没有“台”和“比索”两个词汇，就无法识别。如果在脱敏过程中忽略了人名、数量等信息，可能造成严重后果。因此尝试使用了paddlenlp中的taskflow进行处理。主要思路就是利用ner
- 【ChatIE】论文解读：Zero-Shot Information Extraction via Chatting with ChatGPT
Bigcrab__
神经网络Tensorflowchatgpt人工智能深度学习
文章目录介绍ChatIEEntity-RelationTripleExtration(RE)NamedEntityRecognition(NER)EventExtraction(EE)实验结果结论论文：Zero-ShotInformationExtractionviaChattingwithChatGPT作者：XiangWei,XingyuCui,NingCheng,XiaobinWang,Xin
- python - OSError：错误没有名为 [‘pytorch_model.bin‘
Wwwilling
pythonpytorch开发语言
python-OSError：错误没有名为[‘pytorch_model.bin’]自己训练的模型存储好了以后model=MT5ForConditionalGeneration.from_pretrained(“ner/best”)之前还可以跑现在报错错误没有名为[‘pytorch_model.bin’]还原了一下condaenv把四版变成三版了所以如果遇到类似问题要倒过来恢复成功
- 2022-03-19
跨象乘云
自然语言处理实验演示-09.命名实体识别（NamedEntityRecognition(NER)）命名实体识别（NamedEntityRecognition，简称：NER），又称作专名识别，是指识别文本中具有特定意义的实体，主要包括：人名、地名、机构名、专有名词等。简单而言就是识别自然文本中的实体指称的边界和类别。Chunking是把单词组合成分块(chunk)的过程，可以用来查找名词组和动词组，
- 文本信息抽取模型介绍——实体抽取方法：NER模型（下）
合合技术团队
【通用文本信息抽取技术白皮书】ocr人工智能
3.1.4常用的实体抽取模型LatticeLSTM新加坡科技设计大学的研究者2018年在论文《ChineseNERUsingLatticeLSTM》中提出了新型中文命名实体地识别方法LatticeLSTM。作为信息抽取的一项基本任务，命名实体识别（NER）近年来一直受到研究人员的关注。该任务一直被作为序列标注问题来解决，其中实体边界和类别标签被联合预测。英文NER目前的最高水准是使用LSTM-CR
- 3D Gaussian Splatting 应用场景及最新进展【附10篇前沿论文和代码】
深度之眼
深度学习干货人工智能干货人工智能3D高斯神经辐射场
CV玩家们，知道3D高斯吗？对，就是计算机视觉最近的新宠，在几个月内席卷三维视觉和SLAM领域的3D高斯。不太了解也没关系，我今天就来和同学们一起聊聊这个话题。3DGaussianSplatting（3DGS）是用于实时辐射场渲染的3D高斯分布描述的一种光栅化技术，具有高质量和实时渲染的能力。如果说NeRF等辐射场方法彻底改变了多张照片或视频主导的场景新视角合成的算法生态，那么3D高斯则是在NeR
- 命名实体识别（NER）评测
乔咏田
简介命名实体识别评测方式分为两种，一是通用的基于token标签进行直接评测，二是考虑实体边界+实体类型的评测。标签评测不考虑实体类型与实体边界，直接进行评测。实体边界+实体类型A、完全匹配1、实体边界与实体类型都匹配正确；2、预测出的实体在测试集中不存在；3、测试集中的实体，没有被预测出来；B、部分匹配（重叠）4、实体边界正确，类型不正确；5、边界错误（边界重叠）；6、边界错误，实体类型也错误评估
- NER
zelda2333
基操：超详细保姆级讲解&提供代码：基于深度学习的命名实体识别与关系抽取值得一看的命名实体识别的总结：中文命名实体识别总结师兄给的教程：GithubChineseNER针对教程讲解的文章：用深度学习做命名实体识别(附代码)
- Python-Flair 实现英文命名实体识别(NER)
小小晓晓阳
NLPpython开发语言nlpNER
一、什么是Flair库？Flair是由ZalandoResearch开发的一个简单的自然语言处理（NLP）库。Flair的框架直接构建在PyTorch上，PyTorch是最好的深度学习框架之一。ZalandoResearch团队还为以下NLP任务发布了几个预先训练的模型：1.名称-实体识别（NER）：它可以识别单词是代表文本中的人，位置还是名称。2.词性标注（PoS）：将给定文本中的所有单词标记为
- 【NeRF和NLP】一些观察感悟，碎碎念
Deno_V
人工智能
NeRF的paper，有几个感想：NeRF读的时候感觉和diffusion思路特别像，训练目标是一个很小很小的子步骤，大大简化了训练难度NeRF建模的是“真实”世界，其用模型隐含的存储了真实世界的体素（场）模型，而模型输出二维图片的方法本质上和模型所建模的内容无关（采用的是体素渲染的方式）。【对比大语言模型】大语言模型也是隐藏的建模了人类知识，但是大语言的模型输出并没有和模型的内容独立开来。NeR
- bert+crf可以做NER，那么为什么还有bert+bi-lstm+crf ?
Maann
NLPbertlstm深度学习
1.关于BERT做NER要不要加CRF层？关于BERT做NER，最简单的方式就是序列标注方法，以BERT得到token的embedding，后接softmax直接输出预测token的标签。其实这种方案做NER也不错，为什么有些人会采用CRF替代softmax，softmax比较简单就是基于tokenembedding进行标签概率计算。而CRF的原理上理解是，CRF是全局无向转移概率图，能有效考虑词
- NLP任务之Named Entity Recognition
sunshine2853
自然语言处理人工智能深度学习
深度学习的实现方法：双向长短期记忆网络（BiLSTM）:BiLSTM是一种循环神经网络（RNN）的变体，能够捕捉序列数据中的长期依赖关系。在NER任务中，BiLSTM能有效地处理文本序列，捕捉前后文本的依赖关系。条件随机场（CRF）:CRF经常与BiLSTM结合使用，形成BiLSTM-CRF模型。CRF层能够在序列标注任务中提供额外的约束，帮助模型更准确地预测实体标签。变压器（Transforme
- CRF条件随机场学习记录
V丶Chao
深度学习安全研究-威胁情报学习
阅读建议仔细阅读书[1]对应的序列标注章节，理解该方法面向的问题以及相关背景，然后理解基础的概念。引言威胁情报挖掘的相关论文中，均涉及到两部分任务：命名实体识别（NamedEntityRecognition，NER）和关系抽取，大多数网安实现NER的方法，采用比较多的方法包含：BiLstm+CRF或者Bert+CRF。其中条件随机场（conditionalrandomfields,CRF），这个模
- 基于对比学习的信息抽取
wang2008start
对比学习信息抽取自然语言处理
LabelRefinementviaContrastiveLearningforDistantly-SupervisedNamedEntityRecognitionNAACL2022；做的远程监督NER，通过知识库构建伪标签，通过对比学习构建负样本，负样本是entity的多余部分或其他不相关部分。即对entity的start和end上面做负样本的构造和生成RCL:RelationContrasti
- kashgari的Python项目-NLP框架(实体识别（NER）、词性标注（PoS）和文本分类任务)
javastart
自然语言pythonkeras深度学习
简单而强大的NLP框架，在5分钟内为命名实体识别（NER）、词性标注（PoS）和文本分类任务构建最新模型喀什是：人性化。喀什噶尔的代码是直截了当的，有很好的文档和测试，这使得它非常容易理解和修改。功能强大且简单。喀什允许您将最先进的自然语言处理（nlp）模型应用于文本，如命名实体识别（ner）、词性标注（pos）和分类。keras基础。Kashgare直接构建在Keras上，使您可以轻松地训练模型
- CVPR 2023: DBARF: Deep Bundle-Adjusting Generalizable Neural Radiance Fields
结构化文摘
人工智能深度学习计算机视觉数据挖掘
我们使用以下6个分类标准来解释本文的研究主题：1.神经表示:隐式:这种表示使用神经网络直接将空间中的3D点映射到其颜色和密度。网络充当“黑盒”函数，其内部工作原理无法直接解释。示例包括NeRF、MPR-NeRF和Plenoxels。显式:这种表示将每个体素或顶点的颜色和密度信息存储在3D网格或网格中。这使场景几何更加明确易懂，但也需要大量内存，并且渲染起来可能很耗费计算资源。示例包括SDF-NeR
- BERT-文本分类&NER
poins
bert分类人工智能
BERT文本分类训练样本训练数据：18W条评估数据：1W条测试数据：1W条体验2D巅峰倚天屠龙记十大创新概览860年铁树开花形状似玉米芯(组图)5同步A股首秀：港股缩量回调2中青宝sg现场抓拍兔子舞热辣表演8锌价难续去年辉煌02岁男童爬窗台不慎7楼坠下获救(图)5布拉特：放球员一条生路吧FIFA能消化俱乐部的攻击7金科西府名墅天成1状元心经：考前一周重点是回顾和整理3训练代码https://git
- 2021-03-01 ner最新进展
你若安好_4a49
2021.3.11.ACL2020|TriggerNER：高效命名实体识别框架摘要：本文由南加州大学和亚马逊联合发布，文章题目为《TriggerNER:LearningwithEntityTriggersasExplanationsforNamedEntityRecognition》，已经被ACL2020录用。文章针对命名实体识别中存在的需要大量耗时耗力的人工标注工作现状提出了方法TriggerN
- 中文自然语言处理（NLP）中的命名实体识别（NER）任务中，加入注意力（attention）机制
sagima_sdu
自然语言处理人工智能
在中文自然语言处理（NLP）中的命名实体识别（NER）任务中，加入注意力（attention）机制可以极大地提升模型的性能。注意力机制可以帮助模型更好地捕捉序列中的关键信息和上下文依赖关系，从而提高对命名实体的识别准确度。下面是一些关于注意力机制的具体作用和不同类型的概述：注意力机制的作用：捕捉长距离依赖：注意力机制可以帮助模型更好地处理长距离的依赖关系，这在处理长句子时尤为重要。关注关键信息：通
- 中文自然语言处理（NLP）的命名实体识别（NER）任务常见序列标注方法
sagima_sdu
自然语言处理人工智能
中文NLP的NER任务中的数据集序列标注方法，主要有以下几种常用的标注方案：BIO标注法（Begin-Inside-Outside）：B（Begin）表示实体的开始部分。I（Inside）表示实体的中间部分。O（Outside）表示非实体部分。例如，“北京是中国的首都”，如果要标注“北京”为地名，会标为“B-地名I-地名OOOOO”。BIOES标注法（Begin-Inside-Outside-En
- NLP NER 任务中的精确度（Precision）、召回率（Recall）和F1值
sagima_sdu
自然语言处理人工智能
在自然语言处理（NLP）中的命名实体识别（NER）任务中，精确度（Precision）、召回率（Recall）和F1值是评估模型性能的关键指标。这些指标帮助我们了解模型在识别正确实体方面的效率和准确性。精确度（Precision）：精确度是指模型正确识别的命名实体数与模型总共识别出的命名实体数（包括正确和错误的）的比例。精确度越高，意味着模型在它识别为实体的结果中有更高的准确性。公式表示为：[Pr
- IDCNN（迭代扩张卷积神经网络）在NLP-NER任务中的应用
sagima_sdu
cnn自然语言处理人工智能
IDCNN（迭代扩张卷积神经网络）在NLP-NER任务中的应用IDCNN（IteratedDilatedConvolutionalNeuralNetwork）是一种特别设计的卷积神经网络（CNN），用于处理自然语言处理（NLP）中的序列标注问题，例如命名实体识别（NER）。IDCNN的关键特点是使用了扩张卷积（DilatedConvolution），这是一种可以增加感受野（即网络可以观察到的输入序
- 使用YEDDA标注得到BIO或者BMES格式的数据集
sagima_sdu
nlp自然语言处理目标跟踪
YEDDA是一个文本标注工具，专门用于快速有效地进行文本标注，尤其适用于命名实体识别（NER）任务。这个工具主要的特点和优势包括：快速标注：YEDDA提供了一种高效的方式来进行文本标注。它允许用户通过预设的快捷键快速为文本中的实体分配标签，这大大加速了标注过程。支持多种标注模式：该工具支持常见的序列标注模式，如BIO、BIOES等，使其适用于多种不同的NER任务。可定制性：用户可以根据自己的需求自
- NLP学习（1）
Tang_Genie
一NER任务的认识参考：https://www.6aiq.com/article/15938787526711.Overiew/Introduction文本数据结构化是NLP最有价值的任务。一个句子中，命名实体更受到人们的关注。中文分词任务关注句子中的词汇之间的边界，词性标注关注这些被分出边界的词在词法上的类型。而命名实体识别关注的是命名实体的边界。它的粒度通常比中文分词要粗——是多个单词构成的复
- 用MiddleGenIDE工具生成hibernate的POJO（根据数据表生成POJO类）
AdyZhang
POJOeclipseHibernateMiddleGenIDE
推荐:MiddlegenIDE插件, 是一个Eclipse 插件. 用它可以直接连接到数据库, 根据表按照一定的HIBERNATE规则作出BEAN和对应的XML ，用完后你可以手动删除它加载的JAR包和XML文件! 今天开始试着使用
- .9.png
Cb123456
android
“点九”是andriod平台的应用软件开发里的一种特殊的图片形式，文件扩展名为：.9.png
智能手机中有自动横屏的功能,同一幅界面会在随着手机(或平板电脑)中的方向传感器的参数不同而改变显示的方向,在界面改变方向后,界面上的图形会因为长宽的变化而产生拉伸,造成图形的失真变形。
我们都知道android平台有多种不同的分辨率，很多控件的切图文件在被放大拉伸后，边
- 算法的效率
天子之骄
算法效率复杂度最坏情况运行时间大O阶平均情况运行时间
算法的效率
效率是速度和空间消耗的度量。集中考虑程序的速度，也称运行时间或执行时间，用复杂度的阶(O)这一标准来衡量。空间的消耗或需求也可以用大O表示，而且它总是小于或等于时间需求。
以下是我的学习笔记：
1.求值与霍纳法则，即为秦九韶公式。
2.测定运行时间的最可靠方法是计数对运行时间有贡献的基本操作的执行次数。运行时间与这个计数成正比。
- java数据结构
何必如此
java数据结构
Java 数据结构
Java工具包提供了强大的数据结构。在Java中的数据结构主要包括以下几种接口和类：
枚举（Enumeration）
位集合（BitSet）
向量（Vector）
栈（Stack）
字典（Dictionary）
哈希表（Hashtable）
属性（Properties）
以上这些类是传统遗留的，在Java2中引入了一种新的框架-集合框架(Collect
- MybatisHelloWorld
3213213333332132
//测试入口TestMyBatis
package com.base.helloworld.test;
import java.io.IOException;
import org.apache.ibatis.io.Resources;
import org.apache.ibatis.session.SqlSession;
import org.apache.ibat
- Java|urlrewrite|URL重写|多个参数
7454103
javaxmlWeb工作
个人工作经验！ 如有不当之处，敬请指点
1.0 web -info 目录下建立 urlrewrite.xml 文件 类似如下：
<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE u
- 达梦数据库+ibatis
darkranger
sqlmysqlibatisSQL Server
--插入数据方面
如果您需要数据库自增...
那么在插入的时候不需要指定自增列.
如果想自己指定ID列的值, 那么要设置
set identity_insert 数据库名.模式名.表名;
----然后插入数据;
example:
create table zhabei.test(
id bigint identity(1,1) primary key,
nam
- XML 解析 四种方式
aijuans
android
XML现在已经成为一种通用的数据交换格式,平台的无关性使得很多场合都需要用到XML。本文将详细介绍用Java解析XML的四种方法。
XML现在已经成为一种通用的数据交换格式,它的平台无关性,语言无关性,系统无关性,给数据集成与交互带来了极大的方便。对于XML本身的语法知识与技术细节,需要阅读相关的技术文献,这里面包括的内容有DOM(Document Object
- spring中配置文件占位符的使用
avords
1.类
<?xml version="1.0" encoding="UTF-8"?><!DOCTYPE beans PUBLIC "-//SPRING//DTD BEAN//EN" "http://www.springframework.o
- 前端工程化-公共模块的依赖和常用的工作流
bee1314
webpack
题记： 一个人的项目，还有工程化的问题嘛？ 我们在推进模块化和组件化的过程中，肯定会不断的沉淀出我们项目的模块和组件。对于这些沉淀出的模块和组件怎么管理？另外怎么依赖也是个问题？ 你真的想这样嘛？ var BreadCrumb = require(‘../../../../uikit/breadcrumb’); //真心ugly。
- 上司说「看你每天准时下班就知道你工作量不饱和」，该如何回应？
bijian1013
项目管理沟通IT职业规划
问题：上司说「看你每天准时下班就知道你工作量不饱和」，如何回应
正常下班时间6点，只要是6点半前下班的，上司都认为没有加班。
Eno-Bea回答，注重感受，不一定是别人的
虽然我不知道你具体从事什么工作与职业，但是我大概猜测，你是从事一项不太容易出现阶段性成果的工作
- TortoiseSVN，过滤文件
征客丶
SVN
环境：
TortoiseSVN 1.8
配置：
在文件夹空白处右键
选择 TortoiseSVN -> Settings
在 Global ignote pattern 中添加要过滤的文件：
多类型用英文空格分开
*name ： 过滤所有名称为 name 的文件或文件夹
*.name ： 过滤所有后缀为 name 的文件或文件夹
--------
- 【Flume二】HDFS sink细说
bit1129
Flume
1. Flume配置
a1.sources=r1
a1.channels=c1
a1.sinks=k1
###Flume负责启动44444端口
a1.sources.r1.type=avro
a1.sources.r1.bind=0.0.0.0
a1.sources.r1.port=44444
a1.sources.r1.chan
- The Eight Myths of Erlang Performance
bookjovi
erlang
erlang有一篇guide很有意思： http://www.erlang.org/doc/efficiency_guide
里面有个The Eight Myths of Erlang Performance： http://www.erlang.org/doc/efficiency_guide/myths.html
Myth: Funs are sl
- java多线程网络传输文件(非同步)-2008-08-17
ljy325
java多线程socket
利用 Socket 套接字进行面向连接通信的编程。客户端读取本地文件并发送；服务器接收文件并保存到本地文件系统中。
使用说明:请将TransferClient, TransferServer, TempFile三个类编译，他们的类包是FileServer.
客户端:
修改TransferClient: serPort, serIP, filePath, blockNum,的值来符合您机器的系
- 读《研磨设计模式》-代码笔记-模板方法模式
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/
import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.PreparedStatement;
import java.sql.ResultSet;
- 配置心得
chenyu19891124
配置
时间就这样不知不觉的走过了一个春夏秋冬，转眼间来公司已经一年了，感觉时间过的很快，时间老人总是这样不停走，从来没停歇过。
作为一名新手的配置管理员，刚开始真的是对配置管理是一点不懂，就只听说咱们公司配置主要是负责升级，而具体该怎么做却一点都不了解。经过老员工的一点点讲解，慢慢的对配置有了初步了解，对自己所在的岗位也慢慢的了解。
做了一年的配置管理给自总结下：
1.改变
从一个以前对配置毫无
- 对“带条件选择的并行汇聚路由问题”的再思考
comsci
算法工作软件测试嵌入式领域模型
2008年上半年，我在设计并开发基于”JWFD流程系统“的商业化改进型引擎的时候，由于采用了新的嵌入式公式模块而导致出现“带条件选择的并行汇聚路由问题”(请参考2009-02-27博文)，当时对这个问题的解决办法是采用基于拓扑结构的处理思想，对汇聚点的实际前驱分支节点通过算法预测出来，然后进行处理，简单的说就是找到造成这个汇聚模型的分支起点，对这个起始分支节点实际走的路径数进行计算，然后把这个实际
- Oracle 10g 的clusterware 32位 下载地址
daizj
oracle
Oracle 10g 的clusterware 32位 下载地址
http://pan.baidu.com/share/link?shareid=531580&uk=421021908
http://pan.baidu.com/share/link?shareid=137223&uk=321552738
http://pan.baidu.com/share/l
- 非常好的介绍：Linux定时执行工具cron
dongwei_6688
linux
Linux经过十多年的发展，很多用户都很了解Linux了，这里介绍一下Linux下cron的理解，和大家讨论讨论。cron是一个Linux 定时执行工具，可以在无需人工干预的情况下运行作业，本文档不讲cron实现原理，主要讲一下Linux定时执行工具cron的具体使用及简单介绍。
新增调度任务推荐使用crontab -e命令添加自定义的任务（编辑的是/var/spool/cron下对应用户的cr
- Yii assets目录生成及修改
dcj3sjt126com
yii
assets的作用是方便模块化，插件化的，一般来说出于安全原因不允许通过url访问protected下面的文件，但是我们又希望将module单独出来，所以需要使用发布，即将一个目录下的文件复制一份到assets下面方便通过url访问。
assets设置对应的方法位置 \framework\web\CAssetManager.php
assets配置方法 在m
- mac工作软件推荐
dcj3sjt126com
mac
mac上的Terminal + bash ＋ screen组合现在已经非常好用了，但是还是经不起iterm＋zsh＋tmux的冲击。在同事的强烈推荐下，趁着升级mac系统的机会，顺便也切换到iterm＋zsh＋tmux的环境下了。
我为什么要要iterm2
切换过来也是脑袋一热的冲动，我也调查过一些资料，看了下iterm的一些优点：
* 兼容性好，远程服务器 vi 什么的低版本能很好兼
- Memcached(三)、封装Memcached和Ehcache
frank1234
memcachedehcachespring ioc
本文对Ehcache和Memcached进行了简单的封装，这样对于客户端程序无需了解ehcache和memcached的差异，仅需要配置缓存的Provider类就可以在二者之间进行切换，Provider实现类通过Spring IoC注入。
cache.xml
<?xml version="1.0" encoding="UTF-8"?>
- Remove Duplicates from Sorted List II
hcx2013
remove
Given a sorted linked list, delete all nodes that have duplicate numbers, leaving only distinct numbers from the original list.
For example,Given 1->2->3->3->4->4->5,
- Spring4新特性——注解、脚本、任务、MVC等其他特性改进
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
- MySQL安装文档
liyong0802
mysql
工作中用到的MySQL可能安装在两种操作系统中，即Windows系统和Linux系统。以Linux系统中情况居多。
安装在Windows系统时与其它Windows应用程序相同按照安装向导一直下一步就即，这里就不具体介绍，本文档只介绍Linux系统下MySQL的安装步骤。
Linux系统下安装MySQL分为三种：RPM包安装、二进制包安装和源码包安装。二
- 使用VS2010构建HotSpot工程
p2p2500
HotSpotOpenJDKVS2010
1. 下载OpenJDK7的源码：
http://download.java.net/openjdk/jdk7
http://download.java.net/openjdk/
2. 环境配置
▶
- Oracle实用功能之分组后列合并
seandeng888
oracle分组实用功能合并
1 实例解析
由于业务需求需要对表中的数据进行分组后进行合并的处理，鉴于Oracle10g没有现成的函数实现该功能，且该功能如若用JAVA代码实现会比较复杂，因此，特将SQL语言的实现方式分享出来，希望对大家有所帮助。如下：
表test 数据如下：
ID,SUBJECTCODE,DIMCODE,VALUE
1&nbs
- Java定时任务注解方式实现
tuoni
javaspringjvmxmljni
Spring 注解的定时任务，有如下两种方式：
第一种：
<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.org/schema/beans"
xmlns:xsi="http
- 11大Java开源中文分词器的使用方法和分词效果对比
yangshangchuan
word分词器ansj分词器Stanford分词器FudanNLP分词器HanLP分词器
本文的目标有两个：
1、学会使用11大Java开源中文分词器
2、对比分析11大Java开源中文分词器的分词效果
本文给出了11大Java开源中文分词的使用方法以及分词结果对比代码，至于效果哪个好，那要用的人结合自己的应用场景自己来判断。
11大Java开源中文分词器，不同的分词器有不同的用法，定义的接口也不一样，我们先定义一个统一的接口：
/**
* 获取文本的所有分词结果, 对比
