- 开源 AI 模型助力“智能提取“提取全攻略
黑金IT
AI智能知识图谱开源人工智能
在当今数字化浪潮汹涌澎湃的时代,信息如潮水般涌来,从浩如烟海的文本里快速又精准地提取人名,已然成为诸多领域的刚需。无论是让办公软件化身智能助手帮我们高效整理资料,助力大数据分析挖掘隐藏在字里行间的价值,还是赋能智能客服瞬间洞察客户身份,亦或是为构建庞大复杂、互联互通的知识图谱添砖加瓦,人名提取技术都宛如一颗关键的螺丝钉,紧紧铆住各个环节。今天,就带大家深入探寻那些超给力的支持从文本中提取人名的开源
- 独立开发者灵感日报:简化您生活的 IT 聊天机器人
前端后花园
前端热门开源项目生活机器人百度人工智能自动化AI编程
独立开发者产品日刊,每日汇集ProductHunt热榜产品介绍,⚡️1句Slogan榨干产品灵魂,⚡️3秒get全球独立开发者的爆款灵感。关注小前,每日捕获全球产品灵感。这是日刊第28篇文章。FleetAICopilotSlogan:简化您生活的IT聊天机器人标签:人工智能·机器人·科技为什么值得推荐:FleetAICopilot是您新的AI驱动的IT助手,可简化设备管理并转换日常IT任务。它通过
- AI DMP 数据基建:如何利用数据提升营销效率
AI天才研究院
DeepSeekR1&大数据AI人工智能大模型ChatGPTjavapythonjavascriptkotlingolang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
AIDMP数据基建:如何利用数据提升营销效率关键词:AI、DMP、数据基建、营销效率、数据驱动、用户画像、精准投放、数据安全摘要:本文深入探讨了AI驱动的DMP(数据管理平台)在现代营销中的关键作用。文章详细阐述了AIDMP数据基建的核心概念、技术原理和实施步骤,包括数据收集、整合、分析和应用等方面。通过结合人工智能技术,DMP能够更精准地构建用户画像,优化营销策略,提高广告投放效率。文章还探讨了
- 人工智能训练师如何做文本数据标注?
小宝哥Code
人工智能训练师人工智能
在人工智能训练中,文本数据标注是非常重要的一个环节。文本数据标注是对数据进行结构化、分类、分词、情感分析、命名实体识别(NER)等操作,为机器学习模型提供准确的输入。以下是常见的文本数据标注任务和对应的Python代码示例。1.文本分类标注文本分类标注是对文本数据进行分类的任务。通常我们会将文本数据标注为不同的类别,比如“体育”、“娱乐”、“政治”等。示例:假设我们有一组新闻文本,我们需要为其分配
- 基于ChatGPT-4o信息检索、总结分析、论文写作与投稿、专利idea构思与交底书的撰写
AAIshangyanxiu
chatgptpython机器学习深度学习
第一章2024大语言模型最新进展与ChatGPT各模型讲解1、2024AIGC技术最新进展介绍(生成式人工智能的基本概念与原理、最新前沿技术和发展趋势简介)2、国内外大语言模型(ChatGPT4O、Gemini、Claude、Llama3、PerplexityAI、文心一言、星火、通义千问、Kimi、智谱清言、秘塔AI等)对比分析3、OpenAI12天12场直播新功能解读与演示(ChatGPTO1
- 深入浅出数据中台:概念、架构与应用
小四的快乐生活
架构大数据
一、数据中台概念(一)定义数据中台是一套可持续“让企业的数据用起来”的机制,是一种战略选择和组织形式。它借助数据技术,对海量数据进行采集、计算、存储、加工,同时统一标准和口径,形成大数据资产,并提供服务化的数据接口,以满足前台应用和业务创新的需求。简单来说,数据中台就像是企业的数据“中央厨房”,将各类数据原材料进行清洗、切配、加工,制作成一道道“数据菜肴”,供前台业务部门随时取用。(二)与传统数据
- 【有啥问啥】DeepSeek NSA(Native Sparse Attention):开启高效推理与降本增效的新篇章
有啥问啥
大模型人工智能算法
DeepSeekNSA(NativeSparseAttention):开启高效推理与降本增效的新篇章在人工智能领域,尤其是自然语言处理(NLP)和大语言模型(LLM)的浪潮中,性能与效率一直是研究者和开发者关注的焦点。随着模型规模的不断扩大,计算资源的需求呈指数级增长,这不仅带来了高昂的硬件成本,也对推理速度和实时性提出了严峻挑战。而DeepSeek团队提出的NSA(NativeSparseAtt
- DeepSeek:为医疗数智化注入新动能
数澜悠客
数字化转型人工智能deepseek
DeepSeek掀起企业数智化浪潮在数字化与智能化深度融合的时代背景下,企业数智化转型已从一种趋势演变为关乎生存与发展的必然选择。随着云计算、大数据、人工智能等前沿技术的迅猛发展,数智化转型成为企业提升竞争力、创新业务模式、优化客户体验的关键路径。在这场波澜壮阔的转型浪潮中,DeepSeek以其卓越的技术实力和创新能力,成为众多企业实现数智化飞跃的强大助推器。DeepSeek作为人工智能领域的佼佼
- 零工市场小程序的未来发展趋势
汇匠源
小程序
随着经济的发展,越来越多的人们选择了灵活就业的方式来工作,零工市场小程序作为灵活就业一个重要的媒介,未来的发展趋势如何呢?其实在零工市场小程序中,有着大数据的分析、算法,可以精准的匹配到自由职业者们的需求,以此来提高找兼职地效率;其次,就业者可在零工市场小程序上直接进行考勤打卡、工资结算,这样就避免了很多纠纷隐患。并且近年来政府也越来越重视零工市场,相关的规定也越来越完善,为零工市场小程序的发展奠
- 计算机毕业设计吊炸天Python+Spark地铁客流数据分析与预测系统 地铁大数据 地铁流量预测
qq_80213251
javajavaweb大数据课程设计python
开发技术SparkHadoopPython爬虫Vue.jsSpringBoot机器学习/深度学习人工智能创新点Spark大屏可视化爬虫预测算法功能1、登录注册界面,用户登录注册,修改信息2、管理员用户:(1)查看用户信息;(2)出行高峰期的10个时间段;(3)地铁限流的10个时间段;(4)地铁限流的前10个站点;(6)可视化大屏实时显示人流量信息。3、普通用户:(1)出行高峰期的10(5)可视化大
- 微构科技《VigorData一站式企业大数据平台产品白皮书》
皙姑娘
微构大数据微构科技微构大数据VigorData一站式企业大数据平台产品白皮书
本白皮书阐述了微构科技VigorData一站式企业大数据平台的定位与应用场景、系统架构、产品特性。VigorData满足企业从数据采集、存储、计算、分析挖掘到可视化展示的一站式数据处理需求,并融合前沿AI科技机器深度学习自我进化,直至与企业自身状况深度契合,帮助企业借力大数据优势深化自身业务价值体系。01产品概述1.1.产品目标一站式企业大数据平台VigorData提供了端到端一站式数据处理服务,
- 一文了解AI大模型相关知识点(含资料分享)
大模型研究院
人工智能机器学习自然语言处理深度学习语言模型大模型
前言,随着人工智能技术飞速发展,AI大模型在各行各业的应用日益广泛,是助力各行业提升产业智能化水平、优化业务流程等必不可少的推力,什么是AI大模型?AI大模型行业应用落地的背景?具体分为几类有哪些特点?现阶段AI大模型在落地过程中面临哪些挑战和可能的方案是什么?今天我们围绕以上几个点简单做个分享!一、AI大模型的定义和背景AI大模型指具有庞大规模和复杂计算结构的机器学习模型,这些模型通常由深度神经
- 清影2.0(AI视频生成)技术浅析(四):计算机视觉(CV)
爱研究的小牛
AIGC—视频AIGC——图像AIGC—计算机视觉人工智能音视频AIGC深度学习机器学习
清影2.0是一个基于人工智能的视频生成平台,其核心计算机视觉(CV)技术包括图像处理与增强、动作捕捉与平滑等。这些技术通过深度学习、生成对抗网络(GAN)、光流估计等方法,实现了高质量的视频生成和编辑。1.清影2.0概述清影2.0的核心目标是通过计算机视觉技术生成高质量的视频内容,其主要功能包括:图像处理与增强:提升视频帧的质量和清晰度。动作捕捉与平滑:捕捉视频中的动作并生成平滑的过渡。2.图像处
- 0基础如何入门Python编程
weixin_33830216
爬虫python游戏
Python目前已经成为最受欢迎的编程语言之一,吸引了一大批粉丝,但是很多人在要跨入的时候犹豫了,原因竟然是觉得零基础学习Python太难了,真的是这样吗?零基础入门Python编程学习有什么好的技巧吗?文章最后有免费的Python资料获取Python因为其清晰易读的风格,广泛的适用性,Python已经成为最受欢迎的编程语言之一。在TIOBE排行榜中位居第四,是名副其实的人工智能第一语言。风靡的另
- 国科大《人工智能原理与算法》2021年期末试题+2024经验(2025指南)
MatsumotoChrikk
算法人工智能
声明:本专题几乎每次作业都有两份答案作为参考,后附两次考试原题+备期末考指南。仅做参考交流使用。启发式路径算法(Pohl,1977)是一种最佳优先搜索,它的评估函数是:f(n)=(2−w)⋅g(n)+w⋅h(n)f(n)=(2−w)⋅g(n)+w⋅h(n)假设hh是可采纳的。ww取什么值能保证算法是最优的?当w=0w=0,w=1w=1,w=2w=2时,分别是什么搜索算法?本题以并字棋(圈与十字游戏
- 【Python】成功解决: OSError: [Errno 22] Invalid Argument
云天徽上
python运行报错解决记录python开发语言pandas机器学习numpy
【Python】成功解决:OSError:[Errno22]InvalidArgument博主简介:曾任某智慧城市类企业算法总监,目前在美国市场的物流公司从事高级算法工程师一职,深耕人工智能领域,精通python数据挖掘、可视化、机器学习等,发表过AI相关的专利并多次在AI类比赛中获奖。CSDN人工智能领域的优质创作者,提供AI相关的技术咨询、项目开发和个性化解决方案等服务,如有需要请站内私信或者
- 深度学习-123-综述之AI人工智能与DL深度学习简史1956到2024
皮皮冰燃
深度学习人工智能深度学习
文章目录1AI与深度学习的简史1.1人工智能的诞生(1956)1.2早期人工神经网络(1940-1960年代)1.3多层感知器MLP(1960年代)1.4反向传播(1970-1980年代)1.5第二次黑暗时代(1990-2000年代)1.6深度学习的复兴(21世纪末至今)1.6.1CNN卷积神经网络(1980-2010)1.6.2RNN递归神经网络(1986-2017)1.6.3Transform
- 橙狮AI图像识别绘本阅读方案(含完整源代码和开发文档)
橙狮科技
人工智能自动驾驶算法人工智能
概述本文描述一个基于人工智能2D图像识别算法实现的绘本阅读方案,应用于绘本阅读机器人和绘本阅读手机APP。主要内容包括:基础算法,方案架构及工程化,项目遇到的坑及解决方案。为了更容易理解,本文重点描述项目的工程化,对于算法也做一定程度的阐述、但不做深入,相关算法资料及论文在互联网可方便搜到。演示视频基础算法算法方案选型:本项目要解决的核心问题是:在低算力的硬件上通过普通摄像头(2D)采集图像快速(
- 基于Java的智能家居设计:开发跨平台智能家居应用的技术要点
AI大模型应用之禅
DeepSeekR1&AI大模型与大数据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
基于Java的智能家居设计:开发跨平台智能家居应用的技术要点作者:禅与计算机程序设计艺术1.背景介绍1.1智能家居的兴起与发展近年来,随着物联网、云计算、人工智能等技术的快速发展,智能家居的概念逐渐走进千家万户。智能家居是指利用先进的信息技术,实现家居设备的智能化控制和管理,为用户提供更加舒适、安全、便捷的生活体验。1.2Java在智能家居开发中的优势Java作为一门成熟、稳定、跨平台的编程语言,
- 数据管道设计与实现:从源到目标的全流程解析
Echo_Wish
实战高阶大数据数据库服务器linux
数据管道设计与实现:从源到目标的全流程解析大家好,我是Echo_Wish,今天我们来探讨一下数据管道的设计与实现。从数据源到目标数据存储的整个过程是数据分析和大数据处理中的关键环节。数据管道的设计不仅影响数据处理的效率,还决定了数据的质量和可用性。本文将详细介绍如何设计和实现高效的数据管道,并通过代码示例说明具体实现。1.数据管道的概念数据管道(DataPipeline)是指数据从源头(数据源)到
- Python 的 WebSocket 实现详解
王子良.
经验分享pythonwebsocket网络协议网络
欢迎来到我的博客!非常高兴能在这里与您相遇。在这里,您不仅能获得有趣的技术分享,还能感受到轻松愉快的氛围。无论您是编程新手,还是资深开发者,都能在这里找到属于您的知识宝藏,学习和成长。博客内容包括:Java核心技术与微服务:涵盖Java基础、JVM、并发编程、Redis、Kafka、Spring等,帮助您全面掌握企业级开发技术。大数据技术:涵盖Hadoop(HDFS)、Hive、Spark、Fli
- 【数据库技术NoSQL】MongoDB和Cassandra的使用
爱技术的小伙子
数据库nosqlmongodb
数据库技术NoSQL:MongoDB和Cassandra的使用目录引言NoSQL简介NoSQL的特点NoSQL的类型MongoDB简介及使用MongoDB的特点MongoDB的安装和配置MongoDB的基本操作Cassandra简介及使用Cassandra的特点Cassandra的安装和配置Cassandra的基本操作应用场景和最佳实践结论引言在大数据时代,传统的关系型数据库(RDBMS)在处理海
- 利用DeepSeek提升编程效率:全面指南
一小路一
DeepSeek使用服务器后端AI编程ai
利用DeepSeek提升编程效率:全面指南目录什么是DeepSeekDeepSeek的主要功能如何有效使用DeepSeekDeepSeekvs其他AI编程助手实际应用案例注意事项和最佳实践总结1.什么是DeepSeekDeepSeek是一个基于人工智能的编程助手,旨在帮助开发者提高编码效率和质量。它利用先进的自然语言处理和机器学习技术,为程序员提供智能代码补全、代码生成、错误检测等功能。2.Dee
- MongoDB与Cassandra数据库对比
2501_90243449
数据库mongodb
在深入探讨MongoDB和Cassandra的不同之处之前,让我们先看看它们的相似之处。显然,它们都是数据库。更重要的是,它们都是NoSQL数据库。NoSQL是一种数据库架构类型,其中数据主要以相对非结构化的方式存储。与更传统的SQL式数据库相比,NoSQL可以更有效地存储大量非结构化数据,企业在大数据操作中通常会涉及非结构化数据。MongoDB和Cassandra也都是开源数据库,尽管现在也有商
- 什么是pytest.ini及如何在Pytest中应用以提升配置效率
开源优测
pytest
关注开源优测不迷路大数据测试过程、策略及挑战测试框架原理,构建成功的基石在自动化测试工作之前,你应该知道的10条建议在自动化测试中,重要的不是工具当通过控制台运行Pytest测试时你必须记住记录输出、运行时环境变量、设置超时时间、覆盖率、并行执行、依赖项等等。我们擅长的是逻辑思维,而非记忆琐碎事务。这就是我们使用配置文件的原因。它们让你只需指定一次设置,然后就能专注于编写测试。那么,如何在Pyte
- react19设计AntVX6 人工智能建模 DAG 图
I like Code?
AntVX6javascript前端开发语言
HomeTop.tsximportReact,{useState,useEffect,useRef}from'react'importuseStorefrom'../../../store/state'import{Graph,Path}from'@antv/x6'import{History}from'@antv/x6-plugin-history'importAlgoNodefrom'../.
- 大模型产品架构全景解读:从应用场景到技术支持的完整路径
程序员丸子
架构人工智能AI大模型大模型LLM大语言模型RAG
随着人工智能技术的迅猛发展,大模型逐渐成为推动各行业智能化转型的核心动力之一。大模型不仅可以处理大量数据,进行复杂任务的自动化,还能通过微调、蒸馏等技术在特定场景中表现出色。本文将结合大模型产品架构图,详细解读每一个组成模块,帮助读者理解从应用场景到技术支持的完整路径,洞察大模型如何在实际业务中落地。一、落地场景:赋能业务的智能化解决方案大模型的实际价值首先体现在各个业务场景的落地应用中。在架构图
- 知物由学 | AI网络安全实战:生成对抗网络
Hacker_Fuchen
人工智能web安全生成对抗网络
作者:BradHarris,安全研究员,Brad曾在公共和私营部门的网络和计算机安全领域工作过。他已经完成了从渗透测试到逆向工程到应用研究的所有工作,目前他是IBMX-Force的研究员。GANs是人工智能(AI)的最新思想之一。在我们深入讨论这个话题之前,让我们先来看看“对抗性”这个词的含义。在AI的原始应用中,这个词指的是用来欺骗评估神经网络或另一个机器学习模型的样本类型。随着机器学习在安全应
- 超越实验室:打造真正在现实世界中奏效的 AI (泛化性与鲁棒性)
海棠AI实验室
人工智能理论与学术机器学习人工智能信息可视化
人工智能正以前所未有的速度从研究实验室走向我们的日常生活。我们看到AI驱动着从语音助手到推荐引擎的各种应用,而自动驾驶汽车、个性化医疗等更具变革性的应用前景也始终令人期待。然而,要真正释放AI的潜力,我们还需要克服一个关键障碍:让AI真正在现实世界中可靠地运行,而不仅仅是在受控的实验室环境中。想象一下,一辆自动驾驶汽车在一个晴朗的下午行驶时表现完美,但当它进入一个大雾天气区域时,它却无法识别前方的
- 告别 AI 幻觉:LangChain + 知识图谱 + 大模型,打造可靠的智能应用
海棠AI实验室
AIAgent学习进阶实战人工智能langchain知识图谱Agent
目录前言:知识图谱在AI中的地位什么是知识图谱?为什么要用知识图谱?LangChain简介:它如何与知识图谱结合?项目准备:环境配置与工具选择手把手实现5.1从文本中提取结构化知识存入图谱6.2基于LangChain知识图谱的查询与推理实践Tips:如何让知识图谱规模化、应用化?总结与展望后记1.前言:知识图谱在AI中的地位在当今的人工智能领域,各类语言模型(如GPT系列、BERT等)已经深刻地影
- Java序列化进阶篇
g21121
java序列化
1.transient
类一旦实现了Serializable 接口即被声明为可序列化,然而某些情况下并不是所有的属性都需要序列化,想要人为的去阻止这些属性被序列化,就需要用到transient 关键字。
- escape()、encodeURI()、encodeURIComponent()区别详解
aigo
JavaScriptWeb
原文:http://blog.sina.com.cn/s/blog_4586764e0101khi0.html
JavaScript中有三个可以对字符串编码的函数,分别是: escape,encodeURI,encodeURIComponent,相应3个解码函数:,decodeURI,decodeURIComponent 。
下面简单介绍一下它们的区别
1 escape()函
- ArcgisEngine实现对地图的放大、缩小和平移
Cb123456
添加矢量数据对地图的放大、缩小和平移Engine
ArcgisEngine实现对地图的放大、缩小和平移:
个人觉得是平移,不过网上的都是漫游,通俗的说就是把一个地图对象从一边拉到另一边而已。就看人说话吧.
具体实现:
一、引入命名空间
using ESRI.ArcGIS.Geometry;
using ESRI.ArcGIS.Controls;
二、代码实现.
- Java集合框架概述
天子之骄
Java集合框架概述
集合框架
集合框架可以理解为一个容器,该容器主要指映射(map)、集合(set)、数组(array)和列表(list)等抽象数据结构。
从本质上来说,Java集合框架的主要组成是用来操作对象的接口。不同接口描述不同的数据类型。
简单介绍:
Collection接口是最基本的接口,它定义了List和Set,List又定义了LinkLi
- 旗正4.0页面跳转传值问题
何必如此
javajsp
跳转和成功提示
a) 成功字段非空forward
成功字段非空forward,不会弹出成功字段,为jsp转发,页面能超链接传值,传输变量时需要拼接。接拼接方式list.jsp?test="+strweightUnit+"或list.jsp?test="+weightUnit+&qu
- 全网唯一:移动互联网服务器端开发课程
cocos2d-x小菜
web开发移动开发移动端开发移动互联程序员
移动互联网时代来了! App市场爆发式增长为Web开发程序员带来新一轮机遇,近两年新增创业者,几乎全部选择了移动互联网项目!传统互联网企业中超过98%的门户网站已经或者正在从单一的网站入口转向PC、手机、Pad、智能电视等多端全平台兼容体系。据统计,AppStore中超过85%的App项目都选择了PHP作为后端程
- Log4J通用配置|注意问题 笔记
7454103
DAOapachetomcatlog4jWeb
关于日志的等级 那些去 百度就知道了!
这几天 要搭个新框架 配置了 日志 记下来 !做个备忘!
#这里定义能显示到的最低级别,若定义到INFO级别,则看不到DEBUG级别的信息了~!
log4j.rootLogger=INFO,allLog
# DAO层 log记录到dao.log 控制台 和 总日志文件
log4j.logger.DAO=INFO,dao,C
- SQLServer TCP/IP 连接失败问题 ---SQL Server Configuration Manager
darkranger
sqlcwindowsSQL ServerXP
当你安装完之后,连接数据库的时候可能会发现你的TCP/IP 没有启动..
发现需要启动客户端协议 : TCP/IP
需要打开 SQL Server Configuration Manager...
却发现无法打开 SQL Server Configuration Manager..??
解决方法: C:\WINDOWS\system32目录搜索framedyn.
- [置顶] 做有中国特色的程序员
aijuans
程序员
从出版业说起 网络作品排到靠前的,都不会太难看,一般人不爱看某部作品也是因为不喜欢这个类型,而此人也不会全不喜欢这些网络作品。究其原因,是因为网络作品都是让人先白看的,看的好了才出了头。而纸质作品就不一定了,排行榜靠前的,有好作品,也有垃圾。 许多大牛都是写了博客,后来出了书。这些书也都不次,可能有人让为不好,是因为技术书不像小说,小说在读故事,技术书是在学知识或温习知识,有些技术书读得可
- document.domain 跨域问题
avords
document
document.domain用来得到当前网页的域名。比如在地址栏里输入:javascript:alert(document.domain); //www.315ta.com我们也可以给document.domain属性赋值,不过是有限制的,你只能赋成当前的域名或者基础域名。比如:javascript:alert(document.domain = "315ta.com");
- 关于管理软件的一些思考
houxinyou
管理
工作好多看年了,一直在做管理软件,不知道是我最开始做的时候产生了一些惯性的思维,还是现在接触的管理软件水平有所下降.换过好多年公司,越来越感觉现在的管理软件做的越来越乱.
在我看来,管理软件不论是以前的结构化编程,还是现在的面向对象编程,不管是CS模式,还是BS模式.模块的划分是很重要的.当然,模块的划分有很多种方式.我只是以我自己的划分方式来说一下.
做为管理软件,就像现在讲究MVC这
- NoSQL数据库之Redis数据库管理(String类型和hash类型)
bijian1013
redis数据库NoSQL
一.Redis的数据类型
1.String类型及操作
String是最简单的类型,一个key对应一个value,string类型是二进制安全的。Redis的string可以包含任何数据,比如jpg图片或者序列化的对象。
Set方法:设置key对应的值为string类型的value
- Tomcat 一些技巧
征客丶
javatomcatdos
以下操作都是在windows 环境下
一、Tomcat 启动时配置 JAVA_HOME
在 tomcat 安装目录,bin 文件夹下的 catalina.bat 或 setclasspath.bat 中添加
set JAVA_HOME=JAVA 安装目录
set JRE_HOME=JAVA 安装目录/jre
即可;
二、查看Tomcat 版本
在 tomcat 安装目
- 【Spark七十二】Spark的日志配置
bit1129
spark
在测试Spark Streaming时,大量的日志显示到控制台,影响了Spark Streaming程序代码的输出结果的查看(代码中通过println将输出打印到控制台上),可以通过修改Spark的日志配置的方式,不让Spark Streaming把它的日志显示在console
在Spark的conf目录下,把log4j.properties.template修改为log4j.p
- Haskell版冒泡排序
bookjovi
冒泡排序haskell
面试的时候问的比较多的算法题要么是binary search,要么是冒泡排序,真的不想用写C写冒泡排序了,贴上个Haskell版的,思维简单,代码简单,下次谁要是再要我用C写冒泡排序,直接上个haskell版的,让他自己去理解吧。
sort [] = []
sort [x] = [x]
sort (x:x1:xs)
| x>x1 = x1:so
- java 路径 配置文件读取
bro_feng
java
这几天做一个项目,关于路径做如下笔记,有需要供参考。
取工程内的文件,一般都要用相对路径,这个自然不用多说。
在src统计目录建配置文件目录res,在res中放入配置文件。
读取文件使用方式:
1. MyTest.class.getResourceAsStream("/res/xx.properties")
2. properties.load(MyTest.
- 读《研磨设计模式》-代码笔记-简单工厂模式
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/
package design.pattern;
/*
* 个人理解:简单工厂模式就是IOC;
* 客户端要用到某一对象,本来是由客户创建的,现在改成由工厂创建,客户直接取就好了
*/
interface IProduct {
- SVN与JIRA的关联
chenyu19891124
SVN
SVN与JIRA的关联一直都没能装成功,今天凝聚心思花了一天时间整合好了。下面是自己整理的步骤:
一、搭建好SVN环境,尤其是要把SVN的服务注册成系统服务
二、装好JIRA,自己用是jira-4.3.4破解版
三、下载SVN与JIRA的插件并解压,然后拷贝插件包下lib包里的三个jar,放到Atlassian\JIRA 4.3.4\atlassian-jira\WEB-INF\lib下,再
- JWFDv0.96 最新设计思路
comsci
数据结构算法工作企业应用公告
随着工作流技术的发展,工作流产品的应用范围也不断的在扩展,开始进入了像金融行业(我已经看到国有四大商业银行的工作流产品招标公告了),实时生产控制和其它比较重要的工程领域,而
- vi 保存复制内容格式粘贴
daizj
vi粘贴复制保存原格式不变形
vi是linux中非常好用的文本编辑工具,功能强大无比,但对于复制带有缩进格式的内容时,粘贴的时候内容错位很严重,不会按照复制时的格式排版,vi能不能在粘贴时,按复制进的格式进行粘贴呢? 答案是肯定的,vi有一个很强大的命令可以实现此功能 。
在命令模式输入:set paste,则进入paste模式,这样再进行粘贴时
- shell脚本运行时报错误:/bin/bash^M: bad interpreter 的解决办法
dongwei_6688
shell脚本
出现原因:windows上写的脚本,直接拷贝到linux系统上运行由于格式不兼容导致
解决办法:
1. 比如文件名为myshell.sh,vim myshell.sh
2. 执行vim中的命令 : set ff?查看文件格式,如果显示fileformat=dos,证明文件格式有问题
3. 执行vim中的命令 :set fileformat=unix 将文件格式改过来就可以了,然后:w
- 高一上学期难记忆单词
dcj3sjt126com
wordenglish
honest 诚实的;正直的
argue 争论
classical 古典的
hammer 锤子
share 分享;共有
sorrow 悲哀;悲痛
adventure 冒险
error 错误;差错
closet 壁橱;储藏室
pronounce 发音;宣告
repeat 重做;重复
majority 大多数;大半
native 本国的,本地的,本国
- hibernate查询返回DTO对象,DTO封装了多个pojo对象的属性
frankco
POJOhibernate查询DTO
DTO-数据传输对象;pojo-最纯粹的java对象与数据库中的表一一对应。
简单讲:DTO起到业务数据的传递作用,pojo则与持久层数据库打交道。
有时候我们需要查询返回DTO对象,因为DTO
- Partition List
hcx2013
partition
Given a linked list and a value x, partition it such that all nodes less than x come before nodes greater than or equal to x.
You should preserve the original relative order of th
- Spring MVC测试框架详解——客户端测试
jinnianshilongnian
上一篇《Spring MVC测试框架详解——服务端测试》已经介绍了服务端测试,接下来再看看如果测试Rest客户端,对于客户端测试以前经常使用的方法是启动一个内嵌的jetty/tomcat容器,然后发送真实的请求到相应的控制器;这种方式的缺点就是速度慢;自Spring 3.2开始提供了对RestTemplate的模拟服务器测试方式,也就是说使用RestTemplate测试时无须启动服务器,而是模拟一
- 关于推荐个人观点
liyonghui160com
推荐系统关于推荐个人观点
回想起来,我也做推荐了3年多了,最近公司做了调整招聘了很多算法工程师,以为需要多么高大上的算法才能搭建起来的,从实践中走过来,我只想说【不是这样的】
第一次接触推荐系统是在四年前入职的时候,那时候,机器学习和大数据都是没有的概念,什么大数据处理开源软件根本不存在,我们用多台计算机web程序记录用户行为,用.net的w
- 不间断旋转的动画
pangyulei
动画
CABasicAnimation* rotationAnimation;
rotationAnimation = [CABasicAnimation animationWithKeyPath:@"transform.rotation.z"];
rotationAnimation.toValue = [NSNumber numberWithFloat: M
- 自定义annotation
sha1064616837
javaenumannotationreflect
对象有的属性在页面上可编辑,有的属性在页面只可读,以前都是我们在页面上写死的,时间一久有时候会混乱,此处通过自定义annotation在类属性中定义。越来越发现Java的Annotation真心很强大,可以帮我们省去很多代码,让代码看上去简洁。
下面这个例子 主要用到了
1.自定义annotation:@interface,以及几个配合着自定义注解使用的几个注解
2.简单的反射
3.枚举
- Spring 源码
up2pu
spring
1.Spring源代码
https://github.com/SpringSource/spring-framework/branches/3.2.x
注:兼容svn检出
2.运行脚本
import-into-eclipse.bat
注:需要设置JAVA_HOME为jdk 1.7
build.gradle
compileJava {
sourceCompatibilit
- 利用word分词来计算文本相似度
yangshangchuan
wordword分词文本相似度余弦相似度简单共有词
word分词提供了多种文本相似度计算方式:
方式一:余弦相似度,通过计算两个向量的夹角余弦值来评估他们的相似度
实现类:org.apdplat.word.analysis.CosineTextSimilarity
用法如下:
String text1 = "我爱购物";
String text2 = "我爱读书";
String text3 =