u013011270
u013011270

[文献阅读] Automating Knowledge Acquisition for Machine Translation

Automating Knowledge Acquisition for Machine Translation

作者：Kevin Knight

时间：1997年


本篇文章的主要内容：

1、解决机器翻译问题不同的策略，word-for-word， syntax-based，semantic-based等等

2、利用西班牙语-英语形象化描述，如何从平行句对中得到 短语表

3、从双语语料中进行句子对齐任务

4、利用EM算法获得alignment

5、语言模型

6、翻译模型，为何P（E|F）不如P（F|E）好？

7、翻译评测的几种方法，人工策略，自动策略？

8、Syntax-based 机器翻译方法

9、Semantic-based 机器翻译方法，包含分析和生成，同时需要大量的外部资源


这篇文章比较早，当时短语系统等很多未提出，Kevin根据自己的经验写下这篇tutorial，并且分享了自己对于机器翻译的很多观点，这些观点今天看来的确都是很有意思的，并且预测到了很多年之后的机器翻译发展的路线。


文章下载地址：下载地址 

你可能感兴趣的:(机器翻译,alignment,信源信道)

  • ComPDFKit PDF SDK V1.6.0 新功能: 直接编辑PDF内的文字和图片! pdfsdkedittext
    支持的平台:iOSAndroidWindows新功能：编辑文字:添加、修改、删除PDF文件中的文字，支持设置PDF文件中原文字的大小、位置、颜色、对齐方式等Addedtextalignmentintextediting,includinglefttextalignment,righttextalignment,centertextalignment,andjustifytextalignment.
  • RNN及其变体 EmbodiedTech 人工智能大模型自然语言处理
    第三章RNN及其变体1认识RNN模型【根据RNN内部结构，可以分为哪几类】定义循环神经网络：一般接受的一序列进行输入，输出也是一个序列作用和应用场景RNN擅长处理连续语言文本，机器翻译、文本生成、文本分类、摘要生成RNN模型的分类根据输入与输出结构NVsN:输入和输出等长，应用场景：对联生成；词性标注；NERNVs1:输入N，输出为单值，应用场景：文本分类1VsN:输入是一个，输出为N，应用场景：
  • 鸿蒙dialog、AlertDialog jian11058 harmonyos鸿蒙华为
    showHintDialog(){AlertDialog.show({message:$r('app.string.read_write_request_hint'),autoCancel:true,alignment:DialogAlignment.Center,gridCount:3,width:'92%',buttonDirection:DialogButtonDirection.HORIZ
  • 一文让你详细理解Qualcomm WLAN Roaming机制：连载2 思考的下一页 #Wi-FiRoamingRoamingWi-FiQualcomm
    1.基于PER的漫游及BSS负载元素的使用通过监控Rx/Tx的MCS速率触发漫游扫描基于数据包错误率（PER）的漫游扫描机制用于将STA（站点）从拥塞信道迁移至更优候选信道。漫游扫描的触发条件基于当前使用的接收（Rx）和发送（Tx）数据速率。发送速率间接反映STA观测到的PER值，而接收速率则用于估算AP（接入点）观测到的PER值。当接收和发送数据速率低于20Mbps（可配置）时，固件开始监控Rx
  • 机器学习中输入输出Tokens的概念详解 爱吃土豆的程序员 机器学习基础机器学习人工智能Tokens
    随着深度学习技术的快速发展，大语言模型（LargeLanguageModels,LLMs）已经成为自然语言处理（NLP）领域的一个热点研究方向。这些模型不仅能够生成高质量的文本，还能在多种任务中展现出卓越的表现，比如机器翻译、问答系统、文本摘要等。在大语言模型的工作流程中，Tokens的概念扮演着至关重要的角色。本文将详细介绍大语言模型如何使用Tokens，以及如何计算Tokens的数量。什么是T
  • 从零开始大模型开发与微调：PyCharm的下载与安装 AI天才研究院 AI大模型企业级应用开发实战AI大模型应用入门实战与进阶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
    从零开始大模型开发与微调：PyCharm的下载与安装1.背景介绍随着人工智能和深度学习技术的不断发展,大型语言模型(LargeLanguageModels,LLMs)已经成为当前最引人注目的研究热点之一。LLMs能够在各种自然语言处理任务上展现出惊人的性能,例如机器翻译、文本生成、问答系统等。PyTorch和TensorFlow等深度学习框架为训练和微调大型语言模型提供了强大的支持。PyCharm
  • 数据增强正在杀死你的模型：90%开发者不知道的回译质量陷阱 人工智能
    1回译增强的核心机理1.1跨语言语义重构原理目前文本数据增强方面效果较好的增强方法。回译数据增强（Back-translationAugmentation）是基于神经机器翻译的文本再生技术，其核心运作流程包含三个关键阶段：语义编码阶段：源语言文本通过NMT模型编码为中间语义表示跨语言迁移阶段：语义表示解码为目标语言文本（建议选择阿尔巴尼亚语、斯瓦希里语等低资源语种）语义重构阶段：目标语言文本二次编
  • 构建多序列比对的删除矩阵Deletion Matrix qq_27390023 生物信息学pytorch深度学习人工智能
    从多序列比对（MultipleSequenceAlignment,MSA）数据中构建删除矩阵（DeletionMatrix）是蛋白质结构预测中的一个重要步骤。删除矩阵记录了每个位置相对于参考序列的缺失（deletion）信息，这些信息对于理解蛋白质的进化关系和结构变化非常关键。以下是从A3M格式文件的MSA序列数据中构建删除矩阵的核心代码和示例解析。1.A3M格式文件(.a3m)：每个序列都以>开
  • Assembly语言的自然语言处理 花韵婷 包罗万象golang开发语言后端
    Assembly语言在自然语言处理中的应用引言自然语言处理（NaturalLanguageProcessing,NLP）作为人工智能的一个重要分支，致力于实现计算机与人类语言之间的互动。随着计算能力的提升以及大数据的蓬勃发展，NLP在各个领域的应用如火如荼。从语音识别、机器翻译到情感分析等，NLP正在改变我们与信息之间的互动方式。不过，当前主流的NLP研究通常是用高级编程语言（如Python、Ja
  • LLM对齐方法作用：主要解决大型语言模型（LLMs）输出与人类价值观、需求和安全规范不一致的问题 ZhangJiQun&MXP 2021AIpython2024大模型以及算力2021数字交易数字资产语言模型安全人工智能机器学习自然语言处理算法
    LLM对齐方法作用：主要解决大型语言模型（LLMs）输出与人类价值观、需求和安全规范不一致的问题对齐方法（AlignmentMethods）主要解决大型语言模型（LLMs）输出与人类价值观、需求和安全规范不一致的问题。其核心目标是让模型生成的内容更符合人类预期，同时确保伦理合规性和实用性。以下是对齐方法解决的具体问题及典型场景：1.安全性与伦理问题问题：基础LLMs可能生成有害内容（如暴力、歧视、
  • BT、BT Mesh、WiFi、Zigbee技术对比分析 莫道桑榆晚-为霞尚满天 硬件工程网络协议信息与通信
    一、蓝牙（Bluetooth,BT）1.技术原理核心概念：蓝牙是一种短距离（10-100米）无线通信技术，采用跳频扩频（FHSS）技术，通过快速切换频段（每秒1600次）避免干扰。跳频扩频（FHSS）原理：在2.4GHz频段的79个1MHz信道中，按伪随机序列快速切换频率。比喻：像两人在嘈杂派对上不断更换餐桌位置私聊，躲避他人监听。协议版本：经典蓝牙（BR/EDR）：高功耗，支持音频传输（如耳机）
  • 非对称加密：SSL/TLS握手的数学基石 安全
    1.密钥交换的密码学困局在未加密的HTTP通信中，攻击者可通过中间人攻击（MITM）窃听或篡改数据。SSL/TLS协议的核心挑战在于：如何在不安全的信道上建立安全通信？这本质上是一个“密钥分发问题”——若使用对称加密（如AES），双方需要共享同一密钥，但密钥本身如何安全传递？非对称加密的突破性在于公钥与私钥的分离。以RSA算法为例，其数学基础是大质数分解难题：选择两个大质数p和q（通常≥2048位
  • 吴恩达机器学习笔记复盘（二）监督学习和无监督学习 wgc2k 机器学习机器学习笔记学习
    监督学习经济价值以及定义监督学习是机器学习中创造了99%经济价值的类型，它是学习输入到输出映射的算法，关键在于给学习算法提供包含正确答案（即给定输入X的正确标签Y）的学习例子。生活中的例子邮件分类，输入是电子邮件，输出是判断邮件是否为垃圾邮件。语音识别，输入音频剪辑，输出文本记录。机器翻译，输入一种语言文本，输出其他语言的相应翻译。在线广告，输入广告和用户信息，预测用户是否点击广告，为公司带来大量
  • UNet 改进：添加Transformer注意力机制增强捕捉长距离依赖关系的能力 听风吹等浪起 AI改进系列transformer深度学习人工智能
    目录1.Transformer注意力机制2.Unet改进3.代码1.Transformer注意力机制TransformerBlock是Transformer模型架构的基本组件，广泛应用于机器翻译、文本摘要和情感分析等自然语言处理任务。TransformerBlock是一个由两个子组件组成的构建块：多头注意力机制和前馈神经网络。这两个组件协同工作，处理和转换输入序列。多头注意力机制负责从输入序列中捕
  • 自然语言处理（NLP）技术介绍 风吹晚风悠 gpt人工智能nlp自然语言处理
    自然语言处理（NLP）是一种涉及计算机和人类语言之间交流的技术。NLP技术可以应用于多个领域，例如机器翻译、情感分析、文本分类、问答系统等。以下是一些NLP技术的示例：机器翻译：NLP技术可用于将一个语言的文本自动翻译成另一个语言。例如，GoogleTranslate和百度翻译等在线翻译工具就使用了NLP技术。情感分析：NLP技术可用于分析文本中的情感和情感倾向。这可以帮助企业了解公众对其产品或服
  • 基于Transformer的医学文本分类：从BERT到BioBERT Evaporator Core 人工智能#深度学习#DeepSeek快速入门transformer分类bert
    随着自然语言处理（NLP）技术的快速发展，Transformer模型在文本分类、情感分析、机器翻译等任务中取得了显著成果。在医学领域，文本数据（如电子病历、医学文献、临床报告）具有高度的专业性和复杂性，传统的NLP方法往往难以处理。Transformer模型，尤其是BERT及其变体，通过预训练和微调的方式，能够有效捕捉医学文本中的语义信息，为医学文本分类提供了强大的工具。本文将探讨Transfor
  • 基于transformer实现机器翻译(日译中) 小白_laughter 课程学习transformer机器翻译深度学习
    文章目录一、引言二、使用编码器—解码器和注意力机制来实现机器翻译模型2.0含注意力机制的编码器—解码器2.1读取和预处理数据2.2含注意力机制的编码器—解码器2.3训练模型2.4预测不定长的序列2.5评价翻译结果三、使用Transformer架构和PyTorch深度学习库来实现的日中机器翻译模型3.1、导入必要的库3.2、数据集准备3.3、准备分词器3.4、构建TorchText词汇表对象，并将句
  • 【WPF】Slider滑动方法（INotifyPropertyChanged、ValueChanged ）响应速度对比分析 wangnaisheng WPFC#c#wpf
    一、Slider基础用法在XAML中添加一个Slider控件，并设置其基本属性：Maximum="100"Value="50"Width="200"Height="30"HorizontalAlignment="Left"VerticalAlignment="Top"TickFrequency="10"TickPlacement="BottomRight"IsSnapToTickEnabled="
  • Python机器学习实战：构建序列到序列(Seq2Seq)模型处理翻译任务 AGI大模型与大数据研究院 程序员提升自我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AIGCAGILLMJavaPython架构设计Agent程序员实现财富自由
    Python机器学习实战：构建序列到序列(Seq2Seq)模型处理翻译任务1.背景介绍1.1问题的由来翻译是跨语言沟通的重要桥梁，随着全球化进程的加速，翻译需求日益增长。传统的机器翻译方法主要依赖于规则和统计方法，如基于短语的翻译、基于统计的机器翻译等。然而，这些方法难以处理复杂的语言现象，翻译质量参差不齐。近年来，随着深度学习技术的快速发展，基于神经网络序列到序列（Sequence-to-Seq
  • Compressed Channel Estimation for Intelligent Reflecting Surface-Assisted Millimeter Wave Systems No_one-_-2022 移动天线优化算法学习
    文章目录II.SYSTEMMODELANDPROBLEMFORMULATIONIII.CHANNELMODELIV.PROPOSEDMETHOD摘要：在这封信中，我们考虑了智能反射面(IRS)辅助毫米波(mmWave)系统的信道估计，其中部署了IRS来辅助从基站(BS)到用户的数据传输。本文表明，为了实现联合主动式和被动式波束形成，需要获取大尺寸级联信道矩阵的知识。为了减少训练开销，利用了毫米波信
  • 自动文摘的METEOR评价指标 Shirveon 自动文摘
    参考METEOR下载详细文档$java-Xmx2G-jarmeteor-*.jarexample/xray/system1.hypexample/xray/reference-norm-writeAlignments-fsystem1####exactmatch####java-Xmx2G-jarmeteor-*.jardecodedreference-norm-writeAlignments-f
  • 宽带,带宽,光纤,光猫,WiFi,路由器,令人傻傻搞不清?这篇文章讲明白他们之间的关系. *星之卡比* 智能路由器网络
    宽带,带宽,光纤,光猫,WiFi,路由器,令人傻傻搞不清?这篇文章讲明白他们之间的关系.想要家里能上网,就得找运营商办理宽带上网服务(如:电信,联通等),这样能上网的信号就会通过光纤传输到你家里.问题来了,啥叫宽带?宽带和带宽是什么呢?带宽(bandwidth),简单理解为频带宽度单位时间内通过网络通信信道传输的最大数据量,一般单位是mps(兆比特每秒),家里一般办的是百兆光纤但是一百兆比特每秒下
  • 2025最新Transformer模型及深度学习前沿技术应用 weixin_贾 PythonMATLABpython深度学习MATLAB编程深度学习模型图神经网络自编码物理信息神经网络目标检测大语言模型
    第一章、注意力（Attention）机制1、注意力机制的背景和动机（为什么需要注意力机制？注意力机制的起源和发展里程碑）。2、注意力机制的基本原理（什么是注意力机制？注意力机制的数学表达与基本公式、用机器翻译任务带你了解Attention机制、如何计算注意力权重？）3、注意力机制的主要类型：键值对注意力机制（Key-ValueAttention）、自注意力（Self-Attention）与多头注意
  • PVT360A 性能矢量测试仪 XLTYQYB 5G
    PVT360A性能矢量测试仪概述体积小巧，性能出色PVT360A是一款经过优化的VSG/VSA一体化矢量测试仪，可用于生产和表征应用的FR1基站、微小区和射频组件测试。测试仪集成两个独立的信号发生器和分析仪，能够快速进行并行测量。仪器体积小巧，支持最高8GHz频率、灵活的带宽配置和可选的第二个TRX信道，能够提供所需性能并灵活适应操作环境。01主要特点经过优化以用于FR1基站、微小区和射频组件测试
  • 《5G NR标准：下一代无线通信技术》读书笔记——LTE概述 Laolu5 读书笔记5g
    目录一.LTE概述1.频谱灵活性1.1载波聚合1.2授权辅助接入2.多天线增强2.1扩展的多天线传输2.2多点协作和传输2.3增强的控制信道结构3.密集度、微蜂窝和异构部署3.1中继3.2异构部署3.3微蜂窝开关3.4双连接3.5动态TDD3.6WLAN互通4.终端增强5.新场景5.1设备到设备通信5.2机器类型通信（MTC）5.3降低时延-sTTI5.4V2V和V2X5.5飞行器未完待续一.LT
  • 哈尔滨二级等保测评中的信源编码、信道编码 哈尔滨伟祺科技 网络
    在哈尔滨地区进行二级等级保护测评时，除了关注物理安全、网络安全等传统领域外，信息编码技术也是不可忽视的一环。信源编码与信道编码作为信息传输过程中的两大关键技术，对于保障数据完整性、提高传输效率具有重要意义。本文将深入探讨这两种编码技术在二级等保测评中的应用及其重要性。一、信源编码：数据压缩的艺术信源编码，简而言之，就是对原始信息进行压缩编码的过程，旨在减少数据的冗余度，提高传输或存储的效率。在二级
  • ResNet 改进：轻量级的混合本地信道注意机制MLCA 听风吹等浪起 AI改进系列深度学习opencv计算机视觉
    目录1.MLCA注意力机制2.改进位置3.完整代码Tips：融入模块后的网络经过测试，可以直接使用，设置好输入和输出的图片维度即可1.MLCA注意力机制MLCA（MixedLocalChannelAttention）是一种轻量级的混合本地信道注意机制，旨在提升卷积神经网络（CNN）在图像处理任务中的性能。它通过结合局部和全局信息来增强特征表示能力，同时保持较低的计算复杂度。核心思想：MLCA的核心
  • 华为OD机试 - 信道分配 - 贪心算法（Python/JS/C/C++ 2024 D卷 200分） 哪 吒 python华为od贪心算法
    一、题目描述算法工程师Q小明面对着这样一个问题，需要将通信用的信道分配给尽量多的用户：信道的条件及分配规则如下：所有信道都有属性"阶"。阶为r的信道的容量为2^r比特；所有用户需要传输的数据量都一样：D比特；一个用户可以分配多个信道，但每个信道只能分配给一个用户；当且仅当分配给一个用户的所有信道的容量和>=D，用户才能传输数据；给出一组信道资源，最多可以为多少用户传输数据？二、输入描述第一行，一个
  • 实现组件间通信鸿蒙示例代码
    本文原创发布在华为开发者社区。介绍本示例主要讲解组件间通信方式，包含以下几种场景：父子组件单向通信父子组件双向通信前后代组件双向同步组件嵌套类双向同步实现组件间通信源码链接效果预览使用说明进入应用，点击按钮可浏览不同组件关系之间的效果。实现思路父子组件单向通信单向通信时，修改子组件的值，父组件不会同步修改，通过单独设置父组件的属性实现，点击按钮时只改变子组件的属性，父组件与原来一致。核心代码如下，
  • 【代码详解】信道编码——低密度奇偶校验码LDPC 禾风hefeng 语义通信算法
    LDPC（低密度奇偶校验码）是一种高效的纠错编码技术，广泛应用于现代通信和存储系统。由由RobertG.Gallager于1962年提出，后因Turbo码的竞争一度被忽视，1990年代因逼近香农限的性能被重新重视。LDPC码是一种基于稀疏校验矩阵的线性分组码，其校验矩阵（H矩阵）中非零元素极少（低密度）。由于其稀疏性，即校验矩阵中非零元素占比低，能够降低编解码的复杂度。编码原理在传统通信中，编码过
  • apache ftpserver-CentOS config gengzg apache
    <server xmlns="http://mina.apache.org/ftpserver/spring/v1" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation=" http://mina.apache.o
  • 优化MySQL数据库性能的八种方法 AILIKES sqlmysql
    1、选取最适用的字段属性 　　MySQL可以很好的支持大数据量的存取，但是一般说来，数据库中的表越小，在它上面执行的查询也就会越快。因此，在创建表的时候，为了获得更好的 性能，我们可以将表中字段的宽度设得尽可能小。例如，在定义邮政编码这个字段时，如果将其设置为CHAR(255),显然给数据库增加了不必要的空间，甚至使用VARCHAR这种类型也是多余的，因为CHAR(6)就可以很
  • JeeSite 企业信息化快速开发平台 Kai_Ge JeeSite
    JeeSite 企业信息化快速开发平台 平台简介 JeeSite是基于多个优秀的开源项目，高度整合封装而成的高效，高性能，强安全性的开源Java EE快速开发平台。 JeeSite本身是以Spring Framework为核心容器，Spring MVC为模型视图控制器，MyBatis为数据访问层， Apache Shiro为权限授权层，Ehcahe对常用数据进行缓存，Activit为工作流
  • 通过Spring Mail Api发送邮件 120153216 邮件main
    原文地址：http://www.open-open.com/lib/view/open1346857871615.html 使用Java Mail API来发送邮件也很容易实现，但是最近公司一个同事封装的邮件API实在让我无法接受，于是便打算改用Spring Mail API来发送邮件，顺便记录下这篇文章。 【Spring Mail API】 Spring Mail API都在org.spri
  • Pysvn 程序员使用指南 2002wmj SVN
    源文件:http://ju.outofmemory.cn/entry/35762 这是一篇关于pysvn模块的指南. 完整和详细的API请参考 http://pysvn.tigris.org/docs/pysvn_prog_ref.html. pysvn是操作Subversion版本控制的Python接口模块. 这个API接口可以管理一个工作副本, 查询档案库, 和同步两个. 该
  • 在SQLSERVER中查找被阻塞和正在被阻塞的SQL 357029540 SQL Server
    SELECT  R.session_id AS BlockedSessionID ,          S.session_id AS BlockingSessionID ,          Q1.text AS Block
  • Intent 常用的用法备忘 7454103 .netandroidGoogleBlogF#
    Intent     应该算是Android中特有的东西。你可以在Intent中指定程序 要执行的动作（比如：view,edit,dial），以及程序执行到该动作时所需要的资料 。都指定好后，只要调用startActivity()，Android系统 会自动寻找最符合你指定要求的应用 程序，并执行该程序。 下面列出几种Intent 的用法 显示网页:
  • Spring定时器时间配置 adminjun spring时间配置定时器
    红圈中的值由6个数字组成，中间用空格分隔。第一个数字表示定时任务执行时间的秒，第二个数字表示分钟，第三个数字表示小时，后面三个数字表示日，月，年，< xmlnamespace prefix ="o" ns ="urn:schemas-microsoft-com:office:office" /> 测试的时候，由于是每天定时执行，所以后面三个数
  • POJ 2421 Constructing Roads 最小生成树 aijuans 最小生成树
    来源：http://poj.org/problem?id=2421 题意：还是给你n个点，然后求最小生成树。特殊之处在于有一些点之间已经连上了边。 思路：对于已经有边的点，特殊标记一下，加边的时候把这些边的权值赋值为0即可。这样就可以既保证这些边一定存在，又保证了所求的结果正确。 代码： #include <iostream> #include <cstdio>
  • 重构笔记——提取方法（Extract Method） ayaoxinchao java重构提炼函数局部变量提取方法
    提取方法（Extract Method）是最常用的重构手法之一。当看到一个方法过长或者方法很难让人理解其意图的时候，这时候就可以用提取方法这种重构手法。   下面是我学习这个重构手法的笔记：   提取方法看起来好像仅仅是将被提取方法中的一段代码，放到目标方法中。其实，当方法足够复杂的时候，提取方法也会变得复杂。当然，如果提取方法这种重构手法无法进行时，就可能需要选择其他
  • 为UILabel添加点击事件 bewithme UILabel
        默认情况下UILabel是不支持点击事件的，网上查了查居然没有一个是完整的答案，现在我提供一个完整的代码。   UILabel *l = [[UILabel alloc] initWithFrame:CGRectMake(60, 0, listV.frame.size.width - 60, listV.frame.size.height)]
  • NoSQL数据库之Redis数据库管理(PHP-REDIS实例) bijian1013 redis数据库NoSQL
    一.redis.php <?php //实例化 $redis = new Redis(); //连接服务器 $redis->connect("localhost"); //授权 $redis->auth("lamplijie"); //相关操
  • SecureCRT使用备注 bingyingao secureCRT每页行数
    SecureCRT日志和卷屏行数设置 一、使用securecrt时，设置自动日志记录功能。 1、在C:\Program Files\SecureCRT\下新建一个文件夹(也就是你的CRT可执行文件的路径），命名为Logs； 2、点击Options -> Global Options -> Default Session -> Edite Default Sett
  • 【Scala九】Scala核心三：泛型 bit1129 scala
    泛型类 package spark.examples.scala.generics class GenericClass[K, V](val k: K, val v: V) { def print() { println(k + "," + v) } } object GenericClass { def main(args: Arr
  • 素数与音乐 bookjovi 素数数学haskell
        由于一直在看haskell，不可避免的接触到了很多数学知识，其中数论最多，如素数，斐波那契数列等，很多在学生时代无法理解的数学现在似乎也能领悟到那么一点。     闲暇之余，从图书馆找了<<The music of primes>>和<<世界数学通史>>读了几遍。其中素数的音乐这本书与软件界熟知的&l
  • Java-Collections Framework学习与总结-IdentityHashMap BrokenDreams Collections
            这篇总结一下java.util.IdentityHashMap。从类名上可以猜到，这个类本质应该还是一个散列表，只是前面有Identity修饰，是一种特殊的HashMap。         简单的说，IdentityHashMap和HashM
  • 读《研磨设计模式》-代码笔记-享元模式-Flyweight 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.util.ArrayList; import java.util.Collection; import java.util.HashMap; import java.util.List; import java
  • PS人像润饰&调色教程集锦 cherishLC PS
      1、仿制图章沿轮廓润饰——柔化图像，凸显轮廓 http://www.howzhi.com/course/retouching/   新建一个透明图层，使用仿制图章不断Alt+鼠标左键选点，设置透明度为21%，大小为修饰区域的1/3左右（比如胳膊宽度的1/3），再沿纹理方向（比如胳膊方向）进行修饰。   所有修饰完成后，对该润饰图层添加噪声，噪声大小应该和
  • 更新多个字段的UPDATE语句 crabdave update
    更新多个字段的UPDATE语句                    update tableA a set (a.v1, a.v2, a.v3, a.v4) = --使用括号确定更新的字段范围
  • hive实例讲解实现in和not in子句 daizj hivenot inin
    本文转自：http://www.cnblogs.com/ggjucheng/archive/2013/01/03/2842855.html 当前hive不支持 in或not in 中包含查询子句的语法，所以只能通过left join实现。 假设有一个登陆表login(当天登陆记录,只有一个uid),和一个用户注册表regusers(当天注册用户，字段只有一个uid)，这两个表都包含
  • 一道24点的10+种非人类解法（2,3,10,10） dsjt 算法
    这是人类算24点的方法？！！！ 事件缘由：今天晚上突然看到一条24点状态，当时惊为天人，这NM叫人啊？以下是那条状态 朱明西 : 24点，算2 3 10 10，我LX炮狗等面对四张牌痛不欲生，结果跑跑同学扫了一眼说，算出来了，2的10次方减10的3次方。。我草这是人类的算24点啊。。 然后么。。。我就在深夜很得瑟的问室友求室友算 刚出完题，文哥的暴走之旅开始了 5秒后
  • 关于YII的菜单插件 CMenu和面包末breadcrumbs路径管理插件的一些使用问题 dcj3sjt126com yiiframework
    在使用 YIi的路径管理工具时，发现了一个问题。                    <?php         
  • 对象与关系之间的矛盾：“阻抗失配”效应[转] come_for_dream 对象
    概述   “阻抗失配”这一词组通常用来描述面向对象应用向传统的关系数据库（RDBMS）存放数据时所遇到的数据表述不一致问题。C++程序员已经被这个问题困扰了好多年，而现在的Java程序员和其它面向对象开发人员也对这个问题深感头痛。   “阻抗失配”产生的原因是因为对象模型与关系模型之间缺乏固有的亲合力。“阻抗失配”所带来的问题包括：类的层次关系必须绑定为关系模式（将对象
  • 学习编程那点事 gcq511120594 编程互联网
    一年前的夏天，我还在纠结要不要改行，要不要去学php？能学到真本事吗？改行能成功吗？太多的问题，我终于不顾一切，下定决心，辞去了工作，来到传说中的帝都。老师给的乘车方式还算有效，很顺利的就到了学校，赶巧了，正好学校搬到了新校区。先安顿了下来，过了个轻松的周末，第一次到帝都，逛逛吧！ 接下来的周一，是我噩梦的开始，学习内容对我这个零基础的人来说，除了勉强完成老师布置的作业外，我已经没有时间和精力去
  • Reverse Linked List II hcx2013 list
    Reverse a linked list from position m to n. Do it in-place and in one-pass. For example:Given 1->2->3->4->5->NULL, m = 2 and n = 4, return 
  • Spring4.1新特性——页面自动化测试框架Spring MVC Test HtmlUnit简介 jinnianshilongnian spring 4.1
    目录 Spring4.1新特性——综述 Spring4.1新特性——Spring核心部分及其他 Spring4.1新特性——Spring缓存框架增强 Spring4.1新特性——异步调用和事件机制的异常处理 Spring4.1新特性——数据库集成测试脚本初始化 Spring4.1新特性——Spring MVC增强 Spring4.1新特性——页面自动化测试框架Spring MVC T
  • Hadoop集群工具distcp liyonghui160com
        1. 环境描述 两个集群：rock 和 stone rock无kerberos权限认证，stone有要求认证。 1. 从rock复制到stone，采用hdfs Hadoop distcp -i hdfs://rock-nn:8020/user/cxz/input hdfs://stone-nn:8020/user/cxz/运行在rock端，即源端问题：报版本
  • 一个备份MySQL数据库的简单Shell脚本 pda158 mysql脚本
    　　主脚本（用于备份mysql数据库）： 　　该Shell脚本可以自动备份 数据库。只要复制粘贴本脚本到文本编辑器中，输入数据库用户名、密码以及数据库名即可。我备份数据库使用的是mysqlump 命令。后面会对每行脚本命令进行说明。 　　 1. 分别建立目录“backup”和“oldbackup” 　　#mkdir /backup 　　#mkdir /oldbackup 　
  • 300个涵盖IT各方面的免费资源（中）——设计与编码篇 shoothao IT资源图标库图片库色彩板字体
    A. 免费的设计资源 Freebbble:来自于Dribbble的免费的高质量作品。 Dribbble:Dribbble上“免费”的搜索结果——这是巨大的宝藏。 Graphic Burger:每个像素点都做得很细的绝佳的设计资源。 Pixel Buddha:免费和优质资源的专业社区。 Premium Pixels:为那些有创意的人提供免费的素材。
  • thrift总结 - 跨语言服务开发 uule thrift
    官网 官网JAVA例子 thrift入门介绍 IBM-Apache Thrift - 可伸缩的跨语言服务开发框架 Thrift入门及Java实例演示 thrift的使用介绍   RPC    POM： <dependency> <groupId>org.apache.thrift</groupId>
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他