- java 数据库实例 pdf_JAVA读取PDF、WORD文档实例代码
shopify麦克
java数据库实例pdf
商品搜索引擎---分词(插件介绍与入门实例)版权声明:本文为博主原创文章,转载注明出处http://blog.csdn.net/u013142781目录(?)[+]最近刚好在学习搜索引擎分词,有了解一些分词插件,在这里给各位猿友分享一下。本文主要介绍四个分词插件(ICTCLAS、IKAnalyzer、Ansj、Jcseg...文章ghost丶桃子2016-05-265414浏览量.NET平台开源文
- 中文姓名识别算法
一品鸟人
jcseg支持中文姓名的识别。但是并不是什么很具有新意的算法,或者说需要经过一大版的数学公式计算才能实现的。jcseg的姓名识别算法很简单,但是从实际效益来看,确实达到了我预期的效果。首先说明:jcseg使用的不是机械匹配中文姓名(虽然词库里面有一些人名,cc-cedict里面整理出来的),本人觉得这样太机械了,这么的中文姓名不可能都存词库。如何实现的呢?巧妙利用mmseg算法的特性和中文姓名的特
- 中文分词器 jcseg
chenjia3615349
solr
jcseg是使用Java开发的一个中文分词器,使用流行的mmseg算法实现。1。目前最高版本:jcseg1.6.9。2。mmseg四种过滤算法,分词准确率达到了97%以上。3。支持自定义词库。在lexicon文件夹下,可以随便添加/删除/更改词库和词库内容,并且对词库进行了分类。如何给jcseg添加词库/新词4。中文数字识别,例如:"四五十个人都来了,管他叁柒贰拾壹。"中的"四五十"和"叁柒贰拾壹
- Jcseg分词器中英文混合词保留完整分词
pandalovey
Java
Jcseg是基于mmseg算法的一个轻量级中文分词器,同时集成了关键字提取,关键短语提取,关键句子提取和文章自动摘要等功能,并且提供了一个基于Jetty的web服务器,方便各大语言直接http调用,同时提供了最新版本的lucene,solr,elasticsearch的分词接口Jcseg自带了一个jcseg.properties文件用于快速配置而得到适合不同场合的分词应用,例如:最大匹配词长,是否
- solr+jcseg使用complex模式实现模糊搜索效果
薛凌康
jcsegjcseg分词器
solr+jcseg使用complex模式实现模糊搜索效果为了解决什么问题解决方案比较折中的方案为了解决什么问题假设字段name包含行政区名字,比如河北省,河北,使用complex模式:name:河北,此时搜索不到包含河北省的结果name:河北省,此时搜索不到只包含河北的结果虽然这两个词都在词库中,但是complex模式不会对这个词进行二次切分。解决方案使用search模式,对字段进行二次切分使用
- Jcseg分词 介绍
苏格拉低
后台
今天给大家介绍一下Jcseg分词首先我先来让大家跑通一个程序然后大家在慢慢研究步骤如下1、解压这个jar包,jcseg-1.9.4-src-jar-dict.zip下载路径:http://download.csdn.net/detail/u010310183/80416772、自己建立个项目1)首先创建一个config文件夹,文件夹下创建jcseg.properties。jcseg.propert
- jcseg中文分词器去除不想要的分词
sunseed
搜索引擎
今天观察我的网站[url="http://www.savetao.com"]省淘网[/url]时,发现好多相关搜索结果,都是关键词“的”的命中。一开始想自己把字符串里的“的”replace掉得了,但是一想,jcseg应该有这个功能吧。翻阅了说明文档后,最终发现,默认的配置文件没有开启自动过滤停止词(其实就是去掉不想要的分词)具体设置:默认的配置文件在jcseg-core-1.9.1.jar包里:j
- 基于Spark上的中文分词算法的实现
杰仕人生1
此篇文章只是一份普通的实验报告,同时会对Jcseg中文分词使用进行分享。实现目的学习编写Spark程序,对中文文档分词词频的统计分析。实现原理实现步骤(1)Jcseg分词官方首页:https://code.google.com/p/jcseg/下载地址:https://code.google.com/p/jcseg/downloads/listgithub开源社区:http://git.oschi
- 切词框架jcseg,入门
weixin_30788239
Jcseg是使用Java开发的一款开源的中文分词器,基于流行的mmseg算法实现,分词准确率高达98.4%,支持中文人名识别,同义词匹配,停止词过滤等。并且提供了最新版本的lucene,solr,elasticsearch分词接口。1.9.5org.lionsoul.jcsegjcseg-core${jcseg.version}如何配置jcseg.properties#jcsegfunction#
- Lucene:IKanalyzer与jcseg分词器
小白很爱吃
IKanalyzerIKanalyzer分词器,有两种分词模式:l细粒度切分l智能分词1/**2*使用分词器对字符串分词3*/4privatestaticvoidIKanalyzer8()throwsParseException,IOException{5Stringwords="五月天创建的人生有限公司举报了一场演唱会,唱了一首doyouevershine";6//细粒度切分7try(Analy
- Elasticsearch使用jcseg分词插件遇到的高亮highlight问题
aitcax
JavaLuceneKeng
Elasticsearch使用jcseg分词插件遇到的高亮highlight问题问题描述解决办法问题描述在使用jcseg分词插件,并且需要高亮关键词的时候遇到es查询报错:invalidtokenoffsetsexception:Token11月15日exceedslengthofprovidedtextsized14问题是这样的:现在发现分词会将“11月15日”变成“11月15日”,在中间加了一
- hanlp中文智能分词自动识别文字提取实例
adnb34g
hanlp人工智能
阅读更多需求:客户给销售员自己的个人信息,销售帮助客户下单,此过程需要销售人员手动复制粘贴收获地址,电话,姓名等等,一个智能的分词系统可以让销售人员一键识别以上各种信息经过调研,找到了一下开源项目1、word分词器2、ansj分词器3、mmseg4j分词器4、ik-analyzer分词器5、jcseg分词器6、fudannlp分词器7、smartcn分词器8、jieba分词器9、stanford分
- hanlp中文智能分词自动识别文字提取实例
adnb34g
hanlp人工智能
阅读更多需求:客户给销售员自己的个人信息,销售帮助客户下单,此过程需要销售人员手动复制粘贴收获地址,电话,姓名等等,一个智能的分词系统可以让销售人员一键识别以上各种信息经过调研,找到了一下开源项目1、word分词器2、ansj分词器3、mmseg4j分词器4、ik-analyzer分词器5、jcseg分词器6、fudannlp分词器7、smartcn分词器8、jieba分词器9、stanford分
- Jcseg分词器的实现详解
pan_haufei
spark
1.之前的项目一直都是用的ik分词器,但是最近的一个项目项目大佬说ik好像很长时间都没更新,版本太老旧,故而用了新的jcseg的分词器,于是也上网找了一些资料,学习了一下如何使用jcseg分词器。2.http://www.docin.com/p-782941386.html这个是网上找到的Jcseg中文分词器开发说明文档3.具体实现在pom文件里面添加相关架包org.lionsouljcseg-c
- 文本型数据的向量化:TF-IDF
pan_haufei
spark
1.对于文本型数据的分类处理(或者其他的处理),根据ik和jcseg等分词器先对它们进行分词处理之后,大家都知道,计算机是处理不了汉字的,对于文本型的词我们如何才能让计算机处理呢?我们可以通过TF-IDF将文本型的数据向量化。对于TF-IDF的概念我就不再阐述,网上的资源非常多,这里我主要来看看是如何实现的。2.测试数据的准备(pca.txt)1,纵坐标是该词在该文章中的权重0,其出发点是一个词对
- word分词器、ansj分词器、IKanalyzer分词器、mmseg4j分词器、jcseg分词器对比
colie_li
elasticsearch
因项目需要,对目前比较流行的几个分词器进行了对比,ansj_seg是最美好的一个分词器,智能、强悍,对索引和最大颗粒分割都照顾得很到位,词库的树形读取也堪称经典;如果搜索只追求绝对准确度不考虑搜索结果最大化,jcseg效果还是很好的;如果只做站内搜索,不是海量互联网搜索引擎,可以考虑使用IKanalyzer,鼎鼎大名的知乎网用的也是IKanalyzer分词器;如果做推荐做分类可能会使用jcseg,
- [置顶] 商品搜索引擎---分词(插件介绍与入门实例)
u013142781
搜索引擎分词
最近刚好在学习搜索引擎分词,有了解一些分词插件,在这里给各位猿友分享一下。本文主要介绍四个分词插件(ICTCLAS、IKAnalyzer、Ansj、Jcseg)和一种自己写算法实现的方式,以及一些词库的推荐。一、ICTCLAS1.1、介绍中文词法分析是中文信息处理的基础与关键。中国科学院计算技术研究所在多年研究工作积累的基础上,研制出了汉语词法分析系统ICTCLAS(InstituteofComp
- lucene5.5版本中文jcseg分词器
吕兵阳
Lucene分词器中文分词jcseg
首先引入lucene5.5的pom文件
org.apache.lucene
lucene-core
5.5.0
org.apache.lucene
lucene-queryparser
5.5.0
org.apache.lucene
lucene-analyzers-common
5.5.0
org.apa
- Lucene 5.2.1 + jcseg 1.9.6中文分词索引(Lucene 学习序列2)
qiuzhping
Lucene5.2.1+jcseg1.9.6中文分词索引(Lucene学习序列2) jcseg是使用Java开发的一个开源的中文分词器,使用流行的mmseg算法实现。是一款独立的分词组件,不是针对lucene而开发,但是提供了最新版本的lucene和solr分词接口。 JavaCodepackagecom.qiuzhping.lucene;
importjava.sql.Con
- 常用中文分词器
itace
分词器:1、word分词器2、ansj分词器3、mmseg4j分词器4、ik-analyzer分词器5、jcseg分词器6、fudannlp分词器7、smartcn分词器8、jieba分词器9、stanford分词器10、hanlp分词器 测试评估报告:https://github.com/ysc/cws_evaluation
- IKanalyzer、ansj_seg、jcseg三种中文分词器的实战较量
IKAnalyzer
选手:IKanalyzer、ansj_seg、jcseg
硬件:i5-3470 3.2GHz 8GB win7 x64
比赛项目:1、搜索;2、自然语言分析
选手介绍:
1,IKanalyzer
IKanalyzer采用的是“正向迭代最细粒度切分算法”,是比较常见而且很容易上手的分词器了。一般新手上路学习lucene或者solr都会用这个。优点是开源(其实java
- Elasticsearch 中文分词插件 jcseg 安装 (Ubuntu 14.04 下)
Koma
搜索可以说是开发中很常见的场景了,同样这次也一样。。。之前的组合多数是选择Mysql+Sphinx,这次因为工作原因不再使用这种组合,虽然是老牌组合,但是确实限制诸多,而且每次配环境也是个问题,挺烦的。。。这次就尝试使用Elasticsearch+Jcseg,因为在文档检索方面elasticsearch做的相当不错,但是对中文环境来说就差一个很好的中文分词器,还好,国内好的中文分词器也有蛮多,但是
- jcseg 1.7.2 版发布了
发布
jcseg 1.7.2版发布了:
1。去除了英文无用标点的切分。
2。新加入字母和标点组合词的识别,例如:c++, g++, c#等等。
(为此jcseg新加入了一个词库 lex-en-pun.lex,专门用于存放该类词条。)
3。加入中文数字单字单位的识别,例如:五折,十年……,并且jcseg会自动将其转换成阿拉伯数字和单位的组合加入到分词结果中,例如上述会转
- Lucene中文分词Jcseg
tianwei7518
Lucene全文检索
Jcseg是使用Java开发的一款开源的中文分词器,基于流行的mmseg算法实现,分词准确率高达98.4%,支持中文人名识别,同义词匹配,停止词过滤等。并且提供了最新版本的lucene,solr,elasticsearch分词接口。项目地址:google:https://code.google.com/p/jcseg/github:http://git.oschina.net/lionsoul/j
- cws_evaluation v1.1 发布,中文分词器分词效果评估对比
yangshangchuan
word分词器中文分词器cws_evaluation分词效果评估分词效果对比
cws_evaluation是一个Java开源项目,用于对中文分词器的分词效果进行评估对比,目前支持9大中文分词器。分别是:word分词器、ansj分词器、mmseg4j分词器、ik-analyzer分词器、jcseg分词器、fudannlp分词器、smartcn分词器、jieba分词器、stanford分词器。
在1.1中,将9大中文分词器都升级到了最新版本,并采用Maven构
- cws_evaluation v1.1 发布,中文分词器分词效果评估对比
yangshangchuan
word分词器中文分词器cws_evaluation分词效果评估分词效果对比
cws_evaluation是一个Java开源项目,用于对中文分词器的分词效果进行评估对比,目前支持9大中文分词器。分别是:word分词器、ansj分词器、mmseg4j分词器、ik-analyzer分词器、jcseg分词器、fudannlp分词器、smartcn分词器、jieba分词器、stanford分词器。
在1.1中,将9大中文分词器都升级到了最新版本,并采用Maven构
- cws_evaluation v1.1 发布,中文分词器分词效果评估对比
yangshangchuan
word分词器中文分词器cws_evaluation分词效果对比分词效果评估
cws_evaluation是一个Java开源项目,用于对中文分词器的分词效果进行评估对比,目前支持9大中文分词器。分别是:word分词器、ansj分词器、mmseg4j分词器、ik-analyzer分词器、jcseg分词器、fudannlp分词器、smartcn分词器、jieba分词器、stanford分词器。
在1.1中,将9大中文分词器都升级到了最新版本,并采用Maven构
- cws_evaluation v1.1 发布,中文分词器分词效果评估对比
yangshangchuan
word分词器中文分词器分词效果对比cws_evaluation分词效果评估
cws_evaluation是一个Java开源项目,用于对中文分词器的分词效果进行评估对比,目前支持9大中文分词器。分别是:word分词器、ansj分词器、mmseg4j分词器、ik-analyzer分词器、jcseg分词器、fudannlp分词器、smartcn分词器、jieba分词器、stanford分词器。
在1.1中,将9大中文分词器都升级到了最新版本,并采用Maven构
- cws_evaluation v1.1 发布,中文分词器分词效果评估对比
杨尚川
word分词器中文分词器分词效果评估分词效果对比cws_evaluation
cws_evaluation是一个Java开源项目,用于对中文分词器的分词效果进行评估对比,目前支持9大中文分词器。分别是:word分词器、ansj分词器、mmseg4j分词器、ik-analyzer分词器、jcseg分词器、fudannlp分词器、smartcn分词器、jieba分词器、stanford分词器。在1.1中,将9大中文分词器都升级到了最新版本,并采用Maven构建项目,增加了方便用
- 使用Lucene4.7实现搜索功能,分页+高亮
huyana_town
Lucene
不久前应公司需求写的搜索。下面记录一下,防止以后忘记。为什么使用4.7不是最新的版本?因为公司项目的JDK还是1.6的所以只能使用4.7。字典使用Jcseg。因为庖丁解牛以后很老了,所以使用Jcseg,效果还不错。本人把Lucene常用的代码封装成jar包了,在项目中直接使用jar包外加你自己的业务类就可以使用了。
接下来直接上代码。
字典类Jcseg:
public class Jcseg
- java杨辉三角
3213213333332132
java基础
package com.algorithm;
/**
* @Description 杨辉三角
* @author FuJianyong
* 2015-1-22上午10:10:59
*/
public class YangHui {
public static void main(String[] args) {
//初始化二维数组长度
int[][] y
- 《大话重构》之大布局的辛酸历史
白糖_
重构
《大话重构》中提到“大布局你伤不起”,如果企图重构一个陈旧的大型系统是有非常大的风险,重构不是想象中那么简单。我目前所在公司正好对产品做了一次“大布局重构”,下面我就分享这个“大布局”项目经验给大家。
背景
公司专注于企业级管理产品软件,企业有大中小之分,在2000年初公司用JSP/Servlet开发了一套针对中
- 电驴链接在线视频播放源码
dubinwei
源码电驴播放器视频ed2k
本项目是个搜索电驴(ed2k)链接的应用,借助于磁力视频播放器(官网:
http://loveandroid.duapp.com/ 开放平台),可以实现在线播放视频,也可以用迅雷或者其他下载工具下载。
项目源码:
http://git.oschina.net/svo/Emule,动态更新。也可从附件中下载。
项目源码依赖于两个库项目,库项目一链接:
http://git.oschina.
- Javascript中函数的toString()方法
周凡杨
JavaScriptjstoStringfunctionobject
简述
The toString() method returns a string representing the source code of the function.
简译之,Javascript的toString()方法返回一个代表函数源代码的字符串。
句法
function.
- struts处理自定义异常
g21121
struts
很多时候我们会用到自定义异常来表示特定的错误情况,自定义异常比较简单,只要分清是运行时异常还是非运行时异常即可,运行时异常不需要捕获,继承自RuntimeException,是由容器自己抛出,例如空指针异常。
非运行时异常继承自Exception,在抛出后需要捕获,例如文件未找到异常。
此处我们用的是非运行时异常,首先定义一个异常LoginException:
/**
* 类描述:登录相
- Linux中find常见用法示例
510888780
linux
Linux中find常见用法示例
·find path -option [ -print ] [ -exec -ok command ] {} \;
find命令的参数;
- SpringMVC的各种参数绑定方式
Harry642
springMVC绑定表单
1. 基本数据类型(以int为例,其他类似):
Controller代码:
@RequestMapping("saysth.do")
public void test(int count) {
}
表单代码:
<form action="saysth.do" method="post&q
- Java 获取Oracle ROWID
aijuans
javaoracle
A ROWID is an identification tag unique for each row of an Oracle Database table. The ROWID can be thought of as a virtual column, containing the ID for each row.
The oracle.sql.ROWID class i
- java获取方法的参数名
antlove
javajdkparametermethodreflect
reflect.ClassInformationUtil.java
package reflect;
import javassist.ClassPool;
import javassist.CtClass;
import javassist.CtMethod;
import javassist.Modifier;
import javassist.bytecode.CodeAtt
- JAVA正则表达式匹配 查找 替换 提取操作
百合不是茶
java正则表达式替换提取查找
正则表达式的查找;主要是用到String类中的split();
String str;
str.split();方法中传入按照什么规则截取,返回一个String数组
常见的截取规则:
str.split("\\.")按照.来截取
str.
- Java中equals()与hashCode()方法详解
bijian1013
javasetequals()hashCode()
一.equals()方法详解
equals()方法在object类中定义如下:
public boolean equals(Object obj) {
return (this == obj);
}
很明显是对两个对象的地址值进行的比较(即比较引用是否相同)。但是我们知道,String 、Math、I
- 精通Oracle10编程SQL(4)使用SQL语句
bijian1013
oracle数据库plsql
--工资级别表
create table SALGRADE
(
GRADE NUMBER(10),
LOSAL NUMBER(10,2),
HISAL NUMBER(10,2)
)
insert into SALGRADE values(1,0,100);
insert into SALGRADE values(2,100,200);
inser
- 【Nginx二】Nginx作为静态文件HTTP服务器
bit1129
HTTP服务器
Nginx作为静态文件HTTP服务器
在本地系统中创建/data/www目录,存放html文件(包括index.html)
创建/data/images目录,存放imags图片
在主配置文件中添加http指令
http {
server {
listen 80;
server_name
- kafka获得最新partition offset
blackproof
kafkapartitionoffset最新
kafka获得partition下标,需要用到kafka的simpleconsumer
import java.util.ArrayList;
import java.util.Collections;
import java.util.Date;
import java.util.HashMap;
import java.util.List;
import java.
- centos 7安装docker两种方式
ronin47
第一种是采用yum 方式
yum install -y docker
 
- java-60-在O(1)时间删除链表结点
bylijinnan
java
public class DeleteNode_O1_Time {
/**
* Q 60 在O(1)时间删除链表结点
* 给定链表的头指针和一个结点指针(!!),在O(1)时间删除该结点
*
* Assume the list is:
* head->...->nodeToDelete->mNode->nNode->..
- nginx利用proxy_cache来缓存文件
cfyme
cache
user zhangy users;
worker_processes 10;
error_log /var/vlogs/nginx_error.log crit;
pid /var/vlogs/nginx.pid;
#Specifies the value for ma
- [JWFD开源工作流]JWFD嵌入式语法分析器负号的使用问题
comsci
嵌入式
假如我们需要用JWFD的语法分析模块定义一个带负号的方程式,直接在方程式之前添加负号是不正确的,而必须这样做:
string str01 = "a=3.14;b=2.71;c=0;c-((a*a)+(b*b))"
定义一个0整数c,然后用这个整数c去
- 如何集成支付宝官方文档
dai_lm
android
官方文档下载地址
https://b.alipay.com/order/productDetail.htm?productId=2012120700377310&tabId=4#ps-tabinfo-hash
集成的必要条件
1. 需要有自己的Server接收支付宝的消息
2. 需要先制作app,然后提交支付宝审核,通过后才能集成
调试的时候估计会真的扣款,请注意
- 应该在什么时候使用Hadoop
datamachine
hadoop
原帖地址:http://blog.chinaunix.net/uid-301743-id-3925358.html
存档,某些观点与我不谋而合,过度技术化不可取,且hadoop并非万能。
--------------------------------------------万能的分割线--------------------------------
有人问我,“你在大数据和Hado
- 在GridView中对于有外键的字段使用关联模型进行搜索和排序
dcj3sjt126com
yii
在GridView中使用关联模型进行搜索和排序
首先我们有两个模型它们直接有关联:
class Author extends CActiveRecord {
...
}
class Post extends CActiveRecord {
...
function relations() {
return array(
'
- 使用NSString 的格式化大全
dcj3sjt126com
Objective-C
格式定义The format specifiers supported by the NSString formatting methods and CFString formatting functions follow the IEEE printf specification; the specifiers are summarized in Table 1. Note that you c
- 使用activeX插件对象object滚动有重影
蕃薯耀
activeX插件滚动有重影
使用activeX插件对象object滚动有重影 <object style="width:0;" id="abc" classid="CLSID:D3E3970F-2927-9680-BBB4-5D0889909DF6" codebase="activex/OAX339.CAB#
- SpringMVC4零配置
hanqunfeng
springmvc4
基于Servlet3.0规范和SpringMVC4注解式配置方式,实现零xml配置,弄了个小demo,供交流讨论。
项目说明如下:
1.db.sql是项目中用到的表,数据库使用的是oracle11g
2.该项目使用mvn进行管理,私服为自搭建nexus,项目只用到一个第三方 jar,就是oracle的驱动;
3.默认项目为零配置启动,如果需要更改启动方式,请
- 《开源框架那点事儿16》:缓存相关代码的演变
j2eetop
开源框架
问题引入
上次我参与某个大型项目的优化工作,由于系统要求有比较高的TPS,因此就免不了要使用缓冲。
该项目中用的缓冲比较多,有MemCache,有Redis,有的还需要提供二级缓冲,也就是说应用服务器这层也可以设置一些缓冲。
当然去看相关实现代代码的时候,大致是下面的样子。
[java]
view plain
copy
print
?
public vo
- AngularJS浅析
kvhur
JavaScript
概念
AngularJS is a structural framework for dynamic web apps.
了解更多详情请见原文链接:http://www.gbtags.com/gb/share/5726.htm
Directive
扩展html,给html添加声明语句,以便实现自己的需求。对于页面中html元素以ng为前缀的属性名称,ng是angular的命名空间
- 架构师之jdk的bug排查(一)---------------split的点号陷阱
nannan408
split
1.前言.
jdk1.6的lang包的split方法是有bug的,它不能有效识别A.b.c这种类型,导致截取长度始终是0.而对于其他字符,则无此问题.不知道官方有没有修复这个bug.
2.代码
String[] paths = "object.object2.prop11".split("'");
System.ou
- 如何对10亿数据量级的mongoDB作高效的全表扫描
quentinXXZ
mongodb
本文链接:
http://quentinXXZ.iteye.com/blog/2149440
一、正常情况下,不应该有这种需求
首先,大家应该有个概念,标题中的这个问题,在大多情况下是一个伪命题,不应该被提出来。要知道,对于一般较大数据量的数据库,全表查询,这种操作一般情况下是不应该出现的,在做正常查询的时候,如果是范围查询,你至少应该要加上limit。
说一下,
- C语言算法之水仙花数
qiufeihu
c算法
/**
* 水仙花数
*/
#include <stdio.h>
#define N 10
int main()
{
int x,y,z;
for(x=1;x<=N;x++)
for(y=0;y<=N;y++)
for(z=0;z<=N;z++)
if(x*100+y*10+z == x*x*x
- JSP指令
wyzuomumu
jsp
jsp指令的一般语法格式: <%@ 指令名 属性 =”值 ” %>
常用的三种指令: page,include,taglib
page指令语法形式: <%@ page 属性 1=”值 1” 属性 2=”值 2”%>
include指令语法形式: <%@include file=”relative url”%> (jsp可以通过 include