机器玄学实践者
机器玄学实践者

如何从头开始用rasa根据自己的任务设计一个任务型对话机器人

以订电影票为例子。

我们首先要列出所有intent的名称，rasa的intent的粒度较细，任何用户输入都可以被看做一个intent。因此我们需要枚举出在一个场景下所有可能的用户输入的意图。如我要订电影票的intent是订电影票，我要看钢铁侠的intent是报告电影名，我要两张票的intent是报告票数

 

用户输入                                      intent意图

我要订电影票                              订电影票

我要看钢铁侠                              报告电影名字

我要两张票                                   报告票数

我要明天下午2点的票                 报告时间

对应的实际数据为：


## intent:inform_movie_name
- [Xman1](movie_name)
- I want to see [Xman1](movie_name)
- [Xman2](movie_name)
- I want to see movie [Xman2](movie_name)
- [Xman3](movie_name) please
- book movie [Xman3](movie_name)
- [Xman4](movie_name) plz
- I want to see [Xman4](movie_name)

## intent:book_movie_name
- I want to see [Xman1](movie_name)
- I want to book  [Xman1](movie_name)
- help me book  [Xman1](movie_name)
- help me book  [Xman2](movie_name)
- help me book  [Xman3](movie_name)
- help me book  [Xman4](movie_name)
- [Iron Man](movie_name)
- book movie  [Iron Man](movie_name) 
- [The Incredible Hulk](movie_name)
- book movie  [The Incredible Hulk](movie_name) 
- [Iron Man 2](movie_name)
- book movie  [Iron Man 2](movie_name) 
- [Thor](movie_name)
- book movie  [Thor](movie_name) 
- [Captain America](movie_name)
- book movie  [Captain America](movie_name) 
- [The Avengers](movie_name)
- book movie  [The Avengers](movie_name) 
- [Iron Man 3](movie_name)
- book movie  [Iron Man 3](movie_name) 
- [Thor:The Dark World](movie_name)
- book movie  [Thor:The Dark World](movie_name) 

## intent:inform_weekday
- I want [monday](weekday)
- [monday](weekday)
- It is   [monday](weekday)
- [wednesday](weekday)
- It is   [wednesday](weekday)
- [thursday](weekday)
- It is   [thursday](weekday)
- [friday](weekday)
- It is   [friday](weekday)
- [today](weekday)
- It is   [today](weekday)
- [tomorrow](weekday)
- It is   [tomorrow](weekday)
- [tonight](weekday)
- It is   [tonight](weekday)
- [this morning](weekday)
- It is   [this morning](weekday)
- [this noon](weekday)
- It is   [this noon](weekday)

## intent:inform_ticket_number
- book [two](ticket_number) tickets
- for [two](ticket_number) people
- [one](ticket_number) people
- [one](ticket_number)
- I want   [one](ticket_number) tickets
- [two](ticket_number)
- I want   [two](ticket_number) tickets
- [three](ticket_number)
- I want   [three](ticket_number) tickets
- [1](ticket_number)
- I want   [1](ticket_number) tickets
- [2](ticket_number)
- I want   [2](ticket_number) tickets
- [3](ticket_number)
- I want   [3](ticket_number) tickets
- [single](ticket_number)
- I want   [single](ticket_number) tickets


## intent:inform_time
- [9 am](time)
- book movie at  [9 am](time) 
- [afternoon](time)
- book movie at  [afternoon](time) 
- [3pm](time)
- book movie at  [3pm](time) 
- [night](time)
- book movie at  [night](time) 
- [4pm](time)
- book movie at  [4pm](time) 
- [afternoon](time)
- book movie at  [afternoon](time) 

intents:
- greet
- goodbye
- thanks
- deny
- joke
- name
- inform_item
- inform_package
- inform_time
- request_management
- request_search
- inform_current_phone
- inform_other_phone
- book_movie_name
- inform_time
- inform_weekday
- inform_ticket_number
- inform_movie_name

接着列出所有action的名称。action是rasa中bot根据用户输入做出的动作，回复。在任务型场景下，bot大多数action就是询问信息(槽位，实体)。

 

模板、自定义函数 action动作

你要做什么？ 问意图

你要看什么电影 问电影名字

你要几张票 问票数

你要什么时间的 问时间

函数 完成订票


actions:
- utter_name
- utter_thanks
- utter_greet
- utter_goodbye
- action_joke
- utter_ask_morehelp
- utter_ask_package
- utter_ack_management
- action_searchconsume
- utter_help
- utter_ask_month
- utter_givevolumn
- utter_ask_ticket_number
- utter_ask_weekday
- utter_ask_time
- utter_ask_movie_name
- utter_book_ticket
- action_book_ticket
templates:
  utter_name:
  - text: "Hey there! Tell me your name."

  utter_greet:
  - text: "Nice to you meet you {name}. How can I help?"

  utter_goodbye:
  - text: "Talk to you later!"
  
  utter_thanks:
  - text: "My pleasure."

  utter_help:
  - text: " Hi,How can I help?"


  utter_givevolumn:
  - text: "The volume used  in {time} is 200mb/1024mb"

  utter_ask_ticket_number:
  - text: "Can you tell me the ticket_number?"

  utter_ask_weekday:
  - text: "Can you tell me the weekday?"

  utter_ask_time:
  - text: "Can you tell me the time?"

  utter_ask_movie_name:
  - text: "Can you tell me the movie_name?"

  utter_book_ticket:
  - text: "I finish booking of {movie_name} at{time} {weekday}"

然后定义slot 的名称，类型。entity的名称，类型。slot原则上应该是entity的子集，sara的nlu模块提取出entity然后tracker决定需不需要填入slot。

entities:
- name
- item
- time
- phone_number
- price
- movie_name
- ticket_number
- weekday

slots:
  name:
    type: text
  item:
    type: text
  time:
    type: text
  phone_number:
    type: text
  price:
    type: text
  ticket_number:
    type: text
  weekday:
    type: text
  movie_name:
    type: text

上面的数据都填入domain.yml中。

然后在story.md中输入任务流程，格式如下

## 订电影票

* 订电影票

- 问电影名字

* 报告电影名字

- 问票数

* 报告票数

- 问时间

* 报告时间

- 完成订票

 

或者加入不同的流程

## 问意图 + 订电影票

* 问好

- 问意图

* 订电影票

- 问电影名字

* 报告电影名字

- 问票数

* 报告票数

- 问时间

* 报告时间

- 完成订票

## story_book_ticket
 * greet
  - utter_help
 * book_movie_name
  - utter_ask_time
 * inform_time
  - utter_ask_weekday
 * inform_weekday
  - utter_ask_ticket_number  
 * inform_ticket_number
  - utter_ask_movie_name 
 * inform_movie_name
  - utter_book_ticket 

## story_book_ticket2
 * book_movie_name
  - action_book_ticket
 * inform_ticket_number
  - action_book_ticket
 * inform_weekday
  - action_book_ticket  
 * inform_time
  - action_book_ticket

根据这两个文件可以训练RASA core模型，用于决定action。

train-core:
	python -m rasa_core.train -d domain.yml -s data/stories.md -o models/current/dialogue -c policies.yml

 

然后准备intent语料文件 nlu.md

里面放入每个intent对应的文本，并且标明entity和entity名称。

 

如

## intent:订电影票

-我想看 [Xman1](movie_name)

- 我想看 [Xman1](movie_name)

- 帮我订 [Xman1](movie_name)

- 帮我订 [Xman2](movie_name)

 

用nlu.md来训练nlu模型。

train-nlu:
	python -m rasa_nlu.train -c nlu_config.yml --data data/nlu_data.md -o models --fixed_model_name nlu --project current --verbose

你可能感兴趣的:(rasa)

  • AI原生应用必知：5大高效多轮对话框架对比 AI原生应用开发 AI-nativeeasyui前端ai
    AI原生应用必知：5大高效多轮对话框架对比关键词：AI原生应用、多轮对话、对话框架、自然语言处理、上下文管理、意图识别、对话状态跟踪摘要：本文深入探讨了构建AI原生应用时必备的5大多轮对话框架，包括Rasa、Dialogflow、MicrosoftBotFramework、AmazonLex和IBMWatsonAssistant。通过对比分析它们的架构设计、核心功能和应用场景，帮助开发者选择最适合
  • 对比分析：Rasa、Dialogflow等主流意图识别框架 AI原生应用开发 ai
    对比分析：Rasa、Dialogflow等主流意图识别框架——从“翻译官”到“定制师”的对话系统实战指南关键词：意图识别、对话系统、Rasa、Dialogflow、自然语言理解（NLU）摘要：在智能客服、语音助手等AI产品中，“听懂人话”是核心能力。本文将以“意图识别框架”为切入点，用“翻译官”“定制厨房”等生活化比喻，对比分析Rasa（开源派代表）与Dialogflow（商业云服务代表）的技术原
  • Rasa 模拟实现超简易医生助手（适合初学练手） YiHanXii Rasalinux语言模型docker
    下面这个教程的前情提要是：我已经在下载好了docker的rasa镜像，之前写过教程，需要先完成那个下面是一个纯Rasa实现的医生助手第一版项目文件内容，具备基本的“多轮问诊”流程逻辑，通过slot存储用户的多个症状，在最后阶段给出“模拟的诊断建议”。PS：完成这个之后，下一步我还想在Rasa工作过程中引入大模型辅助完成对话流程。项目结构与文件内容✅actions/actions.pyfromtyp
  • 搭建 rasa 框架中遇到的 domain.yml 无效问题 悄悄地努力
    背景描述今天在用rasa模型构造任务型机器人的过程中，项目原来为：输入餐厅、用餐人数后推荐餐厅的对话型机器人。期望将项目修改为：输入时间、餐厅、用餐人数后推荐餐厅的对话机器人。错误描述Yourform‘restaurant_form’usesaninvalidslotmappingoftype‘form_entity’forslot‘order_datetime’解决方案将type:from_en
  • RaSa2.5.x相关概念之二：Domain great-wind Rasa
    目录多个Domain文件(MultipleDomainFiles)意图(Intents)为某些目的忽略实体(IgnoringEntitiesforCertainIntents)实体(Entities)插槽(Slots)插槽与会话行为(SlotsandConversationBehavior)插槽类型(SlotTypes)TextSlotBooleanSlotCategoricalSlotFloat
  • Rasa 的工作流程 YiHanXii Rasalinux人工智能docker语言模型
    Rasa是一个非常灵活的对话系统框架，它的工作流程涉及多个步骤，包括意图识别、槽位填充、对话管理、以及执行自定义动作等。下面是Rasa工作流程的详细解释：1.用户输入用户通过对话界面（比如聊天框、语音输入等）发送信息。这个信息可以是自然语言文本，Rasa将对其进行处理。2.自然语言理解（NLU）当用户输入信息时，Rasa首先通过自然语言理解（NLU）模块对用户的输入进行分析。NLU的主要任务包括：
  • Rasa中config.yml文件信息详细解释 YiHanXii Rasa人工智能
    在Rasa中，config.yml是非常关键的配置文件之一，它的作用是定义你的对话机器人使用哪些模型组件来完成：意图识别（NLU）实体抽取（NER）对话管理（Core）作用简述部分功能recipe指定使用哪种Rasa模型训练流程assistant_id项目的唯一标识符，用于部署和版本管理language机器人处理的语言pipeline定义NLU模块的组件流水线（意图识别+实体识别）policies
  • Rasa总体目录架构介绍 YiHanXii Rasa架构docker语言模型
    详细讲解一下每个主要文件/目录的作用，以及之后如何一步步使用它们来训练和运行你的聊天机器人。Rasa项目结构说明（初始化后生成的主要文件）.├──actions/│└──actions.py#自定义action的地方（Python脚本，和数据库/接口交互等）├──data/│├──nlu.yml#训练RasaNLU的数据（意图识别+实体抽取）│├──rules.yml#规则驱动对话的定义│├──s
  • 从零开始构建智能聊天机器人：Rasa与ChatGPT API实战教程 Tech Synapse 机器人chatgptRasa框架NLU
    引言：AI对话系统的时代机遇在数字化转型浪潮中，聊天机器人已成为连接用户与服务的关键纽带。无论是客服系统中的7×24小时即时响应，还是智能家居中的语音交互，聊天机器人正在重塑人机交互方式。本文将通过详细教程，手把手教你使用Rasa框架和ChatGPTAPI构建可交互的Web端聊天机器人，涵盖环境搭建、模型训练、API调用到部署运维的全流程。一、技术选型：Rasa与ChatGPT的核心优势Rasa框
  • BERT轻量化探索—模型剪枝（BERT Pruning）—Rasa维度剪枝 PaperAgent 9NLPbert轻量化pruningrasa剪枝
    由于BERT参数众多，模型庞大，训练与推理速度较慢，在一些实时性要求较高应用场景无法满足需求，最近开始探索BERT轻量化部署BERT轻量化的方式：低精度量化。在模型训练和推理中使用低精度（FP16甚至INT8、二值网络）表示取代原有精度（FP32）表示。模型裁剪和剪枝。减少模型层数和参数规模。模型蒸馏。通过知识蒸馏方法[22]基于原始BERT模型蒸馏出符合上线要求的小模型。本文主要分享下BERT的
  • Rasa 3.x 学习系列-ElasticSearch对话机器人实战 一 段智华 Rasa智能对话机器人Rasa面试Rasa对话机器人Rasa课程Rasa培训Rasa
    Rasa3.x学习系列-ElasticSearch对话机器人实战一目录ElasticSearch简介ElasticSearch安装ElasticSearch-head安装ElasticSearch简介Elasticsearch是一个分布式、RESTful风格的搜索和数据分析引擎，能够解决不断涌现出的各种用例。作为ElasticStack的核心，它集中存储您的数据，帮助您发现意料之中以及意料之外的情
  • Rasa Webchat：开源聊天机器人组件 乌昱有Melanie
    RasaWebchat：开源聊天机器人组件rasa-webchatAfeature-richchatwidgetforRasaandBotfront项目地址:https://gitcode.com/gh_mirrors/ra/rasa-webchatRasaWebchat是一个开源项目，旨在为Rasa或Botfront开发的虚拟助手提供在任意网站上部署的聊天窗口组件。该项目主要使用JavaScri
  • 硅谷硬核Rasa课程、Rasa培训、Rasa面试系列之： Rasa 3.x Config StarSpaceNLP 面试职场和发展
    ModelConfiguration配置文件定义了模型根据用户输入进行预测的组件和策略。recipe键允许不同类型的配置和模型架构。目前，只支持“default.v1”。语言键和管道键指定模型用于进行NLU预测的组件。Policys键定义了模型用于预测下一个操作的策略。如果您不知道要选择哪些组件或策略，可以使用建议的配置功能，这将推荐合理的默认设置。SuggestedConfig您可以将管道或策略
  • Rasa：开源的机器学习框架 Indra_ran 开源机器学习人工智能linuxcentos运维
    一、Rasa简介Rasa是一套用来构建基于上下文的AI小助手和聊天机器人框架。分为两个主要的模块：NLU：自然语言理解模块，实现意图识别以及槽值的提取，将用户的输入转化为结构性数据，在训练过程中，为了提高从用户信息的实体识别能力，采用了预先训练的实体提取器Pre-trainedEntityExtractors，正则表达式Regexes，同义词Synonyms等RasaCore：对话管理模块，也是一
  • 基于医疗知识图谱的问答系统 基于知识图谱的多轮问答 附完整代码数据详细教程 计算机毕设论文 深度学习-自然语言处理nlp医疗知识知识图谱Neo4j多轮问答
    这个项目已实现的功能：1.闲聊类的单论对话2.基于知识图谱的多轮问答数据链接：链接：https://pan.baidu.com/s/1oPr1m8aaIeoMu53OIEULPg提取码：fh39一、项目来源由于之前用Rasa构建过对话系统，因此一直想脱离Rasa这个开源框架，从底层开始构建一个可以实现相似功能的对话系统，毕竟框架用的再溜，都不如自己做一遍。恰巧在Rasa群里看到了前辈分享的一个项目
  • OpenEuler学习笔记（二十一）：搭建企业AI客户服务例子 向上的车轮 openEuler笔记学习笔记人工智能
    在OpenEuler上搭建企业AI客服可以按照以下步骤进行，以下将以使用开源的Rasa框架作为AI客服核心，搭配前端界面展示为例：1.系统准备1.1安装OpenEuler确保你已经安装好了OpenEuler操作系统，可以从官方网站下载镜像进行安装，安装过程中根据提示完成磁盘分区、用户设置等操作。1.2更新系统使用以下命令更新系统软件包到最新版本：sudodnfupdate-y2.安装必要的依赖2.
  • rasa填表单激活和结束逻辑代码书写问题 active_loop关键字、写在rules中还是stories中、实际应用 Silber 甜
    官方给的填表单样例是这样婶儿的https://rasa.com/docs/rasa/playground具体逻辑：1.forms文件中或domain文件中定义表单，以及表单中要填的槽位（可以定义多个槽位，rasa会按照需要的槽值顺序执行一遍。eg.nameemail）forms:newsletter_form:required_slots:name:-type:from_textemail:-ty
  • Rasa框架的优点和缺点 不会编程的程序猿ᅟ rasa
    优点1.开源和免费Rasa是开源的，无需支付许可费用，可自由下载和修改源码，适合预算有限或需要定制化解决方案的团队。企业可以完全掌控自己的对话系统，无需依赖外部服务。2.数据隐私和安全Rasa支持完全本地部署，无需将数据上传到第三方服务器，数据隐私保护性高，非常适合医疗、金融和其他注重数据安全的行业。3.高度可定制化可以根据需求修改NLU管道、策略和模型。支持自定义动作（CustomActions
  • Rasa的工作流程 不会编程的程序猿ᅟ rasa
    Rasa的工作流程分为两个主要部分：NLU（自然语言理解）和Core（对话管理）。整个流程包括从用户输入到最终响应的多个步骤，下面是详细的工作流程解析：1.用户输入用户通过聊天界面（如微信、Telegram、Slack或Web前端）发送自然语言消息，例如："我想预订一张明天去北京的火车票"2.自然语言理解（NLU）Rasa的NLU模块解析用户输入，提取意图和实体。2.1意图识别NLU模块会识别用户
  • 执行rasa shell 遇到asyncio.exceptions.TimeoutError报错 天飓 RASA学习树莓派聊天机器人rasapython
    在《树莓派3B运行rasainit和rasashell遇到的tensorflow报错总结》一文中，我遇到的第7个报错是首次运行rasashell时候碰到的。按照我在文中记录的解决方案，处理成功。结果，今天我又一次遇到了asyncio-Taskexceptionwasneverretrieved的报错（如图），我先是吃了一惊，然后第一反应是按照上次的处理方法又操作了一遍，然后……然并卵！怎么会无效？
  • 树莓派3B运行rasa init和rasa shell遇到的tensorflow报错总结 天飓 树莓派实验室tensorflowpython树莓派rasa
    终于在我的树莓派上安装rasa-1.4.0版本成功（见《树莓派智能语音助手之聊天机器人-RASA》）。不过，在初始化rasa的时候还是遇到了很多报错，在此总结，供朋友们参考。1.ModuleNotFoundError:Nomodulenamed‘tensorflow.contrib‘根源：这个报错通常出现在tensorflow-2.0版本，是因为在这个版本里已经去掉了contrib这个模块，改成了
  • PyTorch-线性回归 一个高效工作的家伙 pythonpytorch线性回归python
    已经进入大模微调的时代，但是学习pytorch，对后续学习rasa框架有一定帮助吧。x_train=np.array([[3.3],[4.4],[5.5],[6.71],[6.93],[4.168],[9.779],[6.182],[7.59],[2.167],[7.042],[10.791],[5.313],[7.997],[3.1]],dtype=np.float32)y_train=np.a
  • 遇见最美的你|动态静心 魔力Jenny
    很多事情发生好像没有预兆一样，但又好像冥冥中有牵引。最近思绪比较混乱，尝试瑜伽，冥想各种方法静心，让自己慢下来，与自己待在一起。最爱的却是动态的方式~静心Partone:动态冥想开始前静心，坐住冥想片刻，找到感觉~音乐响起，站立起身，Rasa声音指引，闭上双眼，慢慢放松全身各个部位、关节，放下焦虑与戒备，开始挪动身体。随着音乐节奏和频率越来越强，Rasa带领扭动身体，睁开眼，让潜意识带着身体移动。
  • 对话机器人（二）——RASA概述与安装 就要辣谢谢。 对话机器人人工智能自然语言处理深度学习
    注：RASA版本为3.11.RASA简介RASA是构建对话机器人的开源机器学习框架。NLU：确定意图，捕获关键上下文信息。CORE：提供多轮对话管理机制，自动学习上下文与当前意图的关联性。2.RASA系统架构RASA开源体系结构NLU：意图分类、实体提取、响应检索。以管道的方式处理用户对话。对话管理：根据上下文决定对话中的下一个动作。代理：接收用户输入消息，返回RASA系统的回答。连接NLU和DM
  • 自然语言处理（NLP）——使用Rasa创建聊天机器人 思诺学长 NLP自然语言处理机器人nlp自然语言处理
    1基本概念1.1自然语言处理的分类IR-BOT：检索型问答系统Task-bot：任务型对话系统Chitchat-bot:闲聊系统1.2任务型对话Task-Bot:task-orientedbot这张图展示了一个语音对话系统（或聊天机器人）的基本组成部分和它们之间的工作流程。这个系统可以接受语音信号作为输入，输出文本响应，并且它包括以下几个主要部分：1.2.1自动语音识别（ASR）这个部分的任务是将
  • 关于MicrosoftVisualStudio如何加载不是在自己环境下安装的PIP库的问题 lckj2009 工具使用pythonanaconda
    因为项目需要，我把PYTHON的最新环境和PIP库建在了Anaconda3下了。Anaconda3是从网上下载的独立的安装包，不是MicrosoftVisualStudio自带的Anaconda3。RASA等框架也都装在了网上这个Anaconda3环境下的PIP库里了。结果在MicrosoftVisualStudio运行RASA库是报错，说找不到RASA库。这该怎么解决呢？其实解决方法很简单，在V
  • RASA3.X(二)--常见命令详解 hanscalZheng RASARASA命令模式
    目录创建新项目训练模型交互式学习与助手交谈启动服务启动操作服务可视化故事评估模型训练和测试数据拆分创建新项目以下命令使用示例训练数据为你建立一个完整的项目。rasainit这将创建以下文件：.├──__init__.py├──actions.py├──config.yml├──credentials.yml├──data│├──nlu.md│└──stories.md├──domain.yml├─
  • rasa3.X 自定义action的注册问题 Guido_PSG rasapython
    rasa3.X自定义action的注册问题文章目录rasa3.X自定义action的注册问题前言一、问题重述二、问题解决前言幸好在这之前抽时间稍微看了一点django源码，让我对于python的导入机制有了一个概念。虽然还不是很确切的知道pythonimport机制，不过在看到类似_import_submodules，importlib.import_module等方法的时候，也能大概知道要干什么
  • Rasa课程系列之：业务对话机器人Rasa核心算法DIET及TED论文详解及源码实现 StarSpaceNLP667 StarSpaceNLPTransformer算法人工智能Rasa课程培训面试深度学习自然语言处理
    对一个智能业务对话系统而言，语言理解NLU及Policies是其系统内核的两大基石。Rasa团队发布的最重磅级的两篇论文DIET:LightweightLanguageUnderstandingforDialogueSystems及DialogueTransformers是其基于在业界落地场景的多年探索而总结出来的解决NLU和Policies最核心的成果结晶：其中DIET是Intent识别和Ent
  • NLP 高手之路101课（模型、算法、论文、源码、案例 + 1年答疑） Eric_1694
    课程名称：NLP高手之路101课（模型、算法、论文、源码、案例+1年答疑）课程关键词：NLP、Transformer、BERT、GPT、Bayesian、Rasa、Transferlearning、ConversationalAI、Classifiers、Policies、DialogueManagement、NER、Pre-training、Fine-tuning、DIET、TED、Simple
  • springmvc 下 freemarker页面枚举的遍历输出 杨白白 enumfreemarker
    spring mvc freemarker 中遍历枚举 1枚举类型有一个本地方法叫values（），这个方法可以直接返回枚举数组。所以可以利用这个遍历。 enum public enum BooleanEnum { TRUE(Boolean.TRUE, "是"), FALSE(Boolean.FALSE, "否");
  • 实习简要总结 byalias 工作
    来白虹不知不觉中已经一个多月了，因为项目还在需求分析及项目架构阶段，自己在这段 时间都是在学习相关技术知识，现在对这段时间的工作及学习情况做一个总结： （1）工作技能方面 大体分为两个阶段，Java Web 基础阶段和Java EE阶段 1）Java Web阶段 在这个阶段，自己主要着重学习了 JSP, Servlet, JDBC, MySQL，这些知识的核心点都过 了一遍，也
  • Quartz——DateIntervalTrigger触发器 eksliang quartz
    转载请出自出处：http://eksliang.iteye.com/blog/2208559 一.概述 simpleTrigger 内部实现机制是通过计算间隔时间来计算下次的执行时间，这就导致他有不适合调度的定时任务。例如我们想每天的 1：00AM 执行任务，如果使用 SimpleTrigger，间隔时间就是一天。注意这里就会有一个问题，即当有 misfired 的任务并且恢复执行时，该执行时间
  • Unix快捷键 18289753290 unixUnix；快捷键;
    复制，删除，粘贴： dd:删除光标所在的行                             &nbs
  • 获取Android设备屏幕的相关参数 酷的飞上天空 android
    包含屏幕的分辨率  以及 屏幕宽度的最大dp 高度最大dp   TextView text = (TextView)findViewById(R.id.text); DisplayMetrics dm = new DisplayMetrics(); text.append("getResources().ge
  • 要做物联网？先保护好你的数据 蓝儿唯美 数据
    根据Beecham Research的说法，那些在行业中希望利用物联网的关键领域需要提供更好的安全性。 在Beecham的物联网安全威胁图谱上，展示了那些可能产生内外部攻击并且需要通过快速发展的物联网行业加以解决的关键领域。 Beecham Research的技术主管Jon Howes说：“之所以我们目前还没有看到与物联网相关的严重安全事件，是因为目前还没有在大型客户和企业应用中进行部署，也就
  • Java取模（求余）运算 随便小屋 java
            整数之间的取模求余运算很好求，但几乎没有遇到过对负数进行取模求余，直接看下面代码： /** * * @author Logic * */ public class Test { public static void main(String[] args) { // TODO A
  • SQL注入介绍 aijuans sql注入
    二、SQL注入范例 这里我们根据用户登录页面 <form action="" > 用户名：<input type="text" name="username"><br/> 密 码：<input type="password" name="passwor
  • 优雅代码风格 aoyouzi 代码
    总结了几点关于优雅代码风格的描述： 代码简单：不隐藏设计者的意图，抽象干净利落，控制语句直截了当。 接口清晰：类型接口表现力直白，字面表达含义，API 相互呼应以增强可测试性。 依赖项少：依赖关系越少越好，依赖少证明内聚程度高，低耦合利于自动测试，便于重构。 没有重复：重复代码意味着某些概念或想法没有在代码中良好的体现，及时重构消除重复。 战术分层：代码分层清晰，隔离明确，
  • 布尔数组 百合不是茶 java布尔数组
      androi中提到了布尔数组;   布尔数组默认的是false,  并且只会打印false或者是true   布尔数组的例子;  根据字符数组创建布尔数组 char[] c = {'p','u','b','l','i','c'}; //根据字符数组的长度创建布尔数组的个数 boolean[] b = new bool
  • web.xml之welcome-file-list、error-page bijian1013 javaweb.xmlservleterror-page
    welcome-file-list 1.定义： <welcome-file-list> <welcome-file>login.jsp</welcome> </welcome-file-list>  2.作用：用来指定WEB应用首页名称。   error-page1.定义： <error-page&g
  • richfaces 4 fileUpload组件删除上传的文件 sunjing clearRichfaces 4fileupload
     页面代码               <h:form id="fileForm">            <rich:
  • 技术文章备忘 bit1129 技术文章
    Zookeeper http://wenku.baidu.com/view/bab171ffaef8941ea76e05b8.html http://wenku.baidu.com/link?url=8thAIwFTnPh2KL2b0p1V7XSgmF9ZEFgw4V_MkIpA9j8BX2rDQMPgK5l3wcs9oBTxeekOnm5P3BK8c6K2DWynq9nfUCkRlTt9uV
  • org.hibernate.hql.ast.QuerySyntaxException: unexpected token: on near line 1解决方案 白糖_ Hibernate
    文章摘自：http://blog.csdn.net/yangwawa19870921/article/details/7553181   在编写HQL时，可能会出现这种代码： select a.name,b.age from TableA a left join TableB b on a.id=b.id  如果这是HQL，那么这段代码就是错误的，因为HQL不支持
  • sqlserver按照字段内容进行排序 bozch 按照内容排序
    在做项目的时候，遇到了这样的一个需求：           从数据库中取出的数据集，首先要将某个数据或者多个数据按照地段内容放到前面显示，例如:从学生表中取出姓李的放到数据集的前面；          select * fro
  • 编程珠玑-第一章-位图排序 bylijinnan java编程珠玑
    import java.io.BufferedWriter; import java.io.File; import java.io.FileWriter; import java.io.IOException; import java.io.Writer; import java.util.Random; public class BitMapSearch {
  • Java关于==和equals chenbowen00 java
    关于==和equals概念其实很简单，一个是比较内存地址是否相同，一个比较的是值内容是否相同。虽然理解上不难，但是有时存在一些理解误区，如下情况： 1、 String a = "aaa"; a=="aaa"; ==> true 2、 new String("aaa")==new String("aaa
  • [IT与资本]软件行业需对外界投资热情保持警惕 comsci it
          我还是那个看法,软件行业需要增强内生动力,尽量依靠自有资金和营业收入来进行经营,避免在资本市场上经受各种不同类型的风险,为企业自主研发核心技术和产品提供稳定,温和的外部环境...       如果我们在自己尚未掌握核心技术之前,企图依靠上市来筹集资金,然后使劲往某个领域砸钱,然
  • oracle 数据块结构 daizj oracle块数据块块结构行目录
    oracle 数据块是数据库存储的最小单位，一般为操作系统块的N倍。其结构为： 块头－－〉空行－－〉数据，其实际为纵行结构。 块的标准大小由初始化参数DB_BLOCK_SIZE指定。具有标准大小的块称为标准块（Standard Block）。块的大小和标准块的大小不同的块叫非标准块（Nonstandard Block）。同一数据库中，Oracle9i及以上版本支持同一数据库中同时使用标
  • github上一些觉得对自己工作有用的项目收集 dengkane github
    github上一些觉得对自己工作有用的项目收集 技能类 markdown语法中文说明 回到顶部 全文检索 elasticsearch bigdesk elasticsearch管理插件 回到顶部 nosql mapdb 支持亿级别map, list, 支持事务. 可考虑做为缓存使用 C
  • 初二上学期难记单词二 dcj3sjt126com englishword
    dangerous 危险的 panda 熊猫 lion 狮子 elephant 象 monkey 猴子 tiger 老虎 deer 鹿 snake 蛇 rabbit 兔子 duck 鸭 horse 马 forest 森林 fall 跌倒；落下 climb 爬；攀登 finish 完成；结束 cinema 电影院；电影 seafood 海鲜；海产食品 bank 银行
  • 8、mysql外键(FOREIGN KEY)的简单使用 dcj3sjt126com mysql
    一、基本概念 1、MySQL中“键”和“索引”的定义相同，所以外键和主键一样也是索引的一种。不同的是MySQL会自动为所有表的主键进行索引，但是外键字段必须由用户进行明确的索引。用于外键关系的字段必须在所有的参照表中进行明确地索引，InnoDB不能自动地创建索引。 2、外键可以是一对一的，一个表的记录只能与另一个表的一条记录连接，或者是一对多的，一个表的记录与另一个表的多条记录连接。 3、如
  • java循环标签 Foreach shuizhaosi888 标签java循环foreach
    1. 简单的for循环 public static void main(String[] args) { for (int i = 1, y = i + 10; i < 5 && y < 12; i++, y = i * 2) { System.err.println("i=" + i + " y="
  • Spring Security（05）——异常信息本地化 234390216 exceptionSpring Security异常信息本地化
    异常信息本地化          Spring Security支持将展现给终端用户看的异常信息本地化，这些信息包括认证失败、访问被拒绝等。而对于展现给开发者看的异常信息和日志信息（如配置错误）则是不能够进行本地化的，它们是以英文硬编码在Spring Security的代码中的。在Spring-Security-core-x
  • DUBBO架构服务端告警Failed to send message Response javamingtingzhao 架构DUBBO
     废话不多说，警告日志如下，不知道有哪位遇到过，此异常在服务端抛出(服务器启动第一次运行会有这个警告)，后续运行没问题，找了好久真心不知道哪里错了。    WARN 2015-07-18 22:31:15,272 com.alibaba.dubbo.remoting.transport.dispatcher.ChannelEventRunnable.run(84)
  • JS中Date对象中几个用法 leeqq JavaScriptDate最后一天
    近来工作中遇到这样的两个需求 1. 给个Date对象，找出该时间所在月的第一天和最后一天 2. 给个Date对象，找出该时间所在周的第一天和最后一天   需求1中的找月第一天很简单，我记得api中有setDate方法可以使用 使用setDate方法前，先看看getDate var date = new Date(); console.log(date); // Sat J
  • MFC中使用ado技术操作数据库 你不认识的休道人 sqlmfc
    1.在stdafx.h中导入ado动态链接库 #import"C:\Program Files\Common Files\System\ado\msado15.dll" no_namespace rename("EOF","end")2.在CTestApp文件的InitInstance()函数中domodal之前写::CoIniti
  • Android Studio加速 rensanning android studio
    Android Studio慢、吃内存！启动时后会立即通过Gradle来sync & build工程。 （1）设置Android Studio a) 禁用插件 File -> Settings...  Plugins 去掉一些没有用的插件。 比如：Git Integration、GitHub、Google Cloud Testing、Google Cloud
  • 各数据库的批量Update操作 tomcat_oracle javaoraclesqlmysqlsqlite
    MyBatis的update元素的用法与insert元素基本相同，因此本篇不打算重复了。本篇仅记录批量update操作的 sql语句，懂得SQL语句，那么MyBatis部分的操作就简单了。 　　注意：下列批量更新语句都是作为一个事务整体执行，要不全部成功，要不全部回滚。 MSSQL的SQL语句 　WITH R AS（ 　　SELECT 'John' as name, 18 as
  • html禁止清除input文本输入缓存 xp9802 input
    多数浏览器默认会缓存input的值，只有使用ctl+F5强制刷新的才可以清除缓存记录。如果不想让浏览器缓存input的值，有2种方法： 方法一： 在不想使用缓存的input中添加 autocomplete="off"; eg: <input type="text" autocomplete="off" name
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他