原创 程序員的精裝修粗小結

       以前總覺得每週寫一篇博客,是個很低的要求,這個目標很容易達成。但是現在來看,真是呵呵了,理想很豐滿,現實很骨感。計劃總是被各種各樣的事情打亂,這就是生活吧。        從去年11月份到現在,一直在裝修房子,如果從軟件開發

原创 隨機打亂數組及字符串後追加指定個數字符的方法

       實際做業務開發時,需求是千變萬化的,一個大功能點會包含很多小功能點,小功能點又會包含若干環節,具體到每個環節,代碼實現上又是五花八門,這取決於程序員的編程思路和工作態度,我想不應該僅僅滿足功能實現,還應該儘可能的找到最佳實踐

原创 《SQL必知必會——第20、21、22課:管理事物處理、使用遊標、高級sql特性》

       第20課 管理事物處理        使用事務處理,通過確保成批的sql操作要麼完全執行,要麼完全不執行,來維護數據庫的完整性。假如像微博加關注這樣的場景,a關注b, a增加一個關注者,b增加一個粉絲,這個過程至少需要執行兩

原创 《SQL必知必會——第17、18、19課:創建和操縱表、使用視圖、使用存儲過程》

       第17課  創建和操縱表        前面講了那麼多sql增刪改查操作,一切操作都是建立在表的基礎上,也就是先有一張可操作的表,建表語句也比較簡單,使用create table關鍵字即可,如下所示: CREATE TAB

原创 《SQL必知必會——第14、15、16課:組合查詢、插入數據、更新和刪除數據》

       第14課 組合查詢        組合查詢貌似沒什麼可寫的,因爲工作中用的不多。多數情況下,組合相同表的兩個查詢所完成的工作與具有多個where子句條件的一個查詢所完成的工作相同,所以很多時候大家也就採用多個where子句查

原创 《SQL必知必會——第12、13課:聯結表、創建高級聯結》

       兩個多月沒有更新博客,有時不禁問時間都去哪兒了。似乎每個週末也沒有打遊戲、也沒有追劇消磨時光,心裏倒想着過得這麼休閒、悠哉,但現實卻是各種壓力山大,還需繼續奮鬥。有點跑題了,還是說說這兩課要講的內容吧。這兩課的內容說簡單也簡

原创 《SQL必知必會——第9、10、11課:彙總數據、分組數據、使用子查詢》

       第9課 彙總數據        用過excel的對這個知識點理解起來就毫不費力了,excel裏面有很多統計類的彙總函數,同樣sql裏面也有,也就是對某些行運行聚集函數,計算並返回一個值。sql主要有以下聚集函數:avg(),

原创 《SQL必知必會——第3、4、5課:排序檢索數據及過濾數據》

       第3課  排序檢索數據        這一課主要講order by用法,看似很簡單,實際有些細節還可以說說。        order by子句的位置:在指定一條order by子句時,應該保證它是select語句中的最後一

原创 自然語言處理中的詞袋模型與文本向量化

       前段時間做了一些自然語言處理方面的工作,自然語言處理不像圖像處理,每個像素點都是數值,也可以看做是天然的特徵,可以直接代入公式參與各種運算,但是自然語言不行,都是文字,計算機理解不了,計算機只認0/1,不認啊喔額,所以給定一

原创 《SQL必知必會——第6、7、8課:用通配符進行過濾、創建計算字段、使用函數處理數據》

       第6課 用通配符進行過濾        什麼是通配符呢?本書沒有具體說,相信大家都知道什麼是通配符,在接觸計算機過程中,通配符的概念應該早早建立了起來。我還是查了,百度百科上這麼解釋:“通配符是一種特殊語句,主要有星號(*)

原创 游泳健身瞭解一下,kotlin也瞭解一下

       最近看了一下kotlin編程語言,第一感覺是代碼裏充斥着各種符號,給人一種七零八落的感覺。比如kotlin中,繼承使用冒號:,這其實是c++的繼承語法,而java的設計者當初可能覺得c++的繼承語法太過於抽象,或者與java

原创 推薦系統技術之文本相似性計算(一)

       六月就這麼過去了,才寫了2篇原創博客,月初時定的目標是至少4篇的,一天天也是瞎忙,有時各種瑣事也搞得人很煩躁,七月爭取多寫幾篇,流水賬也沒關係,只要動筆就行。前段時間看了幾篇文本相似性的文章,覺得寫的挺不錯的,思路清晰,有理

原创 推薦系統技術之文本相似性計算(二)

這是第2篇:https://segmentfault.com/a/1190000005569529上一篇中我們的小明已經中學畢業了,今天這一篇繼續文本相似性的計算。首先前一篇不能解決的問題是因爲我們只是機械的計算了詞的向量,並沒有任何上下

原创 推薦系統技術之文本相似性計算(三)

這是第3篇:https://segmentfault.com/a/1190000005599507前面說了兩篇了,分別介紹了TFIDF和向量空間的相關東西,然後介紹了主題模型,這一篇我們就來試試這兩個東西。詞向量就不在這篇試了,詞向量和這

原创 集中式內存緩存Guava Cache學習

       本文摘轉自:https://www.jianshu.com/p/64b0df87e51b,還有這篇文章寫的也不錯:http://www.cnblogs.com/peida/p/guava.html,是一個Guava學習系列,