<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Jay_Josby的博客]]></title><description><![CDATA[Keep Going]]></description><link>https://blog.youkuaiyun.com/Jay_Josby</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Jay_Josby]]></copyright><item><title><![CDATA[【SAP】从零开始创建SSCUI]]></title><link>https://blog.youkuaiyun.com/Jay_Josby/article/details/155743639</link><guid>https://blog.youkuaiyun.com/Jay_Josby/article/details/155743639</guid><author>Jay_Josby</author><pubDate>Tue, 09 Dec 2025 14:15:48 +0800</pubDate><description><![CDATA[ERP里有很多业务配置表，用户经常会修改这些表数据，如果是私有云，直接用SAP GUI SPRO即可；如果是公有云，用户接触不到GUI，所以得去Firoi Lunchpad上修改，使用的就是SSCUI。仅展示大纲Part I: Build IMG Activity (SPRO Node) 你得先有配置表
     1. The developer creates customizing tables.
     2. The developer creates a maintenance view and/]]></description><category></category></item><item><title><![CDATA[基于ChatGPT+词向量/词嵌入实现相似商品推荐系统]]></title><link>https://blog.youkuaiyun.com/Jay_Josby/article/details/133747991</link><guid>https://blog.youkuaiyun.com/Jay_Josby/article/details/133747991</guid><author>Jay_Josby</author><pubDate>Tue, 10 Oct 2023 15:46:36 +0800</pubDate><description><![CDATA[可以看到回答中的语义比原有描述"WIENER A/B 7IN 5/LB FZN"清晰了很多，试验下来推荐准确率比直接用原有描述高了很多，但是回答中仍然包含很多“废话”——介词/连词/符号其实都没有什么语义在里面，最后比较下来，直接用三种可能的商品名(比如'[答案1:熏肠，答案2:烤肠，答案3:火腿]')生成embedding效果最好。使用Redis存储，Redis可以做内存KNN，并有版本对向量计算做了优化(似乎叫Stack，这块不是我做的)使用ChatGPT扩展语义，类似以下prompt。]]></description><category></category></item><item><title><![CDATA[spring boot 中如何配置国际化/多语言]]></title><link>https://blog.youkuaiyun.com/Jay_Josby/article/details/130965269</link><guid>https://blog.youkuaiyun.com/Jay_Josby/article/details/130965269</guid><author>Jay_Josby</author><pubDate>Wed, 31 May 2023 11:22:53 +0800</pubDate><description><![CDATA[它包含了关于语言、地区和国家等信息，用于在应用程序中进行国际化和本地化的操作。在国际化应用程序中，可以根据用户的首选语言或系统默认语言设置来确定Locale对象。Locale对象用于在资源文件中选择对应语言的文本消息，以实现多语言支持。通过使用Locale对象，可以在应用程序中根据不同的Locale来获取相应的本地化资源，实现国际化功能。通过以上步骤，你可以在Spring Boot应用中实现国际化功能，根据用户的Locale设置动态获取对应语言的消息文本。代表英语（美国）的Locale，]]></description><category></category></item><item><title><![CDATA[K8S环境中，每次部署服务前更新数据库表]]></title><link>https://blog.youkuaiyun.com/Jay_Josby/article/details/128817569</link><guid>https://blog.youkuaiyun.com/Jay_Josby/article/details/128817569</guid><author>Jay_Josby</author><pubDate>Tue, 31 Jan 2023 15:50:17 +0800</pubDate><description><![CDATA[K8S环境中，每次部署Spring服务前，更新数据库表。：Spring服务启动时会自动加载类路径中的liquibase文件来更新数据库，但无法读取外部路径中liquibase文件，要想使用，只能将liquibase文件打成jar加入服务启动类路径。项目要求所有的数据库操作(包括schema/table)都是by tenant级别，该逻辑是由公司自有框架实现，短期难以通过直接调用liquibase api实现by tenant级别的数据库操作。]]></description><category></category></item><item><title><![CDATA[go语言使用gin库实现SSE长连接]]></title><link>https://blog.youkuaiyun.com/Jay_Josby/article/details/128816367</link><guid>https://blog.youkuaiyun.com/Jay_Josby/article/details/128816367</guid><author>Jay_Josby</author><pubDate>Tue, 31 Jan 2023 14:33:48 +0800</pubDate><description><![CDATA[项目需求：在go项目中实现SSE长连接，耗时操作完成后，后端主动通知前端消息。]]></description><category></category></item><item><title><![CDATA[常用linux命令]]></title><link>https://blog.youkuaiyun.com/Jay_Josby/article/details/128815897</link><guid>https://blog.youkuaiyun.com/Jay_Josby/article/details/128815897</guid><author>Jay_Josby</author><pubDate>Tue, 31 Jan 2023 13:49:36 +0800</pubDate><description><![CDATA[常用linux命令]]></description><category></category></item><item><title><![CDATA[Go 语言学习笔记]]></title><link>https://blog.youkuaiyun.com/Jay_Josby/article/details/107707319</link><guid>https://blog.youkuaiyun.com/Jay_Josby/article/details/107707319</guid><author>Jay_Josby</author><pubDate>Tue, 31 Jan 2023 13:32:01 +0800</pubDate><description><![CDATA[Go 使用笔记]]></description><category></category></item><item><title><![CDATA[pom.xml文件介绍]]></title><link>https://blog.youkuaiyun.com/Jay_Josby/article/details/107707346</link><guid>https://blog.youkuaiyun.com/Jay_Josby/article/details/107707346</guid><author>Jay_Josby</author><pubDate>Fri, 31 Jul 2020 10:10:50 +0800</pubDate><description><![CDATA[什么是POM？

POM是项目对象模型（Project Object Model）的简称，它是Maven项目中的文件，XML格式，名称为pom.xml，作用类似ant的build.xml文件，功能则更强大。该文件用于管理：源代码、配置文件、开发者的信息和角色、问题追踪系统、组织信息、项目授权、项目的url、项目的依赖关系等等。事实上，在Maven的世界中，一个项目可以什么都没有，甚至没有代码，但是必须包含pom.xml文件。

概览

下面是一个pom项目中的pom.xml文件中包含的元素。注意，其中的mo]]></description><category></category></item><item><title><![CDATA[Maven ＜properties＞标签]]></title><link>https://blog.youkuaiyun.com/Jay_Josby/article/details/107508100</link><guid>https://blog.youkuaiyun.com/Jay_Josby/article/details/107508100</guid><author>Jay_Josby</author><pubDate>Wed, 22 Jul 2020 11:01:26 +0800</pubDate><description><![CDATA[通过&lt;properties&gt;元素用户可以自定义一个或多个Maven属性，然后在POM的其他地方使用${属性名}的方式引用该属性，这种做法的最大意义在于消除重复和统一管理。

Maven总共有6类属性，内置属性、POM属性、自定义属性、Settings属性、java系统属性和环境变量属性；


	内置属性
	两个常用内置属性 ${basedir} 表示项目跟目录，即包含pom.xml文件的目录；${version} 表示项目版本
	
	
	POM属性
	用户可以使用该类属性引用POM文件中对应元素]]></description><category></category></item><item><title><![CDATA[Maven插件]]></title><link>https://blog.youkuaiyun.com/Jay_Josby/article/details/107507271</link><guid>https://blog.youkuaiyun.com/Jay_Josby/article/details/107507271</guid><author>Jay_Josby</author><pubDate>Wed, 22 Jul 2020 10:57:19 +0800</pubDate><description><![CDATA[什么是Maven插件?

Maven实际上是一个插件执行框架，Maven中的所有任务都是由插件完成的。

Maven插件是构建目标的集合，也称为MOJO (Maven Old Java Object)。可以把插件理解为一个类，而构建目标是类中的方法。构建阶段包含一系列的构建目标，可以理解为按顺序调用各个插件中的构建目标（方法），然后一系列的构建阶段组成一个构建生命周期。

构建目标可以绑定到多个构建阶段，也可以不绑定，就像类的方法可以被调用，也可以不被调用。

插件示例：


&lt;build&gt;
 ]]></description><category></category></item><item><title><![CDATA[Brat文本注释工具的使用文档]]></title><link>https://blog.youkuaiyun.com/Jay_Josby/article/details/103569721</link><guid>https://blog.youkuaiyun.com/Jay_Josby/article/details/103569721</guid><author>Jay_Josby</author><pubDate>Mon, 16 Dec 2019 20:42:42 +0800</pubDate><description><![CDATA[1 

Brat Document 

目录 

Brat.........................................................................................................................................1 

Brat 标注配置 .......................]]></description><category></category></item><item><title><![CDATA[在pycharm中使用pyliblinear进行快速文本分类]]></title><link>https://blog.youkuaiyun.com/Jay_Josby/article/details/100066478</link><guid>https://blog.youkuaiyun.com/Jay_Josby/article/details/100066478</guid><author>Jay_Josby</author><pubDate>Sun, 25 Aug 2019 20:33:28 +0800</pubDate><description><![CDATA[目录

生成预训练模型： 训练或载入

①训练预测模型：

②加载训练模型：

③保存训练模型：

训练/预测数据格式：

载入数据：

生成预训练模型： 训练或载入

①训练预测模型：


import pyliblinear as pl

    
# 使用数据构成featureMatrix用以训练和验证
fm_Tra = pl.FeatureMatrix.load('E:\文本分类实验\Tr...]]></description><category></category></item><item><title><![CDATA[【NLP 资源】英文词相似度数据集]]></title><link>https://blog.youkuaiyun.com/Jay_Josby/article/details/98241359</link><guid>https://blog.youkuaiyun.com/Jay_Josby/article/details/98241359</guid><author>Jay_Josby</author><pubDate>Fri, 02 Aug 2019 21:33:38 +0800</pubDate><description><![CDATA[所有词相似度数据集结构都是类似三列结构，如下所示:

ws.txt


gem       jewel      3.94
midday     noon      3.94
automobile car        3.92
cushion    pillow      3.84
boy   ...]]></description><category></category></item><item><title><![CDATA[【七月份】实验记录_Mixed perceptual language representation model 混合感知语言表示模型]]></title><link>https://blog.youkuaiyun.com/Jay_Josby/article/details/98229742</link><guid>https://blog.youkuaiyun.com/Jay_Josby/article/details/98229742</guid><author>Jay_Josby</author><pubDate>Fri, 02 Aug 2019 21:11:24 +0800</pubDate><description><![CDATA[课题思路是构建一种多维度词表示方法，更抽象一点课题属于多模态语言表示研究范畴。具体而言，是想增加词表示嵌入信息量，比如声音和图像信息，而不仅仅是词汇在上下文中的分布信息，这在直观上比较容易理解，数据维度越多，蕴含的信息量就越大。

但有一个问题，尽管增加了维度数量/信息含量，最终的词表示是否会提高下游任务的表现？不同维度间信息会不会相互干扰？

现在词向量/语言表示模型的评价指标，一般是词相似度(...]]></description><category></category></item><item><title><![CDATA[JAVA实现百度地图上绘制离散点等值线——离散点插值+等值线算法+BaiduMap绘制]]></title><link>https://blog.youkuaiyun.com/Jay_Josby/article/details/80042960</link><guid>https://blog.youkuaiyun.com/Jay_Josby/article/details/80042960</guid><author>Jay_Josby</author><pubDate>Sun, 22 Apr 2018 21:06:11 +0800</pubDate><description><![CDATA[最近希望在android上实现在百度地图绘制重力异常图(地形图)，查了一下官方提供了一个热力图绘制方法，效果很好，但只能显示官方提供的人员流量数据，所以退一步试着实现简单的等值线图绘制，不难，着急的朋友完全可以仿照下例修改使用：主要方法：①对离散点构造矩形区域并插值：insertValue(List longitude，List latitude ，List value，int row ，int ...]]></description><category></category></item><item><title><![CDATA[【编译原理】First /Follow /FirstVt /LastVt 集合的简单学习]]></title><link>https://blog.youkuaiyun.com/Jay_Josby/article/details/79478156</link><guid>https://blog.youkuaiyun.com/Jay_Josby/article/details/79478156</guid><author>Jay_Josby</author><pubDate>Wed, 07 Mar 2018 23:00:25 +0800</pubDate><description><![CDATA[最近准备考研复试，专业课里有一门编译原理，乍看很难懂，但仅应对几个考点又非常容易上手：First和Follow用来构造预测分析表（在LL（1）分析法处）。Firstvt和Lastvt用来构造算符优先关系表（&amp;lt;=&amp;gt;三种关系）。①First(A)直观上来说First(A)即为非终结符A的产生式首个终结符的集合(因为有多个产生式)。有以下几种情况：A-&amp;gt;aB···First(A)={a...]]></description><category></category></item><item><title><![CDATA[ANN神经网络代码在Matlab中的简单实现]]></title><link>https://blog.youkuaiyun.com/Jay_Josby/article/details/51194537</link><guid>https://blog.youkuaiyun.com/Jay_Josby/article/details/51194537</guid><author>Jay_Josby</author><pubDate>Tue, 19 Apr 2016 22:06:22 +0800</pubDate><description><![CDATA[%m是自变量因素行数，n是因变量因素行数，o是所要预测用的自变量因素行数，一般m==o
warning off;
format long g;
[filename filepath]=uigetfile('*.xlsx','选择神经网络需要参考训练的样本数据');xlsx=[filepath filename];
XLSX=xlsread(xlsx);
[row column]=size(XLSX...]]></description><category></category></item></channel></rss>