反射与注解【JavaSE】

Annotation注解可以定义在类或方法上,我们可以通过反射取得所定义的Annotation信息。在java.lang.Class类中提供了取得注解信息的方法,下面是取得注解信息的示例:

注解类的作用范围: CLASS SOURCE RUNTIME

/**
 * 反射与注解  自定义Annotation
 */
@SuppressWarnings("serial")
@Deprecated
class Member implements Serializable {
    private int name;

    @Deprecated
    @Override
    public String toString() {
        return "Member{" +
                "name=" + name +
                '}';
    }
}

/**
 * 自定义Annotation @interface表明声明注解
 * 定义注解类的定义范围
 */
@Retention(RetentionPolicy.RUNTIME)
@interface MyAnnotation{
    public String name() default "用户";
    public int age() default 20;
}

//此处若不赋值,便会使用默认值
//@MyAnnotation(name = "张三",age = 20)
@MyAnnotation
@Deprecated
class  Member1{
}

测试:

public class Test{
    public static void main(String[] args) {
        //取得定义类上的注解 每个注解本身有自己的保存范围
         Annotation[] a= Member.class.getAnnotations();
        System.out.println("取得定义类上的注解....");
        for (Annotation temp:a) {
            System.out.println(temp);
        }

        //取得方法上的注解
        System.out.println("取得方法上的注解....");
        try {
            Annotation[] ant=Member.class.getMethod("toString").getAnnotations();
            for (Annotation temp:ant) {
                System.out.println(temp);
            }
        } catch (NoSuchMethodException e) {
            e.printStackTrace();
        }

        //取得自定义注解
        System.out.println("取得自定义注解....");
        Annotation[] ant=Member1.class.getAnnotations();
        for (Annotation temp:ant) {
            System.out.println(temp);
        }
    }
}
基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值