DWR实现级联

dwr2.0 web.xml配置:
<!-- -->
<servlet>
<servlet-name>dwr-invoker</servlet-name>
<servlet-class>org.directwebremoting.servlet.DwrServlet</servlet-class>
<init-param>
<param-name>debug</param-name>
<param-value>true</param-value>
</init-param>
<init-param >
<param-name>classes</param-name>
<param-value>java.lang.Object</param-value>
</init-param>
<load-on-startup>100</load-on-startup>
</servlet>
<servlet-mapping>
<servlet-name>dwr-invoker</servlet-name>
<url-pattern>/dwr/*</url-pattern>
</servlet-mapping>


操作类
public class DwrTest
{
@SuppressWarnings("unchecked")
public Map getClassList() {
Map map = new LinkedHashMap();
map.put("0", "请选择");
map.put("1", "班级一");
map.put("2", "班级二");
map.put("3", "班级三");
return map;
}

@SuppressWarnings("unchecked")
public Map getUserList(String id) {
Map map = new LinkedHashMap();
if(id.equals("1")) {
map.put("1", "同学一");
map.put("2", "同学二");
map.put("3", "同学三");
} else if(id.equals("2")) {
map.put("4", "同学四");
map.put("5", "同学五");
map.put("6", "同学六");
} else if(id.equals("3")) {
map.put("7", "同学七");
map.put("8", "同学八");
map.put("9", "同学九");
} else {
map.put("", "请选择");
}
return map;
}
}


在与web.xml同目录下建一个dwr.xml:
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE dwr PUBLIC "-//GetAhead Limited//DTD Direct Web Remoting 2.0//EN" "http://www.getahead.ltd.uk/dwr/dwr20.dtd">
<dwr>
<allow>
<create creator="new" javascript="opt">
<param name="class" value="cn.ffcs.hr.pm.base.test.DwrTest"></param>
</create>
</allow>

</dwr>


页面:

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<%@ page language="java" pageEncoding="UTF-8"%>
<html>
<head>
<title>dwrTest</title>

<script type='text/javascript' src='<c:url value="/dwr/engine.js"/>'></script>
<script type='text/javascript' src='<c:url value="/dwr/util.js"/>'></script>
<script type='text/javascript' src='<c:url value="/dwr/interface/opt.js"/>'></script>

<script type="text/javascript">
//获得班级列表
function updateClass() {
opt.getClassList(createClass);
}
function createClass(data) {
DWRUtil.removeAllOptions("classid");
DWRUtil.addOptions("classid", data);
}
//获得人员列表
function updateUser() {
opt.getUserList(DWRUtil.getValue("classid"),createUser);
}
function createUser(data) {
DWRUtil.removeAllOptions("userid");
DWRUtil.addOptions("userid", data);
}

</script>
</head>

<body onload="updateClass()">
<br/><br/>

<table align="center" width="200" border="1">
<tr>
<td>
Class:
<select name="classid" id="classid" onchange="javascript:updateUser();">
</select>
</td>

<td>
User:<select name="userid" id="userid"></select>
</td>
</tr>
</table>

</body>


---------------------------------------------------------
结束
资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是,借助大模型自身较强的理解和推理能力,在使用时需在prompt中明确分类任务目标,并详细解释每个类目概念,尤其要突出类目间的差别。 结合in-context learning思想,有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子和待分类文本。但实际应用中,类目和样本较多易导致prompt过长,影响大模型推理效果,因此可先通过向量检索缩小范围,再由大模型做最终决策。 具体方案为:离线时提前配置好每个类目的概念及对应样本;在线时先对给定query进行向量召回,再将召回结果交给大模型决策。 该方法不更新任何模型参数,直接使用开源模型参数。其架构参考GPT-RE并结合相关实践改写,加入上下文学习以提高准确度,还使用BGE作为向量模型,K-BERT提取文本关键词,拼接召回的相似例子作为上下文输入大模型。 代码实现上,大模型用Qwen2-7B-Instruct,Embedding采用bge-base-zh-v1.5,向量库选择milvus。分类主函数的作用是在向量库中召回相似案例,拼接prompt后输入大模型。 结果方面,使用ICL时accuracy达0.94,比bert文本分类的0.98低0.04,错误类别6个,处理时添加“家居”类别,影响不大;不使用ICL时accuracy为0.88,错误58项,可能与未修改prompt有关。 优点是无需训练即可有较好结果,例子优质、类目界限清晰时效果更佳,适合围绕通用大模型api打造工具;缺点是上限不高,仅针对一个分类任务部署大模型不划算,推理速度慢,icl的token使用多,用收费api会有额外开销。 后续可优化的点是利用key-bert提取的关键词,因为核心词语有时比语意更重要。 参考资料包括
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