struts2框架剖析(笔记)

本文介绍了Struts2框架的核心组成部分Xwork的功能与概念,并详细解释了Struts2中拦截器的应用场景及其整体工作流程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Struts2框架由两部分组成:XWork2和Struts2。Xwork是一个命令模式框架,它是Struts2的基础。

 

Xwork核心功能:

1、IoC容器

2、表达式语言(OGNL)

3、数据类型转换

4、验证

5、可插入的配置

......

 

Xwork的核心概念:

1、action

2、拦截器(Interceptor)-- 可在action调用之前和之后执行代码

3、result

Struts2扩展了这些概念的基础实现。

 

 

用到拦截器的地方:

1、类型转换

2、对象组装

3、验证

4、避免表单重复提交

5、文件上传

......

 

 

Struts2框架中的所有对象(action、result、interceptor等)都是通过ObjectFactory创建的。

 

Struts2的体系结构:

调用流程:

 

HTTP请求 -->

--> ActionContextCleanUp过滤器(集成SiteMesh时会用到)

--> 其他过滤器

--> FilterDispatcher(必须)

--> FilterDispatcher轮询ActionMapper,有Action可以调用

--> ActionProxy

--> Configuration Manager读取struts.xml

--> ActionProxy创建ActionInvocation 

--> ActionInvocation调用配置的拦截器 

--> 拦截器1

--> 拦截器2 

--> Action 

--> Result

--> Result调用JSP或FreeMarker模版

--> 拦截器2 

--> 拦截器1

--> FilterDispatcher 

--> 其他过滤器 

--> ActionContextCleanUp过滤器

--> 最终结果

 

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