mongoDB基本使用

在MongoDB数据库里面是存在有数据库的概念,但是没有模式(所有信息都是按照文档保存的),保存数据结构就是JSON结构,只不过在进行一些数据处理的时候才会使用到MongoDB自己的一些操作符号

1.切换mldn数据库  

    use mldn  (此时并没有创建数据库,只有保存集合时才会创建)

2.查看全部数据库 

    show databases 简写 show dbs

    show collections

3.创建一个集合--emp

db.createCollection("emp");

4.查看
   (1)简单查询

    db.emp.find();

    查询数据过多时,不会一次性都查询出来,在底部会提示一个“it”,编写“it”继续显示一部分


(2)条件查询

    db.emp.find({"url":"www.mldn.cn"},{"_id":0}).pretty();

    {"url":"www.mldn.cn"}:为查询条件;

    {"_id":0}:投影操作 0:为不显示,1:为显示

    pretty():漂亮显示,类型于代码格式化

(3)逻辑查询

    大于($gt)、小于($lt)、大于等于($gte)、小于等于($lte)、不等于(ne)

    db.emp.find({"age":{"$gt":19}}).pretty();

5.添加

(1)正常的添加一条数据,将json写下里面(不常用)

    db.emp.insert({"deptno":10,"dname":"财务部","loc":"北京"});

(2)将json写下外面,更直观(常用)
var empDate = {
"empno":20,
"ename":"深圳",
"age":8000
}

db.emp.insert(empDate);

(3)添加数组

    ar empDate = [

        {"curriculum":"Java"},

        {"curriculum":"HTML"},

        {"curriculum":"PHP"}

    ]

    db.emp.insert(empDate);

(4)添加100个

    for(var i = 0;i<100;i++){
db.emp.insert({"curriculum":"mldn"+i});

    }


6.删除

(1)删除数据

    db.mldn.remove({"_id":ObjectId("5b0ca4f00769522af20131f0")});

(2)删除集合
    db.mldn.drop();
(3)删除数据库(删除当前数据库)
    db.dropDatabase();

7.修改

var data = {
"deptno":11,
"dname":"财务部1",
"loc":"北京1"
}
db.mldn.update({"_id":ObjectId("5b0ca7920769522af20131f1")},data)

本项目构建于RASA开源架构之上,旨在实现一个具备多模态交互能力的智能对话系统。该系统的核心模块涵盖自然语言理解、语音转文本处理以及动态对话流程控制三个主要方面。 在自然语言理解层面,研究重点集中于增强连续对话中的用户目标判定效能,并运用深度神经网络技术提升关键信息提取的精确度。目标判定旨在解析用户话语背后的真实需求,从而生成恰当的反馈;信息提取则专注于从语音输入中析出具有特定意义的要素,例如个体名称、空间位置或时间节点等具体参数。深度神经网络的应用显著优化了这些功能的实现效果,相比经典算法,其能够解析更为复杂的语言结构,展现出更优的识别精度与更强的适应性。通过分层特征学习机制,这类模型可深入捕捉语言数据中隐含的语义关联。 语音转文本处理模块承担将音频信号转化为结构化文本的关键任务。该技术的持续演进大幅提高了人机语音交互的自然度与流畅性,使语音界面日益成为高效便捷的沟通渠道。 动态对话流程控制系统负责维持交互过程的连贯性与逻辑性,包括话轮转换、上下文关联维护以及基于情境的决策生成。该系统需具备处理各类非常规输入的能力,例如用户使用非规范表达或对系统指引产生歧义的情况。 本系统适用于多种实际应用场景,如客户服务支持、个性化事务协助及智能教学辅导等。通过准确识别用户需求并提供对应信息或操作响应,系统能够创造连贯顺畅的交互体验。借助深度学习的自适应特性,系统还可持续优化语言模式理解能力,逐步完善对新兴表达方式与用户偏好的适应机制。 在技术实施方面,RASA框架为系统开发提供了基础支撑。该框架专为构建对话式人工智能应用而设计,支持多语言环境并拥有活跃的技术社区。利用其内置工具集,开发者可高效实现复杂的对话逻辑设计与部署流程。 配套资料可能包含补充学习文档、实例分析报告或实践指导手册,有助于使用者深入掌握系统原理与应用方法。技术文档则详细说明了系统的安装步骤、参数配置及操作流程,确保用户能够顺利完成系统集成工作。项目主体代码及说明文件均存放于指定目录中,构成完整的解决方案体系。 总体而言,本项目整合了自然语言理解、语音信号处理与深度学习技术,致力于打造能够进行复杂对话管理、精准需求解析与高效信息提取的智能语音交互平台。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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