多對多

本文介绍如何在数据库中实现多对多关系,通过创建中介表,并利用Java和Hibernate进行对象映射。此外,还提供了具体的代码实例,帮助理解多对多关系的实际应用。

在資料庫表格上要進行多對多對應,可以藉由一個中介表格來完成,也就是藉由多對一、一對多來完成多對多關聯。

 

多對多由於使用了中介表格,在查詢效率不彰,且在程式的物件模式上,多對多會使得物件與物件之間彼此依賴,並不是一個很好的設計方式,在設計上應避免使用多對多關係。

如果一定要使用多對多關係的話,在表格上先如下建立:

 

CREATE TABLE user (
    id 
INT(11NOT NULL auto_increment PRIMARY KEY,
    name 
VARCHAR(100NOT NULL default ''
);

CREATE TABLE user_server (
    
user_id INT(11),
    server_id 
INT(11)
);

CREATE TABLE server (
    id 
INT(11NOT NULL auto_increment PRIMARY KEY,
    address 
VARCHAR(100NOT NULL default ''
);

先設計User類別如下:

 

User.java
package onlyfun.caterpillar;

import java.util.Set;

public class User {
    
private Integer id;
    
private String name;
    
private Set servers;
    
    
public User() {
    }


    
public Integer getId() {
        
return id;
    }


    
public void setId(Integer id) {
        
this.id = id;
    }


    
public String getName() {
        
return name;
    }


    
public void setName(String name) {
        
this.name = name;
    }


    
public Set getServers() {
        
return servers;
    }


    
public void setServers(Set servers) {
        
this.servers = servers;
    }

}

再來設計Server類別如下:

 

Server.java
package onlyfun.caterpillar;

import java.util.Set;

public class Server {
    
private Integer id;
    
private String address;
    
private Set users;
    
    
public String getAddress() {
        
return address;
    }

    
    
public void setAddress(String address) {
        
this.address = address;
    }

    
    
public Integer getId() {
        
return id;
    }

    
    
public void setId(Integer id) {
        
this.id = id;
    }

    
    
public Set getUsers() {
        
return users;
    }

    
    
public void setUsers(Set users) {
        
this.users = users;
    }

}

在映射文件上,使用<many-to-many>標籤來完成映射關係:

 

User.hbm.xml
<?xml version="1.0" encoding="utf-8"?> 
<!DOCTYPE hibernate-mapping 
    PUBLIC "-//Hibernate/Hibernate Mapping DTD 3.0//EN" 
    "http://hibernate.sourceforge.net/hibernate-mapping-3.0.dtd"
> 

<hibernate-mapping> 

    
<class name="onlyfun.caterpillar.User" table="user"> 
        
<id name="id" column="id" type="java.lang.Integer"> 
            
<generator class="native"/> 
        
</id> 

        
<property name="name" column="name" type="java.lang.String"/> 

        
<set name="servers" 
             table
="user_server" 
             cascade
="save-update"> 
             
            
<key column="user_id"/> 
            
<many-to-many class="onlyfun.caterpillar.Server" 
                          column
="server_id"/>            
        
</set> 
    
</class> 

</hibernate-mapping>

注意到cascade是設定為save-update,因為在多對多的關係中,很少因為刪除其中之一,而所關聯的實體都要一併刪除的,所以設定save-update,表示在save或update時,一併對關聯的物件進行對應的save或update。

Server.hbm.xml的定義如下:

 

Server.hbm.xml
<?xml version="1.0" encoding="utf-8"?> 
<!DOCTYPE hibernate-mapping 
    PUBLIC "-//Hibernate/Hibernate Mapping DTD 3.0//EN" 
    "http://hibernate.sourceforge.net/hibernate-mapping-3.0.dtd"
> 

<hibernate-mapping> 

    
<class name="onlyfun.caterpillar.Server" table="server"> 

        
<id name="id" column="id"> 
            
<generator class="native"/> 
        
</id> 

        
<property name="address" type="java.lang.String"/> 
        
        
<set name="users" 
             table
="user_server" 
             inverse
="true" 
             cascade
="save-update"> 
              
             
<key column="server_id"/> 
             
<many-to-many class="onlyfun.caterpillar.User" 
                           column
="user_id"/> 
        
</set> 
    
</class> 

</hibernate-mapping>

一個儲存時的例子如下:

 

Server server1 = new Server();
server1.setAddress(
"PC-219"); 
server1.setUsers(
new HashSet());
        
Server server2 
= new Server(); 
server2.setAddress(
"PC-220"); 
server2.setUsers(
new HashSet());
        
Server server3 
= new Server(); 
server3.setAddress(
"PC-221");
server3.setUsers(
new HashSet());
        
User user1 
= new User(); 
user1.setName(
"caterpillar");
user1.setServers(
new HashSet());
        
User user2 
= new User(); 
user2.setName(
"momor");
user2.setServers(
new HashSet());

// 多對多,互相參考
user1.getServers().add(server1); 
user1.getServers().add(server2); 
user1.getServers().add(server3); 
server1.getUsers().add(user1); 
server2.getUsers().add(user1); 
server3.getUsers().add(user1); 
        
user2.getServers().add(server1); 
user2.getServers().add(server3); 
server1.getUsers().add(user2); 
server3.getUsers().add(user2); 
        
Session session 
= sessionFactory.openSession(); 
Transaction tx
= session.beginTransaction(); 
session.save(user1); 
session.save(user2); 
        
tx.commit();
session.close();

執行後資料庫的內容如下:

mysql> select * from user;
+----+--------------+
| id | name         |
+----+--------------+
|  1 | caterpillar  |
|  2 | momor        |
+----+--------------+
2 rows in set (0.00 sec)

mysql
> select * from user_serv
+----------+-------------+
| user_id  | server_id   |
+----------+-------------+
|       1  |           1 |
|       1  |           2 |
|       1  |           3 |
|       2  |           1 |
|       2  |           2 |
+----------+-------------+
5 rows in set (0.00 sec)

mysql
> select * from server;
+----+-----------+
| id | address   |
+----+-----------+
|  1 | PC-219    |
|  2 | PC-221    |
|  3 | PC-220    |
+----+-----------+
3 rows in set (0.00 sec)
本项目构建于RASA开源架构之上,旨在实现一个具备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,并运用深神经网络技术提升关键信息提取的精确。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