java设计模式之简单工厂模式

本文介绍简单工厂模式,一种创建型设计模式。通过定义一个工厂类负责创建其他类的实例,减少客户端与具体产品的耦合度。文章展示了如何通过示例代码实现简单工厂模式,并讨论了该模式的优点和局限性。

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

简单工厂模式属于类的创建型模式,又叫做静态工厂方法模式。通过专门定义一个类来负责创建其他类的实例,被创建的实例通常都具有共同的父类。

所以最少有三个类,一个实例化类,一个实例化类的接口,一个工厂类。其中最核心的是工厂类,它包含必要的判断逻辑,能够根据外界给定的信息,决定究竟应该创建哪个具体类的对象。

优点是用户在使用时可以直接根据工厂类去创建所需的实例,而无需了解这些对象是如何创建以及如何组织的。有利于整个软件体系结构的优化。

缺点是由于工厂类集中了所有实例的创建逻辑,所以“高内聚”方面做的并不好。另外,当系统中的具体产品类不断增多时,可能会出现要求工厂类也要做相应的修改,扩展性并不很好。 


看代码:

1,接口类Fruit

public interface Fruit {
public void get();
}

2,实例化类Apple,Banana


public class Apple implements Fruit{


public void get() {
System.out.println("生产苹果");
}

public class Banana implements Fruit{

public void get() {
System.out.println("生产香蕉");
}


}

3,工厂类FruitFactory

public class FruitFactory {
/*
* 获取Apple实例,一般的写法
*/
public static Fruit getApple(){
return new Apple();
}

public static Fruit getBanana(){
return new Banana();
}


/*
* get方法,获取所有产品对象,必须知道实例的名称,可以忽略大小写
*/
public static Fruit getFruit(String type) throws InstantiationException, IllegalAccessException{
if(type.equalsIgnoreCase("apple")){
return Apple.class.newInstance();
}else if(type.equalsIgnoreCase("banana")){
return Banana.class.newInstance();
}else{
System.out.println("找不到对应的实例化类");
return null;
}

}

}


4,测试代码:

public class Test {
public static void main(String[] args) throws InstantiationException, IllegalAccessException {
/*
* 不用工厂,多态的写法
*/
Fruit apple1 = new Apple();
apple1.get();
Fruit b1 =new Banana();
b1.get();

//基本的获取对象的写法
Fruit apple2=FruitFactory.getApple();
apple2.get();
Fruit b2 = FruitFactory.getBanana();
b2.get();


Fruit apple3= FruitFactory.getFruit("apple");
Fruit banana3 = FruitFactory.getFruit("banana");
Fruit banana4 = FruitFactory.getFruit("canana");
apple3.get();
banana3.get();

}


}


















}

资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分实践的基本原理是,借助大模型自身较强的理解和推理能力,在使用时需在prompt中明确分任务目标,并详细解释每个目概念,尤其要突出目间的差别。 结合in-context learning思想,有效的prompt应包含分任务介绍及细节、目概念解释、每个目对应的例子和待分文本。但实际应用中,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文本分的0.98低0.04,错误别6个,处理时添加“家居”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、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