需要记忆

脏读:

假如在3点查询一条数据,查询需要10分钟。但是在3点过5分的时候有一条sql改变了你正在查询的数据,3点10分你查询出来的数据还是老数据,这就是脏读。

对象锁,类锁:

synchronized加在静态方法上是给类上锁,synchronized加在非静态方法中是给对象上锁。

如果多线程同时访问一个类的类锁和对象锁,这两个方法执行是异步的,因为这两种是不同的锁。

类锁对该类的所有对象都有用。

sleep,wait:

两者来自不同的类(分别是Thread和Object)。

sleep没有释放锁,wait释放了锁,使得其他线程可以使用同步控制块或方法

wait只能在同步控制方法或者同步控制块中使用,sleep可以在任何地方调用。

sleep必须捕获异常。

死锁:

互斥条件:一个资源每次只能被一个进程使用。

请求与保持条件:一个进程因请求资源而阻塞时,对已获得的资源保持不放。

不剥夺条件:进程已获得的资源,在未使用完之前,不能强制剥夺。

循环等待条件:若干进程之间形成一种头尾相接的循环资源关系。

在java中所有线程都是同时启动的,至于什么时候,哪个先执行,完全看谁先得到CPU的资源。

在java中,每次程序运行至少启动2个线程。一个是main线程,一个是垃圾回收线程。因为每当使用java命令执行一个类的时候,实际上启动了一个jvm, 每个jvm其实就是在操作系统中启动了一个线程

ArrayDeque, (数组双端队列)

PriorityQueue, (优先级队列) 

ConcurrentLinkedQueue, (基于链表的并发队列)

.DelayQueue, (延期阻塞队列)(阻塞队列实现了BlockingQueue接口)

ArrayBlockingQueue, (基于数组的并发阻塞队列)

LinkedBlockingQueue, (基于链表的FIFO阻塞队列) 

LinkedBlockingDeque, (基于链表的FIFO双端阻塞队列) 

PriorityBlockingQueue, (带优先级的无界阻塞队列)

SynchronousQueue (并发同步阻塞队列)

ArrayBlockingQueue :一个由数组结构组成的有界阻塞队列。 

LinkedBlockingQueue :一个由链表结构组成的有界阻塞队列。 

PriorityBlockingQueue :一个支持优先级排序的无界阻塞队列。

DelayQueue:一个使用优先级队列实现的无界阻塞队列。

SynchronousQueue:一个不存储元素的阻塞队列。

LinkedTransferQueue:一个由链表结构组成的无界阻塞队列。 

LinkedBlockingDeque:一个由链表结构组成的双向阻塞队列。

SpringMVC工作流程:

    1.发送请求至前端控制器DispatcherServlet

    2.DispatcherServlet收到请求调用HandlerMapping处理器映射器

    3.处理器映射器根据请求的url找到具体的处理器,生成处理器对象及处理器拦截器(拦截器如果有则生成)一并返回给DispatcherServlet

    4.DispatcherServlet通过HandlerAdapter处理器适配器调用处理器

    5.执行处理器(Controller)

    6.Controller执行完成返回ModelAndView对象

    7.HandlerAdapter将ModelAndView返回给DispatcherServlet

    8.DispatcherServlet将ModelAndView传递给视图解析器(ViewReslover)

    9.ViewReslover解析后返回具体的视图(view)

    10.DispatcherServlet将具体视图渲染

    11.DispatcherServlet响应用户

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