自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

约定的博客

算法与nlp追随者

  • 博客(309)
  • 资源 (17)
  • 收藏
  • 关注

原创 数据结构与算法总结(完结)

极客时间算法学习之后开始跟着花花酱刷题。大概从4月份开始的。从今天开始(2020-8-24)开始做总结,复习一下已经刷过的题目。到目前为止leetcode刷题323道。1刷题原则根据花花酱建议,梳理出以下结论。要刷多少题1 每个类型 10-20,总共200-300题如何刷题1 同类型题目一起刷2 看代码很重要,看至少3-5种不同实现3 第一遍:5分钟想不出来就看答案;第二遍:尝试不看答案完整实现,一道题目不超过60min;第三遍:尝试快速实现,15-20min实现不了就看答案4 完整的手写

2020-08-24 09:13:12 1093 1

原创 回溯算法归纳

回溯算法解题思路回溯的两种思路题目描述按照思路1解决按思路2解决回溯的两种思路看不同的解题方法,形成不同的思维。先说结论。回溯解题思路1:是对可选择每个元素,采取不选择、选择两种策略,不断递归下去。最近看花花酱的视频,得到思路2:要完成目标分为n个阶段,每个阶段会有不同的选择,在每个阶段尝试不同选择。下面,以具体leetcode39为例,来说明。题目描述输入:一个不包含重复元素的数组c...

2020-04-14 09:25:56 262

原创 极客时间算法练习题总结

文章出处:极客时间《数据结构和算法之美》-作者:王争。该系列文章是本人的学习笔记。在极客时间《数据结构和算法之美》最后,王争老师加餐了7天训练内容,对每一部分需要掌握的数据结构与算法做了总结。现在我把这些题目放在一起,并且和自己写的代码做了超链接。数组实现一个支持动态扩容的数组实现一个大小固定的有序数组,支持动态增删改操作实现两个有序数组合并为一个有序数组...

2019-11-14 22:19:53 734

原创 EM算应用:两硬币、三硬币

EM算法,三硬币,两硬币参数θπpqθπpqπpq\pi,p,qπpq分别表示硬币A,B,C是正面的概率。观测到了n次投掷结果,记为Yy1y2ynYy1​y2​...yn​,每次投掷10次,yi∈010yi​∈010,表示本次试验中硬币正面朝上的次数隐变量设为Zz1z2znZz1​z2​...zn​zi1z_i=1zi​1表示硬币A正面朝上,将选择硬币B投掷;

2023-03-05 23:44:45 759 1

原创 几个算法比较

多种机器学习算法模型、策略、算法比较图

2023-01-26 04:36:47 832

原创 从决策树到xgboost(二)

文章目录3 集成学习4 Adaboost4.1 Adaboost算法5 提升决策树BDT6 梯度提升决策树GBDT7 极限梯度提升XGboost3 集成学习所谓集成学习,是指构建多个分类器(弱分类器)对数据集进行预测,然后用某种策略将多个分类器预测的结果集成起来,作为最终预测结果。通俗比喻就是“三个臭皮匠赛过诸葛亮”,或一个公司董事会上的各董事投票决策,它要求每个弱分类器具备一定的“准确性”,分类器之间具备“差异性”。集成学习根据各个弱分类器之间有无依赖关系,分为Boosting和Bagging两大流

2022-03-25 11:01:06 1612

原创 从决策树到xgboost(一)

文章目录1 决策树1.1决策树定义1.2信息增益1.3 信息增益的算法1.4 信息增益比2 决策树ID32.1 ID3树的构建2.2 决策树的剪枝2.2.1 损失函数定义与计算2.2.2 剪枝过程1 决策树1.1决策树定义决策树的基本组成:决策节点、分支、叶子。决策树表示给定特征条件下的概率分布。条件概率分布定义在特征空间的一个划分上。将特征空间划分为互不相交的单元。并在每个单元上定义一个类的概率分布,就构成了一个条件概率分布。决策树的一条路径对应于划分中的一个单元。决策树的本质是在特征空间

2022-03-20 17:35:54 847

原创 三种平滑方法

为了理解《LETOR: A benchmark collection for research on learning to rank for information retrieval》中提出的数据特征中的三个:LMIR.ABS、LMIR.DIR、LMIR.JM的计算方法,我查阅了很多资料。前面一篇博客是理解。这一篇也是。这篇博客的内容来自《A Study of Smoothing Methods for Language Models Applied to Ad Hoc Information Retr

2022-03-09 16:00:45 1182

原创 Jelinek-Merer与Absolute discounting 平滑方法

Jelinek-MererJelinek-Merer平滑方法的基本思想是利用低元n-gram模型对高元n-gram模型进行线性插值。PML(wi∣wi−1)=c(wi,wi−1)c(wi−1)P_{ML}(w_i|w_{i-1})=\dfrac{c(w_i,w_{i-1})}{c(w_{i-1})}PML​(wi​∣wi−1​)=c(wi−1​)c(wi​,wi−1​)​c(wi,wi−1)c(w_i,w_{i-1})c(wi​,wi−1​)是指词i和词i-1共同出现的次数。PML(wi)=c(w

2022-03-08 17:47:23 1060

原创 learning to rank评价指标

文章目录1 准确率Mean average precision1.1 定义1.2 计算2 NDCG(Normalized Discounted Cumulative Gain)2.1定义2.2 例子1 准确率Mean average precision1.1 定义Precision at position k (P@k)是一个衡量排名前k位的方法,使用两个级别(相关的和不相关)的相关性判断。公式:P@k=1k∑j=1krjP@k=\dfrac{1}{k}\sum^{k}_{j=1}r^jP@k=

2022-03-07 17:49:07 291

原创 总和最大区间问题

题目和解题思路来源于吴军著作《计算之魂》。本题目是例题1.3。文章目录1 问题描述2 解题思路2.1 三重循环2.2 两重循环2.3 分治法1 问题描述总和最大区间问题:给定一个实数序列,设计一个最有效的算法,找到一个总和最大的区间。例如给定序列:1.5,-12.3,3.2,-5.5,23.2,3.2,-1.4,-12.2,34.2,5.4,-7.8,1.1,-4.9总和最大的区间是从第5个数(23.2)到第10个数(5.4)。2 解题思路2.1 三重循环public int[] findM

2022-01-03 07:45:02 5237 4

原创 第三课 SVM(2)

1 线性可分的数据集1.1 超平面SVM的思想是找到最大间隔的分隔超平面。在两个分类中,找到能够一条线,以最好地区分这两个分类。这样如果有了新的点,这条线也能很好地做出分类。这样的线在高维样本中的时候就叫做超平面。1.2 几何间隔与函数间隔图中绿线h1效果不好,h2效果还行,h3效果最好。怎么区分效果好不好?如果超平面w.x+b=0w.x+b=0w.x+b=0已经存在,那么样本点距离超平面的距离能够表示预测的确信程度。∣w.x+b∣|w.x+b|∣w.x+b∣能够相对地表示点x距离超平面的距

2021-10-31 15:17:58 142

转载 什么是word2vector

原文地址:https://www.julyedu.com/questions/interview-detail?quesId=2761&cate=NLP&kp_id=30什么是 Word2vec?在聊 Word2vec 之前,先聊聊 NLP (自然语言处理)。NLP 里面,最细粒度的是 词语,词语组成句子,句子再组成段落、篇章、文档。所以处理 NLP 的问题,首先就要拿词语开刀。举个简单例子,判断一个词的词性,是动词还是名词。用机器学习的思路,我们有一系列样本(x,y),这里 x 是词

2021-09-21 07:14:07 275

转载 Python是如何进行内存管理的

从三个方面来说,一对象的引用计数机制,二垃圾回收机制,三内存池机制一、对象的引用计数机制Python内部使用引用计数,来保持追踪内存中的对象,所有对象都有引用计数。引用计数增加的情况:1,一个对象分配一个新名称2,将其放入一个容器中(如列表、元组或字典)引用计数减少的情况:1,使用del语句对对象别名显示的销毁2,引用超出作用域或被重新赋值sys.getrefcount( )函数可以获得对象的当前引用计数多数情况下,引用计数比你猜测得要大得多。对于不可变数据(如数字和字符串),解释器会在

2021-09-18 06:40:41 571

原创 闲聊型对话系统之NLG总结报告

文章目录1 项目介绍1.1 背景知识介绍1.2 NLG的实现方式1.2.1 基于模板1.2.2 检索式1.2.3 生成式1 项目介绍1.1 背景知识介绍对话系统按领域分类,分为任务型和闲聊型。闲聊型对话系统有Siri、微软小冰、小度等。它们实现可以以任意话题跟人聊天。任务型对话系统是以完成特定任务为目标的对话系统。例如可以以订机票为一个特定的任务,实现的对话系统。我们这里重点关注任务型对话系统。任务型对话系统分为语音识别、自然语言理解NLU、对话管理DM、自然语言生成NLG、语音合成几个部分。与N

2021-09-05 10:07:00 1487

原创 对话系统之NLU总结报告

文章目录1 项目介绍1.1 背景知识介绍1.2 数据集介绍1.3 评价指标2 技术方案梳理2.1 模型目标2.2 模型介绍2.3 模型实现2.3.1 数据处理2.3.2 构建dataset2.3.3 模型定义2.3.4 训练相关参数2.3.5 训练结果3 项目总结1 项目介绍1.1 背景知识介绍对话系统按领域分类,分为任务型和闲聊型。闲聊型对话系统有Siri、微软小冰、小度等。它们实现可以以任意话题跟人聊天。任务型对话系统是以完成特定任务为目标的对话系统。例如可以以订机票为一个特定的任务,实现的对话系

2021-09-04 00:37:04 2262 1

原创 NLG模块实现(未完成)

NLG(Natural Language Generation),计算机将结构化数据转换为文本并以人类语言编写信息。使用GPT框架完成NLG任务。GPT模型是预训练模型, 采用两阶段过程,第一个阶段是利用语言模型进行预训练(无监督形式),第二阶段通过 Fine-tuning 的模式解决下游任务(监督模式下)。GPT模型是Seq2Seq模型中的一种。分为encoder和decoder两部分。encoder:有12个transform block。输入句子,输出词向量。decoder:有12个trans

2021-08-23 09:03:25 271

原创 理解transformer

文章目录1 注意力机制2 自注意力机制3 自注意力机制加强版4 Transformer的结构4.1 input4.2 encoder4.2.1 Multi-head attention4.2.2 残差链接4.2.3 层正则化layer norm4.2.4 前馈神经网络 feed forward network4.3 decoder4.3.1 输入4.3.1 Masked Multi-head attention4.3.2 Multi-head attention4.3.3 前馈神经网络 feed forwa

2021-08-03 09:20:09 483 1

原创 二分搜索模板

翻了一下自己的博客。记录了花花酱的二分搜索模板、王争的二分搜索模板。花花酱的文章中提到:不要试图去找一个正确答案。试图去找一个分割点m,使得x>=m,g(x)>0为true。这个始终get不到。王争的二分模板思路是比较简单的,就是时间长了,忘记了。考虑边界值的时候,是在代码逻辑中考虑,容易理解。接下来记录一下labuladong的二分搜索模板。1 查找目标值简单二分,查找目标值。int binarySearch(int[] nums, int target) { int le

2021-07-30 09:15:52 174

原创 基于知识图谱的问答系统实践

文章目录1 项目目标2 模型介绍3 代码4 总结与优化1 项目目标基于知识图谱的问答系统,简称为KBQA,是知识图谱的一种应用方式。在本项目中的知识图谱数据是关于公司的。数据中包含公司的主键、名称、分红方式、所处行业、债券类型等,也包含公司主要职位的人物名称,还有公司与公司之间的关系。经过分析之后,我们建立的图谱中的实体有:公司、人物、行业、分红方式、违规类型、债券类型。公司与公司之间的关系有:供应商、客户、公担保。人物与公司之间的关系有:监事、董事。公司与行业的关系:属于。公司与分红方式的关系:属于

2021-07-09 08:47:03 5470 1

原创 图谱问答-句子向量&模型部署&项目总结(未完)

内容来自七月算法nlp课程。文章目录1 句子向量1.1 bert句子向量表示相似度效果不好1.2 sentence-bert1 句子向量句子向量是用于实体消岐的。可以使用Elmo,也可以使用bert。这里介绍用bert生成句子向量。1.1 bert句子向量表示相似度效果不好Bert中最常用的句向量方式是采用cls标记位或者平均所有位置的输出值,注意,在采用平均的方式的时候,我们需要先做一个mask的操作,计算均值时,除以mask的和。但bert的句子向量效果不理想。为什么呢?原因1:词频率影响

2021-06-02 07:16:20 207

原创 图谱问答-理解query

内容来自七月算法nlp课程。图谱问题是用户输入一句话,系统返回这句话的答案。这里分多种情况。例如根据实体和关系查询尾实体,或者根据实体查询关系,甚至还会出现多跳的情况,不同的情况采用的方法略有不同。1 根据实体和关系查询尾实体需要两个步骤完成:第一步找到实体与关系;第二步实体链接和实体消岐。1.1 找到实体与关系NER的方式很多。可以采用传统机器学习的分类方法,也可以使用深度学习神经网络,一般架构为encoder+cfr层。这里重点介绍AC自动机1.1.1 AC自动机1、构建前缀树2、给前

2021-05-27 08:52:11 513 2

原创 知识图谱中三元组抽取

内容来自七月算法nlp课程。这是要解决知识图谱中的其中一个问题:从非结构文本中抽取三元组。要解决这个问题,总体思路有通过模板抽取、通过模型抽取。三元组工业界一般都存储在neo4j中,学术界会采用RDF形式存储。1结构化数据抽取定义好schema。按照schema的格式,把关系型数据转为图数据。2 非结构化数据抽取2.1 通过模板抽取通过模板抽取,这个一般是通过正则实现,课程上不做过多介绍。2.2 通过模型抽取模型的整体结构如图所示,输入是一段文本信息,经过encoder层进行编码,提取

2021-05-24 06:26:52 9643 6

原创 pytorch中的squeeze和unsqueeze

squeeze:压缩,要减少维度。unsqueeze:解压缩,要增加维度。torch.squeeze(input),那么会把input中所有维度长度为1的维度去掉。torch.squeeze(input,dim=1),那么在给定dim的情况下,就只去掉dim这个维度,其他维度还保留。import torchx = torch.rand(5,3)x = x.squeeze(1)tensor([[0.0621, 0.2074, 0.5420],[0.5897, 0.3664, 0.4387],

2021-05-19 09:10:34 578

原创 pytorch中的sum

pytorch的sum怎么那么烦人呢?我怎么知道应该给哪个维度做加和呢。如果 x=tensor([[0.5946, 0.3530, 0.2231],[0.7467, 0.2139, 0.4841],[0.6990, 0.6151, 0.1369],[0.1062, 0.5951, 0.7555],[0.7811, 0.2932, 0.2963]])那么我想 x.sum(dim=1),第0个维度是行,第1个维度应该是列,那应该是按列求和吧,最后结果应该是一行3列。结果是tensor([1.17

2021-05-19 08:50:37 4089

原创 知识图谱需要解决的问题

1 知识图谱应用场景1、数据可视化2、基于图谱的问答系统3、基于图谱的关系推理4、便捷的关系查询,给模型提供更多数据特征2 知识图谱的构建非结构化数据源中的实体识别:一般来说是一个sequence labeling的任务。非结构化数据源中的关系抽取:通常都会提供好固定的一些关系,因此该任务就是一个分类问题。非结构化数据源中的三元组抽取3基于知识图谱的问答根据问题,解析三元组中的两个元素,查询第三个元素如何确定subject:entity linking->name dict

2021-04-24 22:25:36 1716

原创 pytorch矩阵相乘与点乘

torch.mul(a, b) 矩阵点乘矩阵点乘要求两个矩阵维度符合一定要求a的形状是(x,y)b的形状是(x,y),那么得到(x,y)形状的矩阵b的形状是(x,1),那么得到(x,y)形状的矩阵,从2到y列的值与第一列的值相y=1,b的形状是(1,x),那么得到(x,x)形状的矩阵,torch.mm(a,b) 矩阵相乘a的形状是(x,y),b的形状是(y,z),得到(x,z)形状的矩阵只能计算二维矩阵的相乘。nn.Linear 线性变化y=ax+b 包含矩阵乘的操作.

2021-04-24 08:04:13 1945

原创 pytorch自定义模型执行过程

使用pytorch定义自己的模型是继承nn.Module实现的。在__init__方法中定义需要初始化的参数,一般把网络中具有可学习参数的层放在这里定义。forward方法实现模型的功能,实现各个层之间的连接关系的核心。backward函数就会被自动实现(利用Autograd)。class WordAveragingModel(nn.Module): def __init__(self, vocab_size: int, embed_dim: int, embed_dropout: float

2021-04-23 08:57:53 458

原创 mac下pip install 安装只能选择python2.7的问题

mac自带python2.7。我用brew install安装过python3:brew install python3我安装了anaconda3。因为它自带了很多包。所以我无论是用pycharm编程还是jupyter notebook一直都用的是anaconda3带的python。后来发现用pip install 安装的包,在pycharm工程中用不了。更有甚者,有时候用pip install 安装不了,例如allennlp。虽然我可以用pip3 install allennlp安装。但是安装之后发

2021-04-16 06:47:11 758

原创 再谈BERT

第三次讲到了BERT。第一次是文章目录1 关于预训练模型1.1预训练概念1.2 再谈语言模型1.3 ELMo1.4 GPT1 关于预训练模型1.1预训练概念预训练模型最早用于CV领域。深度学习模型就是一个y=fθ(x)y=f_{\theta}(x)y=fθ​(x)查找最优θ\thetaθ的过程。如果参数θ\thetaθ初始值合适的话,会加快模型训练进度。预训练就是在任务上优化参数,最后得出一套参数。这套参数可以作为下游任务的初始值。为什么预训练模型可

2021-04-14 09:10:02 292

原创 transformer & bert &GPT(未完)

原文标题:⼤规模⽆监督预训练语⾔模型与应⽤(中)文章目录1 transformer1.1 encoder部分1.1.1 Attention定义1.1.2 Multi-head Attention1.1.3 position-wise feed-forward networks1.1.4 positional encoding1.1.5 残差链接1.1.6 layer norm1.2 decoder部分2 bert1 transformer论文Attention

2021-04-12 08:51:43 319 1

原创 ⼤规模⽆监督预训练语⾔模型与应⽤(上)

文章目录1 单词作为语言模型的基本单位的缺点1 单词作为语言模型的基本单位的缺点单词量有限,遇到没有见过的单词只能以UNK表示。模型参数量太大。...

2021-04-11 19:14:44 206

原创 文本生成模型

文本生成目前(2019年)还没有确定的可工程化的用途。主要模型有:Variational Auto Encoder (VAE)和Generative Adversarial Networks (GAN)这个对我来说是新的内容,需要再次消化。...

2021-04-07 08:09:33 520

原创 再看机器翻译

前面有文章具体介绍了机器翻译用到的模型:seq2seq和加入attention机制。这里再说点别的。1 机器翻译评价标准BLUE参考文章介绍的很详细。论文地址:url2 模型背后的理论:密码学例如从中文翻译成英文,可以将中文看做是加密了的英文。3 工程上1 Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation2 NEURA

2021-04-02 17:01:53 135

原创 nlp中的经典模型(三)

文章目录5 NLP中的卷积神经网络5.1 卷积5.2 多通道5.2 max pooling5 NLP中的卷积神经网络RNN的问题:1 时间复杂度高2 最后一个向量包含所有信息。有点不可靠CNN可以通过卷积核捕捉局部特征,那是不是可以用于句子,表示特定长度的词序列呢?例如句子:他 毕业 于 上海 交通 大学。如果长度设定为3,那么CNN应该可以捕获他 毕业 于毕业 于 上海于 上海 交通上海 交通 大学这样一些词序列的特征5.1 卷积卷积

2021-04-01 08:38:17 303

原创 nlp中的经典深度学习模型(二)

文章目录3 seq2seq+Attention3.1 Sequence to Sequence Model3.1.2 模型介绍3.1.2 模型训练3.2注意力机制3 seq2seq+Attention3.1 Sequence to Sequence Model3.1.2 模型介绍Sequence to Sequence Model解决y=f(x)的问题。x是一个序列,y是一个序列。最常应用于翻译问题。模型包含编码器和解码器2部分。编码器:输入序列编码

2021-03-31 09:09:14 354

原创 nlp中的经典深度学习模型(一)

文章目录1 DNN与词向量1.1 DNN1.2 skip-gram1.3 简单句子分类模型DAN2 RNN+LSTM+GRU2.1 RNN2.2 LSTM1 DNN与词向量1.1 DNN神经网络中每一个神经单元是一个线性变化加一个激活函数s=UTas=U^Tas=UTaa=f(z)a=f(z)a=f(z)z=Wx+bz=Wx+bz=Wx+b多层神经网络就是不断向前加。1.2 skip-gram通过中心词 预测周围词。整体训练网络如上图。词表大小

2021-03-30 18:22:48 745

原创 三、自然语言分类

三种分类方式:Word Averaging模型、RNN、CNN。1 Word Averaging模型我们首先介绍一个简单的Word Averaging模型。这个模型非常简单,我们把每个单词都通过Embedding层投射成word embedding vector,然后把一句话中的所有word vector做个平均,就是整个句子的vector表示了。接下来把这个sentence vector传入一个Linear层,做分类即可。怎么做平均呢?我们使用avg_pool2d来做average pooling

2021-03-30 09:28:48 791

原创 二、语言模型

文章目录1 语言模型2 语言模型评价指标:Perplexity3 基于神经网络的语言模型3.1 RNN3.2 LSTM3.3 GRU4 优化函数5 模型代码6 用途与评价1 语言模型语言模型的任务是判断一句话出现的概率(也就是说一句话是不是人说的),可以表示为:P(W)=P(w1,w2,...wn)P(W)=P(w_1,w_2,...w_n)P(W)=P(w1​,w2​,...wn​)使用链式法则求概率:P(W)=P(w1,w2,...wn)=∏iP(wi∣w1,w2,...wi−1)P(W)=P(

2021-03-30 09:20:24 192

原创 一、词向量模型

因为计算机不能理解词语,所以我们需要用词向量表示一个词。词向量有一个发展历程。1 one-hot2 bag of wordstf-idfbinary weightingb-gram和n-gram优点:考虑了词的顺序缺点:词表膨胀,无法衡量向量之间的相似性3 分布式表示skip-gram输入第t个词,用一层的神经网络,预测周围的词,也就是第t-2个,t-1个,t+1个,t+2个…。这个任务本身没有意义,做这件事情的意义是拿到词向量。拿到词向量可以用于查找一个词的邻

2021-03-24 23:59:21 4865

最全的全国手机号码段归属地数据库(含excel共360569条记录)

包含sql脚本和excel文件。根据手机号的前7位,查询手机号的归属地。

2019-09-12

java面试题汇总,自己总结的

自己平时总结的java面试题,对于面试者或许有用

2011-03-16

js浮动窗口,鼠标点击后浮动效果

一个超级实用的js浮动窗口,适合企业级的应用

2011-03-16

正则表达式学习资料(初学者)

超级有用的正则表达式学习笔记,适合初学者!

2011-03-16

Flash 实现批量上传功能

利用Flash,在java中嵌入,实现批量上传文件的功能

2011-02-16

dtree 例子 学习笔记

dtree的一些简单例子,实现了dtree的基本功能

2011-02-16

jqury 学习资料

jqury的学习资料,对初学者非常有用,希望对jqury的朋友有用

2011-02-15

cognos 资料安装部署

cognos 安装部署和基本学习资料,对初学者还是有非常大的作用,希望对cognos的朋友有用

2011-02-15

强悍的jquery弹出例子.rar

强悍的jquery弹出例子,非原创,如果侵犯什么什么权,请发邮件到[email protected]。本人将尽快删除。目的只是为了分享。

2009-12-09

extjs中的多选列表

extjs中的多选列表,extjs中没有实现多选列表。这是别人作的封装。我找到的。

2008-09-06

JBPM学习资料 员工报销例子

详细介绍jbpm的一些知识,包含一个员工报销例子

2008-08-26

extjs2-2

extjs的开发包,包括例子

2008-08-22

barcode4j

一个要实现条形码打印的java 开发包。特别方便。我在网上找了近半年,才得到的。希望想实现条形码打印的朋友能少走弯路。这个包特别好。

2008-08-20

ext中文手册

ext中文手册,里面是一些介绍ext控件的资料

2008-08-06

java笔记

学习java的笔记,hope can help you

2008-08-06

tomcat最新版

tomcat的最新版本,可作为应用服务器

2008-08-06

vss软件

用于连接服务器上传,下载内容

2008-08-06

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除