java的初相识

每日一道面试题

面向对象的三个基本特征:

封装:把类的部分属性隐藏起来,如果想要调用这个方法,只能调用外部的接口

继承:子类继承父类的方法和属性

多态:子类在继承父类的方法和属性的时候可能会有重写,会有多种表现形式。多态的三个条件:继承 重写 父类引用指向子类对象

什么是计算机

计算机就是以一种非常方便的手段来丰富简化一些复杂的问题,之前觉得很神奇,特别搞不懂为什么计算器能算出来很多数字,后来才知道只需要一个小小的程序,小小的代码就可以设计出一个计算器。

计算机由硬件和软件组成

冯诺依曼体系结构

输入---存储器(运算器,控制器)---输出

图灵(计算机之父):图灵奖,相当于诺贝尔文学奖,难度较高

计算机软件:系统软件和应用软件 (按照特定的顺序完成特定的功能,是来操作硬件的)

软件开发:借助工具和计算机语言把软件做出来

window快捷键:alt+f4 关闭当前窗口

shift+delete 永久删除,不会出现在回收站里面的

window+e 可以打开我的电脑

ctrl+shift+esc 打开任务管理器

windows+tab 切换程序

常用的dos命令

1. 切换盘符:E:
2. 查看当前目录:dir
3. 切换目录:cd /d e:\文件名
4. 清屏:cls
5. 退出终端:exit
6. copy :拷贝
7. md 创建
8. rd:删除目录
9. del:删除文件夹下所有的文件
10. shutdown:定时开关机

打开cmd的方式

  1. 直接打开

  2. win+r

  3. shift+鼠标

  4. 文件路径前加cmd

计算机语言

机器语言-汇编语言-摩尔定律-高级语言

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Java 中可以使用多种文本相似度算法,其中一些常见的算法包括: 1. Jaccard 相似度:Jaccard 相似度是通过比较两个文本的交集与并集来计算相似度的。在 Java 中,可以通过 HashSet 来实现这个算法。 2. 余弦相似度:余弦相似度是通过比较两个文本的向量夹角来计算相似度的。在 Java 中,可以使用 Apache Commons Math 库中的 RealVector 类来实现。 3. 编辑距离:编辑距离是通过计算两个文本之间的最小编辑距离来计算相似度的。在 Java 中,可以使用 LevenshteinDistance 类来实现。 示例代码: 使用 Jaccard 相似度算法: ```java String str1 = "hello world"; String str2 = "world hello"; Set<String> set1 = new HashSet<>(Arrays.asList(str1.split(" "))); Set<String> set2 = new HashSet<>(Arrays.asList(str2.split(" "))); double jaccardSimilarity = (double) (set1.size() & set2.size()) / (double) (set1.size() | set2.size()); System.out.println("Jaccard similarity: " + jaccardSimilarity); ``` 使用余弦相似度算法: ```java String str1 = "hello world"; String str2 = "world hello"; Map<String, Integer> map1 = new HashMap<>(); Map<String, Integer> map2 = new HashMap<>(); for (String word : str1.split(" ")) { map1.put(word, map1.getOrDefault(word, 0) + 1); } for (String word : str2.split(" ")) { map2.put(word, map2.getOrDefault(word, 0) + 1); } RealVector vector1 = new ArrayRealVector(map1.values().stream().mapToDouble(Integer::doubleValue).toArray()); RealVector vector2 = new ArrayRealVector(map2.values().stream().mapToDouble(Integer::doubleValue).toArray()); double cosineSimilarity = vector1.dotProduct(vector2) / (vector1.getNorm() * vector2.getNorm()); System.out.println("Cosine similarity: " + cosineSimilarity); ``` 使用编辑距离算法: ```java String str1 = "hello world"; String str2 = "world hello"; int editDistance = StringUtils.getLevenshteinDistance(str1, str2); double editDistanceSimilarity = 1.0 / (1.0 + editDistance); System.out.println("Edit distance similarity: " + editDistanceSimilarity); ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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