- 博客(685)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 开源语言技术平台（LTP）
LTP由哈工大开源，是一系列中文自然语言处理工具的集合，提供了分词、词性标注、命名实体识别、语义角色标注、依存句法分析等多种功能。LTP功能较为全面，对于中文文本的处理能力较强，其依存句法分析功能可以帮助用户分析句子中词语之间的依存关系，为进一步的文本理解和分析提供支持。
2024-10-02 07:45:00
910
原创 语义分析工具（OpenHowNet）
OpenHowNet由清华大学自然语言处理实验室（THUNLP）开发。它在传统的 HowNet 基础上进行了扩展和更新，使用“概念”和“属性”来描述词的意义，每个概念都有具体的意义和上下文，属性描述概念间的关联。利用深度学习模型自动标注数据，提供了简洁易用的 API，方便开发者将其集成到应用或研究中。可用于自然语言理解、文本生成、情感分析等，能帮助 AI 更好地理解人类语言，提升聊天机器人、问答系统、语音识别等应用的理解能力，也可以辅助分析文本的情感倾向。
2024-10-02 07:30:00
493
原创 自然语言处理工具包（Stanford CoreNLP）
Stanford CoreNLP：斯坦福大学开发的自然语言处理工具包，提供了词性标注、命名实体识别、依存句法分析等功能，可以用于从文本中抽取知识并进行预处理，为构建知识图谱提供基础数据。
2024-10-01 07:45:00
501
原创 嵌入式分析型数据库（DuckDB）
DuckDB是一款集轻量级、高性能于一体的嵌入式分析型数据库。在单机内存不断增大以及 SSD 存储逐渐普及的背景下，大部分数据处理工作可以在单机上完成，且很多 OLAP（在线分析处理）场景也能在单机上进行。DuckDB 就是为了满足这种在单机环境下进行高效数据分析的需求而诞生的。它是荷兰 CWI 数据库组的一个项目，学术气息浓厚，架构清晰，适合学习和研究。
2024-10-01 07:30:00
1006
原创 中文分词的技术发展
中文分词是将一个汉字序列切分成一个一个单独的词的过程。准确的分词是理解文本语义的基础。只有将句子正确地分割成词，才能进一步分析词语之间的关系、提取关键信息，从而准确把握文本的含义。例如，在信息检索中，只有对用户输入的查询语句进行准确分词，才能与数据库中的文档进行有效的匹配，提高检索的准确性。中文分词的质量直接影响翻译的效果。如果分词错误，可能会导致翻译结果出现偏差甚至错误。例如，“羽毛球拍卖完了”这句话，如果分词错误为“乒乓/球拍/卖/完了”，那么在翻译时就会出现严重的问题。
2024-09-30 07:30:00
1791
原创 实体关系抽取工具包（OpenNRE）
OpenNRE是一个用于关系抽取的开源工具包，能够从文本中自动抽取实体之间的关系，支持多种关系抽取模型和算法，方便用户进行知识图谱的关系构建。OpenNRE由清华大学刘知远老师及其团队开发，是自然语言处理领域中用于从文本中抽取实体之间关系的重要工具。其目的是为研究人员和开发者提供一个统一的框架，以便实现各种神经网络模型进行关系抽取，帮助构建知识图谱等需要实体关系信息的应用。
2024-09-29 07:45:00
651
原创 中文分词器（jcseg）
jcseg是基于 mmseg 算法的一个轻量级 Java 中文分词器，同时集成了关键字提取、关键短语提取、关键句子提取和文章自动摘要等功能。它提供了多种切分模式，包括简易模式、复杂模式、检测模式、检索模式、分隔符模式和 NLP 模式，以满足不同的应用场景需求。可以从官方网站或开源代码托管平台获取 jcseg 的 JAR 包或源代码。将 jcseg 添加到你的 Java 项目中。如果是使用 Maven 或 Gradle 等构建工具，可以在项目配置文件中添加相应的依赖。
2024-09-29 07:30:00
703
原创 中文分词工具包（pkuseg）
pkuseg是由北大开源的基于 Python 的中文分词工具包，由北京大学语言计算与机器学习研究组研制推出。不同于以往的通用中文分词工具，它致力于为不同领域的数据提供个性化的预训练模型，目前支持新闻领域、网络文本领域和混合领域的分词预训练模型，用户也可以使用全新的标注数据进行训练，以获得更高的分词准确率。
2024-09-28 07:45:00
735
原创 中文分词工具包（IKAnalyzer）
IKAnalyzer是一个开源的、基于 Java 语言开发的轻量级中文分词工具包。它采用了特有的“正向迭代最细粒度切分算法”，支持细粒度和智能分词两种切分模式，具有较高的分词速度和较小的内存占用，同时支持用户词典扩展定义。在 Maven 项目中添加相关依赖后，即可使用 IKAnalyzer 进行中文分词操作。作为一个基于 Java 语言开发的工具包，它可以很方便地集成到各种 Java 项目中，与其他的 Java 技术和框架进行配合使用。
2024-09-28 07:30:00
809
原创 中文分词库（sego）
sego是一个 Go 语言的中文分词库。词典用双数组 trie（double-array trie）实现，分词器算法为基于词频的最短路径加动态规划。支持普通和搜索引擎两种分词模式，支持用户词典和词性标注，可运行 jsonrpc 服务，分词速度较快。早期为 Go 语言开发者提供了一种高效的中文分词解决方案。它的出现满足了 Go 语言在中文自然语言处理方面对准确分词的需求，尤其是在处理大量中文文本数据时，其性能优势逐渐受到关注。
2024-09-27 07:45:00
729
原创 汉语处理包（HanLP）
HanLP是一个由模型与算法组成的 Java 汉语言处理包，由大快搜索主导并完全开源。它不仅提供中文分词功能，还具备索引全切分模式、用户自定义词典、兼容繁体中文、词性标注、命名实体识别、关键词提取、自动摘要等众多自然语言处理功能。需要先下载相关的模型文件，然后使用相应的 API 进行文本处理。例如，使用其提供的中文分词功能时，可以先初始化分词器，然后对文本进行分词操作。
2024-09-27 07:30:00
775
原创 jieba中文分词
名词相关：n：名词，表示人、事物、地点、抽象概念等的名称，例如“苹果”“学校”“友谊”等。nr：人名，如“张三”“李白”等。ns：地名，像“北京”“上海”“杭州”等。nt：机构团体，比如“联合国”“阿里巴巴公司”等。nz：其他专名，如特定的事件名称、品牌名称等，“五四运动”“华为”等。ng：名语素，名词性语素，是构成名词的语素成分。动词相关：v：动词，表示动作、行为、状态的变化等，例如“跑”“吃”“思考”等。vd：副动词，直接作状语的动词，兼具动词和副词的特点。vn。
2024-09-26 07:45:00
868
原创 开源办公套件（OnlyOffice）
OnlyOffice 是一个免费、开源、跨平台的办公套件，它提供了文本编辑器、表格工具和演示软件，支持共享文件实时协作编辑、修改痕迹记录查看以及制作可供填写的表格等高级功能。OnlyOffice 的用户界面模仿了微软 Office 365 功能区的设计风格，能让用户快速上手。OnlyOffice最先是在2009年推出了TeamLab社区，后来发布了自己的文档编辑软件。在2014年，将TeamLab Office更名为OnlyOffice，并开放了源代码。
2024-09-26 07:30:00
1292
原创 基于Web的PDF处理工具（Stirling PDF）
Stirling PDF：这是一个基于Web的PDF处理工具，可以在本地通过Docker托管。它提供了拆分、合并、转换、重新组织、添加图像、旋转、压缩等功能。
2024-09-25 07:45:00
1167
原创 分布式对象存储（Apache Ozone）
Apache Ozone是基于Hadoop的可扩展、冗余和分布式对象存储，适用于容器环境，如Kubernetes和YARN。Ozone支持多协议，包括S3和Hadoop文件系统API。
2024-09-25 07:30:00
1047
原创 开源办公套件（LibreOffice）
LibreOffice是一个非常流行的开源办公套件，它包括了文本文档、电子表格、演示文稿、绘图、数据库等组件。LibreOffice 支持多种操作系统，包括 Windows、GNU/Linux 和 macOS，并且提供了丰富的功能和良好的文件格式兼容性。它还支持多种语言，并且有一个活跃的社区，为用户提供支持和资源。LibreOffice 是微软 Office 的优秀替代品，对于个人和企业都是免费使用的。LibreOffice 起源于 OpenOffice.org。
2024-09-24 07:45:00
923
原创 开源办公套件（Apache OpenOffice）
Apache OpenOffice 是一个开源办公套件，包括文本文档、电子表格、演示文稿、绘图和数据库管理。它支持多种语言，并且可以在所有普通计算机上工作。Apache OpenOffice 同样是基于国际开放标准格式存储数据，并且可以读写其他常用办公软件包的文件。1985 年，StarDivision 公司发布了私有办公软件套装 StarOffice。StarOffice 包含了文字处理、电子表格、演示文稿等多种功能，是办公软件领域的早期产品之一。
2024-09-24 07:30:00
719
原创 网络存储（FreeNAS）
FreeNAS可以安装在几乎任何硬件上，将其转变为网络附加存储(NAS)设备。除了文件共享和快照外，FreeNAS还提供了一系列数据保护功能。FreeNAS 项目历史可追溯到 2005 年 10 月，由 Olivier Cochard-Labbé 基于 m0n0wall 嵌入式防火墙和 FreeBSD 6.0 开发。2010 年，FreeNAS 项目被 ixSystems 公司收购，但依然保持开源免费，并且因为有专业公司技术团队的全职维护，其版本迭代速度较快。
2024-09-23 07:45:00
1328
原创 PDF阅读和解析（MuPDF）
MuPDF：这是一个专注于提供快速、小巧且功能强大的PDF处理能力的开源PDF阅读器和解析库。它支持多种操作系统，提供了C API，便于其他编程语言的绑定。
2024-09-23 07:30:00
1083
原创 虚拟机管理（CloudStack）
CloudStack设计用于部署和管理大量虚拟机的开源软件，作为可扩展的基础设施即服务(IaaS)云计算平台。
2024-09-22 07:45:00
1117
原创 开源对象存储服务（MinIO）
MinIO：一个高性能的开源对象存储服务，兼容Amazon S3 API，适合存储大容量非结构化数据。它非常轻量级，易于与其他应用程序集成，如Kubernetes、etcd、Docker等。MinIO以其快速的读写速度（最高可达183GB/s读取和171GB/s写入）和简单的部署方式而闻名。MinIO 是一个基于 Apache License v2.0 开源协议的对象存储服务。
2024-09-22 07:30:00
898
原创 深度数据管理（IBM InfoSphere QualityStage）
IBM InfoSphere QualityStage可在内部部署或云中使用，为数据清理和管理提供了广泛而全面的方法。具有深度数据分析工具，能够帮助用户理解数据的内容、质量和结构；利用机器学习技术可以自动标记数据并识别潜在问题。提供 200 多个内置的数据质量规则，用于控制不良数据的接收，还可以将问题路由到合适的人进行处理。数据分类功能能够识别个人识别信息，有助于保护数据安全和消除重复记录。适合对数据安全性和质量要求较高的企业，如金融、政府等行业。
2024-09-21 07:45:00
1048
原创 数据质量解决方案（SAS Data Management）
SAS Data Management是一款行业领先的数据管理解决方案，建立在数据质量平台之上，能够帮助用户提高、整合数据质量。它提供了强大的数据集成、转换和清洗功能，可以处理各种复杂的数据质量问题。同时，SAS 具有良好的数据分析和报告功能，能够为用户提供详细的数据质量报告和分析结果，帮助用户更好地了解数据质量状况。适用于对数据分析和数据质量要求较高的企业，如医疗、科研等行业。
2024-09-21 07:30:00
1041
原创 数据分析平台（Alteryx）
Alteryx可以加速或自动化业务流程，并支持地理空间和预测解决方案。其平台有助于组织快速、高效地回答业务问题，可作为数字化转型或自动化计划的重要组成部分。在数据质量方面，Alteryx 提供了数据清洗、转换和验证的功能，能够帮助用户快速处理和优化数据。此外，它还具有直观的可视化界面，方便用户进行操作和分析。适用于需要快速处理和分析数据的企业，尤其是那些希望通过自动化流程提高数据处理效率的企业。例如，市场调研公司、电商企业等，可以使用 Alteryx 来处理大量的市场数据、销售数据等，以便及时做出决策。
2024-09-20 07:45:00
998
原创 数据质量工具（Informatica Data Quality）
Informatica Data Quality提供全面的数据质量解决方案，擅长数据标准化、验证、丰富、重复数据消除和整合。对于企业级的数据质量治理项目，它能够确保在整个组织内实现数据质量的统一管理和监控。具有基于角色的功能、异常管理、对问题的人工智能洞察、预构建的规则和加速器等功能，可帮助用户快速发现和解决数据质量问题。此外，还提供了针对云数据的版本，适用于将数据存储在 Microsoft Azure 和 AWS 等云平台的企业。
2024-09-20 07:30:00
1005
原创 数据质量工具（Talend Data Quality）
Talend Data Quality提供全面的数据质量评估、清洗和监控功能。能够检测和修复数据中的错误、不一致性和重复数据，确保数据的准确性和完整性。
2024-09-19 07:45:00
972
原创 分布式协调服务（ZooKeeper）
ZooKeeper 是一个开源的分布式协调服务，主要用于分布式系统中的配置管理、命名服务、分布式同步、集群管理等。以下是关于 ZooKeeper 的详细介绍：ZooKeeper 最初是由雅虎公司开发，后来成为 Apache 软件基金会的一个顶级项目。它的设计目标是为分布式应用提供一个高可靠、高性能、一致性的协调服务。ZooKeeper 是一个分布式的、开放源码的分布式应用程序协调服务，它可以在分布式系统中实现高效的配置管理、命名服务、分布式同步、集群管理等功能，为分布式应用提供了一致性的服务。
2024-09-19 07:30:00
378
原创 分布式流处理平台（Apache Kafka）
Apache Kafka：分布式流处理平台，可用于实时数据集成和流数据处理。支持高吞吐量的数据传输和处理，适用于实时数据分析和事件驱动架构。最初由LinkedIn开发并开源，于2011年开始投入使用，后来成为Apache软件基金会的一个顶级项目。其设计初衷是为了满足LinkedIn公司内部对大规模实时数据处理和传输的需求。
2024-09-18 07:45:00
1014
原创 数据集成平台（ETLCloud）
ETLCloud：一款国产的集成了ETL/ELT/CDC的全域数据集成平台，提供了广泛的应用及数据库链接器，能够满足对离线和实时数据集成的需求。
2024-09-18 07:30:00
1003
原创 分布式数据集成框架（Apache Gobblin）
Apache Gobblin：一套分布式数据集成框架，旨在简化大数据集成工作当中的各类常见任务，包括数据流与批量生态系统的提取、复制、组织与生命周期管理。主要用于大规模数据的抽取、转换和加载（ETL）。
2024-09-17 07:45:00
807
原创 数据集成框架（Apache Camel）
Apache Camel：一个开源框架，用于数据集成和企业应用集成，支持多种协议和数据格式，可以轻松地与现有的系统和应用程序集成。
2024-09-17 07:30:00
1273
原创 数据可视化解决方案（AntV）
AntV是蚂蚁金服全新一代数据可视化解决方案。需要一定的技术含量进行二次开发。它采用的 the grammar of graphics 语法，与其他可视化库相比有其独特之处，为用户提供了专业可靠、具有无限可能的数据可视化实践。
2024-09-16 07:45:00
1746
原创 数据可视化库（Pyecharts）
Pyecharts是当数据分析遇上 Python 语言时诞生的一个数据可视化库。Echarts 是一个由百度开源的数据可视化库，而 Pyecharts 以 Python 为基础，对 Echarts 进行了封装和扩展。特点：以其高度灵活的配置项，使用户可以轻松搭配出精美的图表。它结合了 Python 的强大数据处理能力和 Echarts 的优秀可视化效果，为 Python 开发者提供了便捷的数据可视化工具。
2024-09-16 07:30:00
842
原创 数据可视化分析平台（DataGear）
DataGear是开源免费的数据可视化分析平台，采用浏览器 / 服务器架构。功能特点：支持运行时接入多种数据源，包括常见的关系数据库以及 Elasticsearch、ClickHouse、Hive 等大数据引擎；支持创建多种格式的数据集，如 SQL、CSV、Excel、HTTP 接口、JSON 等，并可设置为动态的参数化数据集；内置丰富的图表类型，如折线图、柱状图、饼图、地图等，且支持自定义图表配置项和编写上传自定义图表插件；
2024-09-15 07:45:00
1301
原创 数据集成平台（Talend Open Studio）
Talend Open Studio是一个强大的数据集成平台，提供了丰富的功能和工具，用于设计、开发和管理数据集成流程。它支持多种数据源和数据格式，具有可视化的设计界面，方便用户进行数据转换和集成操作。此外，Talend Open Studio 还提供了数据质量检查、数据清洗等功能，帮助用户确保数据的准确性和完整性。2006 年推出了 Talend Open Studio 的第一个版本。
2024-09-15 07:30:00
1014
原创 开源数据可视化平台的选择
数据可视化平台可以将复杂的数据以图表、图形等直观的形式展现出来，使数据的结构、趋势和关系一目了然。例如，通过柱状图可以清晰地比较不同类别数据的大小；折线图则能直观地反映数据随时间的变化趋势。帮助非专业数据分析师的用户，如企业管理者、业务人员等，快速理解数据的含义，无需深入了解数据的底层结构和复杂的统计分析方法。借助可视化工具的交互功能，用户可以动态地探索数据，从不同角度观察数据的分布和变化。例如，通过缩放、筛选和钻取等操作，深入分析特定时间段或特定数据子集的趋势和模式。
2024-09-14 08:58:50
897
原创 系统克隆工具（Clonezilla）
Clonezilla是一个开源的系统克隆工具，它可以对整个系统或单个分区进行克隆。由台湾的NCHC自由软件实验室开发。Clonezilla Live：适用于单台计算机，可以将存储介质或单个分区镜像到多种类型的存储位置，包括SSH服务器、Samba网络共享等。它还支持直接将一个存储介质上的数据克隆到另一个存储介质上。Clonezilla服务器版（SE）：利用多播技术，可以同时克隆多台计算机，这一功能由UDPcast工具支持。
2024-09-14 07:45:00
1975
原创 Linux 系统备份程序（TimeShift）
TimeShift是Linux 系统备份程序，类似于 Windows 中的系统还原和 macOS 中的 Time Machine，通过定期获取文件系统的增量快照，可将系统恢复到以前的状态，提供 rsync 模式和 btrfs 模式。Timeshift 允许用户创建系统快照，以便在出现问题时能够恢复到之前的状态。Timeshift 支持使用 Rsync 或 BTRFS 两种方式来创建快照，提供了类似于 Windows 系统中的系统还原功能和 macOS 中的时间机器工具。
2024-09-14 07:30:00
887
原创 数据集成框架（Apache InLong）
Apache InLong（应龙）：一站式的海量数据集成框架，提供自动、安全、可靠和高性能的数据传输能力，方便业务构建基于流式的数据分析、建模和应用。InLong 能够方便业务快速构建基于流式的数据分析、建模和应用，广泛应用于广告、支付、社交、游戏、人工智能等各个行业领域。InLong 项目最初由腾讯大数据团队捐献到 Apache 孵化器，并于 2022 年 6 月正式毕业成为 Apache 顶级项目。
2024-09-13 07:45:00
957
政府采购品目分类目录 财库〔2022〕31号
2024-04-09
200个常见弱密码SQL脚本
2024-04-09
ISO 4217:2015 International currency 国际货币SQL脚本
2024-04-09
ISO 3166 Country code 国别代码 SQL文件
2024-04-09
2024年度工作日SQL文件 1:正常工作日 2:调换工作日 3:法定假日 4:调休假日
2024-04-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人