ecshop即時(shí)通訊配置？-招聘街

一、ecshop即時(shí)通訊配置？

ecshop可以通過(guò)設(shè)置中填寫(xiě)ip配置即時(shí)通訊

二、什么是即時(shí)通訊？

即時(shí)通信(instant message，IM)是指能夠即時(shí)發(fā)送和接收互聯(lián)網(wǎng)消息等的業(yè)務(wù)。1998年即時(shí)通信的功能日益豐富，逐漸集成了電子郵件、博客、音樂(lè)、電視、游戲和搜索等多種功能。即時(shí)通信已經(jīng)發(fā)展成集交流、資訊、娛樂(lè)、搜索、電子商務(wù)、辦公協(xié)作和企業(yè)客戶(hù)服務(wù)等為一體的綜合化信息平臺(tái)。微軟、騰訊、AOL、Yahoo等重要即時(shí)通信提供商都提供通過(guò)手機(jī)接入互聯(lián)網(wǎng)即時(shí)通信的業(yè)務(wù)，用戶(hù)可以通過(guò)手機(jī)與其他已經(jīng)安裝了相應(yīng)客戶(hù)端軟件的手機(jī)或電腦收發(fā)消息。

三、啥是即時(shí)通訊工具？

1、skype 可以聊天或打電話(huà)的軟件。在線聊天是免費(fèi)的。在國(guó)外也是一個(gè)利用率很高的工作軟件。它可以用于視頻聊天、語(yǔ)音會(huì)議等，傳輸文件的功能是很多人愿意放棄郵箱的原因之一，許多工作組都可以使用它。

2、Whatsapp 免費(fèi)的社交軟件，可以與不同國(guó)家不同語(yǔ)言的人交流，也可以發(fā)送短信、圖片等，具有語(yǔ)音和視頻通話(huà)功能。應(yīng)用程序圖標(biāo)有點(diǎn)可愛(ài)。

3、Facebook 他曾經(jīng)進(jìn)入中國(guó)市場(chǎng)，所以大家都很熟悉他，但后來(lái)他很快就退出了。照片和視頻可以無(wú)限量上傳，類(lèi)似國(guó)內(nèi)微博，主要用于展示自己的生活記錄，并具有互動(dòng)和評(píng)論交流的功能，但不是主要功能。

4、Viber 雖然它也依靠網(wǎng)絡(luò)傳輸數(shù)據(jù)進(jìn)行性交流，但它與其他交流軟件的區(qū)別在于，它不需要注冊(cè)和交朋友，可以直接與其他用戶(hù)交流，發(fā)送圖片和短信。

5、雅虎通全球領(lǐng)先的互聯(lián)網(wǎng)公司雅虎推出的即時(shí)通訊工具！是國(guó)際上主流的即時(shí)通訊工具之一。007年，美國(guó)在即時(shí)通訊市場(chǎng)份額排名第一，全球每天有5000多萬(wàn)人登錄和使用雅虎信使。它具有獨(dú)特的環(huán)境、語(yǔ)音聊天、超級(jí)視頻等功能，能夠與朋友、家人、同事等進(jìn)行有趣即時(shí)交流。

6、IMVU 一個(gè)三維角色和場(chǎng)景聊天軟件。經(jīng)過(guò)兩年多的發(fā)展，其注冊(cè)用戶(hù)已超過(guò)100萬(wàn)，其3D功能也有很好的表現(xiàn)。用戶(hù)可以自由設(shè)定自己的膚色、臉型等，通過(guò)虛擬貨幣購(gòu)買(mǎi)更多的衣服、家具、禮品或?qū)櫸铩?所有的聊天場(chǎng)景都是3D虛擬環(huán)境，可以是酒吧、游樂(lè)園、海灘、游泳池等，甚至可以在酒吧里選擇座位。聊天是泡泡式的，它可以改變3d角色的情緒和行為，或者做很多日常的動(dòng)作。來(lái)源：—Facebook 來(lái)源：—雅虎通來(lái)源：—imvu 來(lái)源：—WhatsApp 來(lái)源：—Viber 來(lái)源：—skype

四、即時(shí)通訊軟件的特點(diǎn)？

　　目前有QQ、MSN、UC等聊天軟件，它們各有特點(diǎn) 　　QQ：國(guó)內(nèi)用戶(hù)量第一。在2004年就已經(jīng)擁有2.26億注冊(cè)用戶(hù)、500多萬(wàn)收費(fèi)用戶(hù)，而且每天還在以幾十萬(wàn)的數(shù)量遞增著。與其他中文通訊軟件相比，騰訊QQ以其漂亮的界面、合理的設(shè)計(jì)、良好的易用性、強(qiáng)大的功能（如：隱藏功能、分組功能等），穩(wěn)定高效的系統(tǒng)運(yùn)行，贏得了用戶(hù)的青睞，如果你不嫌它廣告較多的話(huà)，的確是不錯(cuò)的聊天軟件。提供了大量卡通圖案，而且引入了立體風(fēng)格，形象更趨于卡通化。新版QQ同時(shí)增加了自定義動(dòng)態(tài)表情。支持網(wǎng)友自定義顯示系統(tǒng)表情的行數(shù)，靈活方便的快捷鍵設(shè)置，把熱鍵設(shè)置為與表情相同的字或字母，炫彩漢字和字母的搭配可與MSN媲美。所以，無(wú)論是從用戶(hù)數(shù)量還是公眾影響力來(lái)看，QQ都是國(guó)內(nèi)即時(shí)通訊軟件市場(chǎng)上無(wú)可爭(zhēng)議的“老大”。QQ最不討人喜歡的是廣告大量存在，而且似乎一直在變本加厲；安裝的可定制性差，最讓人無(wú)法忍受的莫過(guò)于騰訊瀏覽器，這個(gè)并不是所有人都中意的多窗口瀏覽器，一旦安裝QQ就會(huì)被安裝，而且會(huì)更改很多系統(tǒng)設(shè)置，使普通用戶(hù)被逼無(wú)奈只能使用該瀏覽器；隨著視頻聊天等功能的整合，QQ的資源消耗十分嚴(yán)重：安裝文件的大小大約是MSN的4倍，安裝后的文件夾為80MB（MSN為5.5MB），內(nèi)存占用12.5MB（MSN占用3MB），另外，國(guó)外用戶(hù)較少。　　MSN：全球用戶(hù)量居前，約有5000萬(wàn)用戶(hù)，國(guó)內(nèi)用戶(hù)量應(yīng)該第二。在人們的印象中，MSN更多的偏重于辦公階層用戶(hù)，傻瓜式操控性讓我們能夠在最短的時(shí)間內(nèi)掌握它的使用要決。主界面相當(dāng)?shù)那逅ㄍㄎ恫粷狻５浖鹘缑孢^(guò)于寬大，占用了相當(dāng)?shù)淖烂婵臻g，不像QQ一樣小巧玲瓏。現(xiàn)在的MSN 7.0版本，更給人們一種耳目一新的感覺(jué)，對(duì)于那些喜歡時(shí)尚和追求多變的上班族而言是個(gè)不錯(cuò)的選擇。MSN最讓人津津樂(lè)道的功能就是把漢字做成彩色的表情圖片，熱鍵設(shè)置為同樣的字，就可以在聊天時(shí)候打出五彩的漢字，效果炫麗。但不支持批量導(dǎo)入導(dǎo)出，可顯示出的自定義表情只有10個(gè)，用起來(lái)還是有諸多不便。支持手寫(xiě)；在占用資源上比同類(lèi)軟件優(yōu)勝；穩(wěn)定性超強(qiáng)；語(yǔ)音與視頻質(zhì)量上佳，開(kāi)著語(yǔ)音打CS，一樣穩(wěn)定清晰（QQ則斷斷續(xù)續(xù)，聽(tīng)不清楚）；最讓人興奮不已的是，從6.0版本開(kāi)始，可以穿透防火墻進(jìn)行文件共享。缺點(diǎn)：不能向離線用戶(hù)發(fā)送消息，無(wú)法自定義離線狀態(tài)，在新版本中依然未得到很好的解決；增加用戶(hù)時(shí)也不如QQ方便，須通過(guò)其“繁忙”的網(wǎng)頁(yè)來(lái)進(jìn)行用戶(hù)的搜索和添加，而且搜索網(wǎng)站還是繁體的。　　ICQ：作為同類(lèi)軟件的始祖，目前注冊(cè)用戶(hù)超過(guò)1.5億，在全球擁有廣泛的用戶(hù)支持，但缺乏中國(guó)本土化支持仍是其最大缺點(diǎn)。　　AIM：注冊(cè)用戶(hù)數(shù)量居全球（不含中國(guó)）第二，僅次于ICQ。　　UC：作為后起之秀的UC，具有一些QQ會(huì)員擁有的功能，其免費(fèi)網(wǎng)絡(luò)硬盤(pán)服務(wù)提供了文件上傳、下載服務(wù)，功能簡(jiǎn)單實(shí)用。UC普通用戶(hù)的網(wǎng)民所享有的空間（32MB）是QQ普通用戶(hù)（16MB）的一倍。更棒的是，只要UC的在線時(shí)間累計(jì)達(dá)到了100小時(shí)/500小時(shí)，網(wǎng)絡(luò)硬盤(pán)的容量可以分別免費(fèi)升級(jí)為64MB/128MB。UC的聊天功能支持動(dòng)畫(huà)的顯示和發(fā)送。點(diǎn)擊UC聊天窗口的按鈕，選擇本地動(dòng)畫(huà)發(fā)送，在本地硬盤(pán)選擇想要發(fā)送的圖片，確認(rèn)后選擇發(fā)送，就可以給在線的好友發(fā)送動(dòng)畫(huà)圖片了。有自動(dòng)聊天功能，不管在什么時(shí)候，只要打開(kāi)UC，都會(huì)有“人”在線親切地對(duì)你噓寒問(wèn)暖。如今無(wú)論是注冊(cè)用戶(hù)還是更有價(jià)值的同時(shí)在線人數(shù)，UC都搶掉QQ百分之五以上的市場(chǎng)份額（QQ依然是霸主，但現(xiàn)在已經(jīng)無(wú)法一手遮天了）。假以時(shí)日也許會(huì)占領(lǐng)我們后面的一代人。　　網(wǎng)易泡泡：在無(wú)廣告打擾、整合網(wǎng)易服務(wù)上做得比較出色。大部分聊天功與QQ是類(lèi)似，但也有一些特有的功能：支持用戶(hù)自選圖片作為頭像；有“常用短語(yǔ)”的服務(wù)，提供了許多聊天妙語(yǔ)；可對(duì)每個(gè)聯(lián)系人設(shè)置選擇性隱身，右鍵單擊聯(lián)系人即可（這點(diǎn)QQ也有一個(gè)選項(xiàng)“如果該好友上線，則自動(dòng)對(duì)其隱身”）。

五、即時(shí)通訊是什么通道？

是目前Internet上最為流行的通訊方式，各種各樣的即時(shí)通訊軟件也層出不窮；服務(wù)提供商也提供了越來(lái)越豐富的通訊服務(wù)功能。

不容置疑，Internet已經(jīng)成為真正的信息高速公路。從實(shí)際工程應(yīng)用角度出發(fā),以計(jì)算機(jī)網(wǎng)絡(luò)原理為指導(dǎo),結(jié)合當(dāng)前網(wǎng)絡(luò)中的一些常用技術(shù),編程實(shí)現(xiàn)基于C/S架構(gòu)的網(wǎng)絡(luò)聊天工具是切實(shí)可行的。

實(shí)時(shí)通信（Instant Messaging，簡(jiǎn)稱(chēng)IM）是一個(gè)實(shí)時(shí)通信系統(tǒng)，允許兩人或多人使用網(wǎng)絡(luò)實(shí)時(shí)的傳遞文字消息、文件、語(yǔ)音與視頻交流。

六、什么是即時(shí)通訊軟件?當(dāng)今流行的即時(shí)通訊軟件有哪些？

即時(shí)通信軟件是一種基于互聯(lián)網(wǎng)的即時(shí)交流軟件，此類(lèi)軟件使得人們可以運(yùn)用連上INTERNET網(wǎng)的電腦用戶(hù)可以隨時(shí)跟另外一個(gè)在線網(wǎng)民交談，甚至可以通過(guò)視頻看到對(duì)方的適時(shí)圖像。

　　當(dāng)今對(duì)于工作者而言，在企業(yè)中流行益信EIM即時(shí)通訊，不僅可以實(shí)現(xiàn)在線交流溝通的作用，還能輔助進(jìn)行溝通規(guī)范和管理，實(shí)現(xiàn)PC和移動(dòng)設(shè)備的互聯(lián)。

七、mahout面試題？

之前看了Mahout官方示例 20news 的調(diào)用實(shí)現(xiàn)；于是想根據(jù)示例的流程實(shí)現(xiàn)其他例子。網(wǎng)上看到了一個(gè)關(guān)于天氣適不適合打羽毛球的例子。

訓(xùn)練數(shù)據(jù)：

Day Outlook Temperature Humidity Wind PlayTennis

D1 Sunny Hot High Weak No

D2 Sunny Hot High Strong No

D3 Overcast Hot High Weak Yes

D4 Rain Mild High Weak Yes

D5 Rain Cool Normal Weak Yes

D6 Rain Cool Normal Strong No

D7 Overcast Cool Normal Strong Yes

D8 Sunny Mild High Weak No

D9 Sunny Cool Normal Weak Yes

D10 Rain Mild Normal Weak Yes

D11 Sunny Mild Normal Strong Yes

D12 Overcast Mild High Strong Yes

D13 Overcast Hot Normal Weak Yes

D14 Rain Mild High Strong No

檢測(cè)數(shù)據(jù)：

sunny，hot，high，weak

結(jié)果：

Yes=》 0.007039

No=》 0.027418

于是使用Java代碼調(diào)用Mahout的工具類(lèi)實(shí)現(xiàn)分類(lèi)。

基本思想：

1. 構(gòu)造分類(lèi)數(shù)據(jù)。

2. 使用Mahout工具類(lèi)進(jìn)行訓(xùn)練，得到訓(xùn)練模型。

3。將要檢測(cè)數(shù)據(jù)轉(zhuǎn)換成vector數(shù)據(jù)。

4. 分類(lèi)器對(duì)vector數(shù)據(jù)進(jìn)行分類(lèi)。

接下來(lái)貼下我的代碼實(shí)現(xiàn)=》

1. 構(gòu)造分類(lèi)數(shù)據(jù)：

在hdfs主要?jiǎng)?chuàng)建一個(gè)文件夾路徑 /zhoujainfeng/playtennis/input 并將分類(lèi)文件夾 no 和 yes 的數(shù)據(jù)傳到hdfs上面。

數(shù)據(jù)文件格式，如D1文件內(nèi)容： Sunny Hot High Weak

2. 使用Mahout工具類(lèi)進(jìn)行訓(xùn)練，得到訓(xùn)練模型。

3。將要檢測(cè)數(shù)據(jù)轉(zhuǎn)換成vector數(shù)據(jù)。

4. 分類(lèi)器對(duì)vector數(shù)據(jù)進(jìn)行分類(lèi)。

這三步，代碼我就一次全貼出來(lái)；主要是兩個(gè)類(lèi) PlayTennis1 和 BayesCheckData = =》

package myTesting.bayes;

import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.fs.FileSystem;

import org.apache.hadoop.fs.Path;

import org.apache.hadoop.util.ToolRunner;

import org.apache.mahout.classifier.naivebayes.training.TrainNaiveBayesJob;

import org.apache.mahout.text.SequenceFilesFromDirectory;

import org.apache.mahout.vectorizer.SparseVectorsFromSequenceFiles;

public class PlayTennis1 {

private static final String WORK_DIR = "hdfs://192.168.9.72:9000/zhoujianfeng/playtennis";

* 測(cè)試代碼

public static void main(String[] args) {

//將訓(xùn)練數(shù)據(jù)轉(zhuǎn)換成 vector數(shù)據(jù)

makeTrainVector();

//產(chǎn)生訓(xùn)練模型

makeModel(false);

//測(cè)試檢測(cè)數(shù)據(jù)

BayesCheckData.printResult();

}

public static void makeCheckVector(){

//將測(cè)試數(shù)據(jù)轉(zhuǎn)換成序列化文件

try {

Configuration conf = new Configuration();

conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));

String input = WORK_DIR+Path.SEPARATOR+"testinput";

String output = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";

Path in = new Path(input);

Path out = new Path(output);

FileSystem fs = FileSystem.get(conf);

if(fs.exists(in)){

if(fs.exists(out)){

//boolean參數(shù)是，是否遞歸刪除的意思

fs.delete(out, true);

}

SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();

String[] params = new String[]{"-i",input,"-o",output,"-ow"};

ToolRunner.run(sffd, params);

}

} catch (Exception e) {

// TODO Auto-generated catch block

e.printStackTrace();

System.out.println("文件序列化失敗！");

System.exit(1);

}

//將序列化文件轉(zhuǎn)換成向量文件

try {

Configuration conf = new Configuration();

conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));

String input = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";

String output = WORK_DIR+Path.SEPARATOR+"tennis-test-vectors";

Path in = new Path(input);

Path out = new Path(output);

FileSystem fs = FileSystem.get(conf);

if(fs.exists(in)){

if(fs.exists(out)){

//boolean參數(shù)是，是否遞歸刪除的意思

fs.delete(out, true);

}

SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();

String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};

ToolRunner.run(svfsf, params);

}

} catch (Exception e) {

// TODO Auto-generated catch block

e.printStackTrace();

System.out.println("序列化文件轉(zhuǎn)換成向量失敗！");

System.out.println(2);

}

public static void makeTrainVector(){

//將測(cè)試數(shù)據(jù)轉(zhuǎn)換成序列化文件

try {

Configuration conf = new Configuration();

conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));

String input = WORK_DIR+Path.SEPARATOR+"input";

String output = WORK_DIR+Path.SEPARATOR+"tennis-seq";

Path in = new Path(input);

Path out = new Path(output);

FileSystem fs = FileSystem.get(conf);

if(fs.exists(in)){

if(fs.exists(out)){

//boolean參數(shù)是，是否遞歸刪除的意思

fs.delete(out, true);

}

SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();

String[] params = new String[]{"-i",input,"-o",output,"-ow"};

ToolRunner.run(sffd, params);

}

} catch (Exception e) {

// TODO Auto-generated catch block

e.printStackTrace();

System.out.println("文件序列化失敗！");

System.exit(1);

}

//將序列化文件轉(zhuǎn)換成向量文件

try {

Configuration conf = new Configuration();

conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));

String input = WORK_DIR+Path.SEPARATOR+"tennis-seq";

String output = WORK_DIR+Path.SEPARATOR+"tennis-vectors";

Path in = new Path(input);

Path out = new Path(output);

FileSystem fs = FileSystem.get(conf);

if(fs.exists(in)){

if(fs.exists(out)){

//boolean參數(shù)是，是否遞歸刪除的意思

fs.delete(out, true);

}

SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();

String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};

ToolRunner.run(svfsf, params);

}

} catch (Exception e) {

// TODO Auto-generated catch block

e.printStackTrace();

System.out.println("序列化文件轉(zhuǎn)換成向量失敗！");

System.out.println(2);

}

public static void makeModel(boolean completelyNB){

try {

Configuration conf = new Configuration();

conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));

String input = WORK_DIR+Path.SEPARATOR+"tennis-vectors"+Path.SEPARATOR+"tfidf-vectors";

String model = WORK_DIR+Path.SEPARATOR+"model";

String labelindex = WORK_DIR+Path.SEPARATOR+"labelindex";

Path in = new Path(input);

Path out = new Path(model);

Path label = new Path(labelindex);

FileSystem fs = FileSystem.get(conf);

if(fs.exists(in)){

if(fs.exists(out)){

//boolean參數(shù)是，是否遞歸刪除的意思

fs.delete(out, true);

}

if(fs.exists(label)){

//boolean參數(shù)是，是否遞歸刪除的意思

fs.delete(label, true);

}

TrainNaiveBayesJob tnbj = new TrainNaiveBayesJob();

String[] params =null;

if(completelyNB){

params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow","-c"};

}else{

params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow"};

}

ToolRunner.run(tnbj, params);

}

} catch (Exception e) {

// TODO Auto-generated catch block

e.printStackTrace();

System.out.println("生成訓(xùn)練模型失敗！");

System.exit(3);

}

package myTesting.bayes;

import java.io.IOException;

import java.util.HashMap;

import java.util.Map;

import org.apache.commons.lang.StringUtils;

import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.fs.Path;

import org.apache.hadoop.fs.PathFilter;

import org.apache.hadoop.io.IntWritable;

import org.apache.hadoop.io.LongWritable;

import org.apache.hadoop.io.Text;

import org.apache.mahout.classifier.naivebayes.BayesUtils;

import org.apache.mahout.classifier.naivebayes.NaiveBayesModel;

import org.apache.mahout.classifier.naivebayes.StandardNaiveBayesClassifier;

import org.apache.mahout.common.Pair;

import org.apache.mahout.common.iterator.sequencefile.PathType;

import org.apache.mahout.common.iterator.sequencefile.SequenceFileDirIterable;

import org.apache.mahout.math.RandomAccessSparseVector;

import org.apache.mahout.math.Vector;

import org.apache.mahout.math.Vector.Element;

import org.apache.mahout.vectorizer.TFIDF;

import com.google.common.collect.ConcurrentHashMultiset;

import com.google.common.collect.Multiset;

public class BayesCheckData {

private static StandardNaiveBayesClassifier classifier;

private static Map<String, Integer> dictionary;

private static Map<Integer, Long> documentFrequency;

private static Map<Integer, String> labelIndex;

public void init(Configuration conf){

try {

String modelPath = "/zhoujianfeng/playtennis/model";

String dictionaryPath = "/zhoujianfeng/playtennis/tennis-vectors/dictionary.file-0";

String documentFrequencyPath = "/zhoujianfeng/playtennis/tennis-vectors/df-count";

String labelIndexPath = "/zhoujianfeng/playtennis/labelindex";

dictionary = readDictionnary(conf, new Path(dictionaryPath));

documentFrequency = readDocumentFrequency(conf, new Path(documentFrequencyPath));

labelIndex = BayesUtils.readLabelIndex(conf, new Path(labelIndexPath));

NaiveBayesModel model = NaiveBayesModel.materialize(new Path(modelPath), conf);

classifier = new StandardNaiveBayesClassifier(model);

} catch (IOException e) {

// TODO Auto-generated catch block

e.printStackTrace();

System.out.println("檢測(cè)數(shù)據(jù)構(gòu)造成vectors初始化時(shí)報(bào)錯(cuò)。。。。");

System.exit(4);

}

/**

* 加載字典文件，Key: TermValue； Value：TermID

* @param conf

* @param dictionnaryDir

* @return

private static Map<String, Integer> readDictionnary(Configuration conf, Path dictionnaryDir) {

Map<String, Integer> dictionnary = new HashMap<String, Integer>();

PathFilter filter = new PathFilter() {

@Override

public boolean accept(Path path) {

String name = path.getName();

return name.startsWith("dictionary.file");

}

};

for (Pair<Text, IntWritable> pair : new SequenceFileDirIterable<Text, IntWritable>(dictionnaryDir, PathType.LIST, filter, conf)) {

dictionnary.put(pair.getFirst().toString(), pair.getSecond().get());

}

return dictionnary;

}

/**

* 加載df-count目錄下TermDoc頻率文件，Key: TermID； Value：DocFreq

* @param conf

* @param dictionnaryDir

* @return

private static Map<Integer, Long> readDocumentFrequency(Configuration conf, Path documentFrequencyDir) {

Map<Integer, Long> documentFrequency = new HashMap<Integer, Long>();

PathFilter filter = new PathFilter() {

@Override

public boolean accept(Path path) {

return path.getName().startsWith("part-r");

}

};

for (Pair<IntWritable, LongWritable> pair : new SequenceFileDirIterable<IntWritable, LongWritable>(documentFrequencyDir, PathType.LIST, filter, conf)) {

documentFrequency.put(pair.getFirst().get(), pair.getSecond().get());

}

return documentFrequency;

}

public static String getCheckResult(){

Configuration conf = new Configuration();

conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));

String classify = "NaN";

BayesCheckData cdv = new BayesCheckData();

cdv.init(conf);

System.out.println("init done...............");

Vector vector = new RandomAccessSparseVector(10000);

TFIDF tfidf = new TFIDF();

//sunny，hot，high，weak

Multiset<String> words = ConcurrentHashMultiset.create();

words.add("sunny",1);

words.add("hot",1);

words.add("high",1);

words.add("weak",1);

int documentCount = documentFrequency.get(-1).intValue(); // key=-1時(shí)表示總文檔數(shù)

for (Multiset.Entry<String> entry : words.entrySet()) {

String word = entry.getElement();

int count = entry.getCount();

Integer wordId = dictionary.get(word); // 需要從dictionary.file-0文件（tf-vector）下得到wordID，

if (StringUtils.isEmpty(wordId.toString())){

continue;

}

if (documentFrequency.get(wordId) == null){

continue;

}

Long freq = documentFrequency.get(wordId);

double tfIdfValue = tfidf.calculate(count, freq.intValue(), 1, documentCount);

vector.setQuick(wordId, tfIdfValue);

}

// 利用貝葉斯算法開(kāi)始分類(lèi),并提取得分最好的分類(lèi)label

Vector resultVector = classifier.classifyFull(vector);

double bestScore = -Double.MAX_VALUE;

int bestCategoryId = -1;

for(Element element: resultVector.all()) {

int categoryId = element.index();

double score = element.get();

System.out.println("categoryId:"+categoryId+" score:"+score);

if (score > bestScore) {

bestScore = score;

bestCategoryId = categoryId;

}

classify = labelIndex.get(bestCategoryId)+"(categoryId="+bestCategoryId+")";

return classify;

}

public static void printResult(){

System.out.println("檢測(cè)所屬類(lèi)別是："+getCheckResult());

}

八、webgis面試題？

1. 請(qǐng)介紹一下WebGIS的概念和作用，以及在實(shí)際應(yīng)用中的優(yōu)勢(shì)和挑戰(zhàn)。

WebGIS是一種基于Web技術(shù)的地理信息系統(tǒng)，通過(guò)將地理數(shù)據(jù)和功能以可視化的方式呈現(xiàn)在Web瀏覽器中，實(shí)現(xiàn)地理空間數(shù)據(jù)的共享和分析。它可以用于地圖瀏覽、空間查詢(xún)、地理分析等多種應(yīng)用場(chǎng)景。WebGIS的優(yōu)勢(shì)包括易于訪問(wèn)、跨平臺(tái)、實(shí)時(shí)更新、可定制性強(qiáng)等，但也面臨著數(shù)據(jù)安全性、性能優(yōu)化、用戶(hù)體驗(yàn)等挑戰(zhàn)。

2. 請(qǐng)談?wù)勀赪ebGIS開(kāi)發(fā)方面的經(jīng)驗(yàn)和技能。

我在WebGIS開(kāi)發(fā)方面有豐富的經(jīng)驗(yàn)和技能。我熟悉常用的WebGIS開(kāi)發(fā)框架和工具，如ArcGIS API for JavaScript、Leaflet、OpenLayers等。我能夠使用HTML、CSS和JavaScript等前端技術(shù)進(jìn)行地圖展示和交互設(shè)計(jì)，并能夠使用后端技術(shù)如Python、Java等進(jìn)行地理數(shù)據(jù)處理和分析。我還具備數(shù)據(jù)庫(kù)管理和地理空間數(shù)據(jù)建模的能力，能夠設(shè)計(jì)和優(yōu)化WebGIS系統(tǒng)的架構(gòu)。

3. 請(qǐng)描述一下您在以往項(xiàng)目中使用WebGIS解決的具體問(wèn)題和取得的成果。

在以往的項(xiàng)目中，我使用WebGIS解決了許多具體問(wèn)題并取得了顯著的成果。例如，在一次城市規(guī)劃項(xiàng)目中，我開(kāi)發(fā)了一個(gè)基于WebGIS的交通流量分析系統(tǒng)，幫助規(guī)劃師們?cè)u(píng)估不同交通方案的效果。另外，在一次環(huán)境監(jiān)測(cè)項(xiàng)目中，我使用WebGIS技術(shù)實(shí)現(xiàn)了實(shí)時(shí)的空氣質(zhì)量監(jiān)測(cè)和預(yù)警系統(tǒng)，提供了準(zhǔn)確的空氣質(zhì)量數(shù)據(jù)和可視化的分析結(jié)果，幫助政府和公眾做出相應(yīng)的決策。

4. 請(qǐng)談?wù)勀鷮?duì)WebGIS未來(lái)發(fā)展的看法和期望。

我認(rèn)為WebGIS在未來(lái)會(huì)繼續(xù)發(fā)展壯大。隨著云計(jì)算、大數(shù)據(jù)和人工智能等技術(shù)的不斷進(jìn)步，WebGIS將能夠處理更大規(guī)模的地理數(shù)據(jù)、提供更豐富的地理分析功能，并與其他領(lǐng)域的技術(shù)進(jìn)行深度融合。我期望未來(lái)的WebGIS能夠更加智能化、個(gè)性化，為用戶(hù)提供更好的地理信息服務(wù)，助力各行各業(yè)的決策和發(fā)展。

九、freertos面試題？

這塊您需要了解下stm32等單片機(jī)的基本編程和簡(jiǎn)單的硬件設(shè)計(jì)，最好能夠了解模電和數(shù)電相關(guān)的知識(shí)更好，還有能夠會(huì)做操作系統(tǒng)，簡(jiǎn)單的有ucos，freeRTOS等等。最好能夠使用PCB畫(huà)圖軟件以及keil4等軟件。希望對(duì)您能夠有用。