当前位置: 首页 > news >正文

计算机毕业设计Python深度学习垃圾邮件分类检测系统 朴素贝叶斯算法 机器学习 人工智能 数据可视化 大数据毕业设计 Python爬虫 知识图谱 文本分类

基于朴素贝叶斯的邮件分类系统设计

摘要:为了解决垃圾邮件导致邮件通信质量被污染、占用邮箱存储空间、伪装正常邮件进行钓鱼或诈骗以及邮件分类问题。应用Python、Sklearn、Echarts技术和Flask、Lay-UI框架,使用MySQL作为系统数据库,设计并实现了基于朴素贝叶斯算法的邮件分类系统,并以Web形式部署在本地计算机。运用Sklearn库对KNN算法、SVM算法和朴素贝叶斯算法进行建模和训练,将训练结果进行分析和对比得出朴素贝叶斯算法在准确率、召回率和精确率三个指标下比其他分类算法更适合邮件分类,因此选择朴素贝叶斯算法作为系统核心算法。系统功能包括邮件检测与数据管理两大核心模块,邮件检测模块,采用基于朴素贝叶斯算法,使用TF-IDF算法对邮件进行特征提取并将邮件内容以及检测结果存储于MySQL数据库,存储到MySQL中的数据将用于数据管理模块;数据管理模块包括数据存储、数据分析、数据可视化。系统采用黑盒测试方法对两个模块进行功能性测试,测试结果符合预期。系统满足设计基本需求,能安全、稳定和可靠地运行。

关键词:邮件分类;贝叶斯算法;MySQL;特征词提取

Design of mail classification system based on Naive Bayes

Abstract: In order to solve the spam resulting in mail communication quality pollution, occupy mailbox storage space, camouflage normal mail for phishing or fraud and mail classification problems. The mail classification system based on naive Bayes algorithm is designed and implemented by using Python, Sklearn, Echarts technology, Flask, Lay-UI framework and MySQL as the system database, and is deployed on the local computer in the form of Web. Sklearn was used to model and train KNN algorithm, SVM algorithm and naive Bayes algorithm, and the training results were analyzed and compared. Through comparison, it was concluded that naive Bayes algorithm was more suitable for mail classification than other classification algorithms under the three indexes of accuracy, recall rate and accuracy rate. Therefore, naive Bayes algorithm was chosen as the core algorithm of the system. The system functions include two core modules: mail detection and data management. Mail detection module, based on naive Bayes algorithm, uses TF-IDF algorithm to classify mails and store mail contents and detection results in MySQL database. Data stored in MySQL will be used in data management module. The data management module includes data storage, data analysis and data visualization. System uses black box test method to perform functional test on the two modules, and the test results are in line with expectations. The system meets the basic design requirements and can run safely, stably and reliably.

Keywords: Mail classification; Bayesian algorithm; MySQL; Feature word extraction

  录

1 绪论

1.1 项目背景 1

1.2 国内外现状 1

1.3 项目意义 2

2 邮件预处理技术

2.1 邮件内容解析

2.2 文本分词技术

2.3 特征词提取技术

2.4 小结

3 常用邮件分类算法

3.1 KNN算法

3.2 支持向量机(SVM)

3.3 朴素贝叶斯算法

3.4 邮件分类算法评估及分类算法选择

4 基于朴素贝叶斯算法邮件分类系统需求分析

4.1 系统可行性分析

4.2 功能性需求分析分析

5 基于朴素贝叶斯算法邮件分类系统设计

5.1 系统总体设计

5.2 数据库设计

6 系统功能实现

6.1 后端功能模块实现

6.2 前端功能模块实现 28

6.2 系统检测信息可视化以及邮件内容分析

7 系统测试

7.1 测试方法

7.2 测试用例

8 结论

致谢

参考文献 


1 绪论

1.1 项目背景

随着互联网技术的普及与应用,现今拥有各种各样的网络通讯工具,邮件作为比较正式的网络通讯工具,被互联网用户广泛的使用着,同时邮件也具有操作便利、费用低廉、速度快捷等特点,但是邮件为人们带来便利的同时,也带来了种种负面影响。人们时常会收到一些无用的推销邮件,以及散布虚假信息、反动和色情信息,甚至还有包含病毒的邮件,需要花费大量的精力和时间来清理这些垃圾邮件,这给日常生活带来了麻烦,消耗了大量的网络资源和存储空间,为社会带来了比较大的危害[1]。

1.2 国内外现状

中国互联网协会定义垃圾邮件:未经用户许可发送同时发送给大量用户,影响正常网络通信;含有恶意的、虚假的、伪装的邮件发信人等信息。2003年2月26日,中国互联网协会颁布的《中国互联网协会垃圾邮件对策规范》第3条规定:收件人事先未提出要求或不同意接收的广告、电子刊物、各种形式宣传物等宣传性电子邮件;收件人无法拒绝的电子邮件;隐藏发送者身份、地址、标题等信息的电子邮件;包含假信息源、发送者、路由等信息的电子邮件。垃圾邮件的危害主要有以下五个方面。

(1)降低通信服务质量:占用网络带宽,造成邮件服务器堵塞,降低整个网络的运营效率。

(2)干扰了人的正常工作生活,垃圾邮件耗费收件人的时间、精力。

(3)被少数别有用心的人利用邮件的便利性以及隐蔽性广泛散播虚假有害信息,严重危害社会稳定。

(4)有些钓鱼邮件具有隐蔽性和危险性,不认真审查就会泄露信息,继而被不法分子进行电信诈骗,泄露机密信息等不法行为,严重影响社会稳定。

(5)影响LSP的服务形象,发送较多的垃圾邮件的主机会被国际反垃圾阻止列入黑名单,导致该主机访问网站或者发送邮件受到限制[2]。

从2020年到2023年期间,有关于邮件分类的研究主要关注以下四个方面:

(1)深度学习在邮件分类中的应用:随着深度学习技术的不断发展和应用,越来越多的研究者开始尝试将其应用于邮件分类领域。这种新型算法可以自动提取特征,对大规模数据进行训练,从而提高了分类精度。

(2)较少监督的邮件分类方法:监督学习方法需要大量标记好的数据作为训练集,但很多情况下难以获得足够的标记数据。因此,较少监督的或无监督的邮件分类方法逐渐成为研究热点。例如,基于主题模型、协同分类等方法,可以利用已有的少量标记数据和大量未标记数据进行分类。

(3)多语言邮件分类:随着全球化的加速,越来越多的邮件涉及多种语言,使得多语言邮件分类成为重要的问题。近年来,一些研究者提出了针对多语言邮件分类的方法,如通过跨语言知识迁移、多语言文本嵌入等方式解决多语言分类问题。

(4)针对特定领域邮件分类:随着各行业的快速发展,不同领域的邮件也呈现出多样化的特点。因此,在邮件分类研究中,针对特定领域的邮件分类也成为了一个热点问题。例如,针对医疗、法律等特定领域的邮件分类研究逐渐增多[3]。

综上所述,从2020年到2023年期间,邮件分类的研究主要关注于深度学习的应用、较少监督的方法、多语言和特定领域邮件的分类等问题,这些研究成果可以为系统设计提供更加精准和高效的邮件分类技术。

1.3 项目意义

基于上述邮件分类项目的背景介绍,实现邮件分类系统不但能够解决邮件分类问题,节省更多的人力资源,提高用户的工作效率,而且可以避免垃圾邮件对用户带来的骚扰。接下来将结合邮件预处理技术以及邮件分类算法,实现邮件分类系统。

2 邮件预处理技术

在进行垃圾邮件识别之前,我们首先需要对邮件数据进行预处理。预处理步骤包括文本分词、去除停用词、词干提取等。接下来介绍邮件内容组成以及三种文本分词技术和五种特征词分类算法。

2.1 邮件内容解析

因为电子邮件在传输过程中需要进行编码,以便于网络传输和存储,所以解析电子邮件需要解码,电子邮件数据的解码过程分为两个过程:

ASCII解码:将8位二进制数转换成对应的字符。

Base64解码:将Base64编码后的文本转换成二进制数据。Quoted-printable解码:将“=”加上其十六进制编码转换成对应的字符。需要注意的是,邮件内容的编码方式和解码方式需要同时使用,才能正确地还原邮件内容。

2.2 文本分词技术

文本分词是一种自然语言处理技术,用于将自然语言文本分解成具有实际含义的单词或符号序列,称为词汇项。文本分词是邮件分类系统中重要的一个环节,对系统有很大的影响。分类方法一般分为两类:英文分词和中文分词[4]。

常见的文本分词技术包括基于规则的方法和基于统计学习的方法。基于规则的方法使用一组预定义规则,例如词典和语法规则,来将文本分解成单词和短语。这种方法的局限性在于需要手动添加规则,并且在面对复杂和未知的情况时效果不佳。

现在对中文分词的方法主要有三种方法:正向最大匹配法、全切分法和基于词频分词法。下文就这三种中文分词方法的原理和特点进行简单的介绍和举例说明。

2.2.1 正向最大匹配法

正向最大匹配法的基本原理是:是从左到右扫描待分词的文本,每次取文本的前面一段最长的词作为切分出的词,然后将这个词从待分词文本中去掉,继续对剩下的文本进行切分,直到文本全部被切分为止[5]。其中最大匹配指的是每次选择的词具有最长的匹配长度。

对于正向最大匹配法来说可以举一个例子来说明:

假设有一个文本串“我喜欢吃巧克力”以及一个简单的词典{我,喜欢,吃,巧克力}。

从句子开头开始匹配,首先匹配到的是“我”。因为“我”是一个词,所以匹配成功。

匹配完第一个词之后,继续从“我”的下一个字符开始匹配。此时匹配到的是“喜”。

“喜”不是一个完整的词,所以需要往后继续匹配。继续匹配下一个字符,此时匹配到的是“欢”。

继续往后匹配,此时匹配到了“喜欢”。因为“喜欢”是一个词,所以匹配成功。

继续匹配下一个字符,此时匹配到了“吃”。因为“吃”是一个词,所以匹配成功。

继续匹配下一个字符,此时匹配到了“巧”。

因为“巧”不是一个完整的词,所以需要继续往后匹配。匹配下一个字符,此时匹配到了“克”。

继续匹配下一个字符,此时匹配到了“力”。因为“巧克力”是一个词,所以匹配成功。

到达句子末尾,匹配结束。

根据以上示例,正向最大匹配法的基本流程就是在文本串中从左往右匹配出最长的词,并将其切分出来。这种方法简单易行,但也有一些局限性,例如无法处理歧义问题和新词问题等。

2.2.2 全切分法

全切分法的基本思想是:将待分词的文本中的所有可能的切分方式都进行尝试,从中选择最合适的一种切分方式作为最终的分词结果。具体来说,全切分法会对待分词文本进行递归切分,将文本从左到右依次分成不同的子串,然后对每个子串进行判断,如果是一个词,则将其加入分词结果中,否则将其继续递归切分,直到全部的子串都被切分为止。全切分法的优点是能够保证分词的准确性,但是由于需要考虑所有可能的切分方式,所以速度较慢,不适用于大规模文本的分词[6]。

2.2.3 基于词频分词法

词频分词法的基本思想是:通过统计的方法计算相邻字出现的频率来表示他们的互信息,当他们的频率超过某个阈值时,就把这两个字当成一个词,然后把这些词的词频相乘从而得到最后结果。这种方法复杂度比较高,而且低频词的错误难以克服。

2.3 特征词提取技术

将邮件文本内容经过分词处理后,提取出来的词的数量比较大,如果将这些词全部用作特征,特征向量的维数仍然比较大,可以通过对特征项作进一步的选择和提取,得到贡献比较大的特征集,来提高分类系统的运行速度和程序效率。特征词提取技术是文本挖掘领域的一种重要技术,可以从文本中自动提取出具有代表性或区分性的关键信息,以帮助计算机更好地理解和处理文本。现在常用的特征提取方法有以下五种。

2.3.1 TF-IDF(词频.倒排词频)法

该方法的基本原理是:TF(Term Frequency):词频指的是在一个文档中某个词出现的次数,TF值越高表示该词在文档中的重要性越高。IDF(Inverse Document Frequency):逆文档频率指的是一个词在整个文集中出现的频率,IDF值越高表示该词在整个文集中的重要性越低。TF-IDF:将TF和IDF相乘得到一个词的TF-IDF值,表示该词在文档中的重要性,同时考虑了该词在整个文集中的重要性。应用:TF-IDF可以用于文本分类、关键词提取、相似度计算等任务,通过计算文档中每个词的TF-IDF值,可以找到最相关的文档或者提取出最重要的关键词[7]。

参考文献:

  1. 李剑峰. 个人计算机的安全与计算机病毒防范[J]计算机与网络, 2005(09):40-41
  2. 王震. 如何有效治理互联网垃圾邮件[J]信息系统工程, 2009(05):21-22.
  3. 刘少阳大数据时代电子邮件中的隐私权保护[D]. 北京, 北京邮电大学, 2016
  4. 朱冲冲基于排序学习的个性化推荐算法研究[D]. 北京, 北京理工大学, 2018.
  5. 代伟邮件分类器的设计与实现[D]. 长春, 吉林大学, 2010.
  6. 林文鹏基于中文文本挖掘的邮件过滤系统的设计与实现[D]. 沈阳, 沈阳理工大学, 2020.
  7. 梁好基于改进K最近邻模型的反馈学习垃圾邮件过滤系统的设计与实现[D]. 长春, 东北师范大学, 2010.
  8. 严石基于改进TF-IDF和fastText算法的文本分类研究[D]. 淮南, 安徽理工大学, 2020
  9. 王斯琴改进朴素贝叶斯算法在垃圾邮件过滤中的应用[D]. 重庆, 重庆师范大学, 2020.
  10. Sun, M, A study on spam email classification algorithm based on Naive Bayes. International Journal of Security and Its Applications[J], 2017(08), 205-206.
  11. Chen, L. Email classification system based on improved naive Bayes algorithm. Journal of Computer Applications[J]. 2018(01), 297-298. 

相关文章:

计算机毕业设计Python深度学习垃圾邮件分类检测系统 朴素贝叶斯算法 机器学习 人工智能 数据可视化 大数据毕业设计 Python爬虫 知识图谱 文本分类

基于朴素贝叶斯的邮件分类系统设计 摘要:为了解决垃圾邮件导致邮件通信质量被污染、占用邮箱存储空间、伪装正常邮件进行钓鱼或诈骗以及邮件分类问题。应用Python、Sklearn、Echarts技术和Flask、Lay-UI框架,使用MySQL作为系统数据库,设计并实…...

多核DSP(6000系列)设计与调试技巧培训

​课程介绍: 为帮助从事DSP开发工程师尽快将DSP技术转化为产品,在较短时间内掌握DSP设计技术和问题的解决方法,缩短产品开发周期、增强产品竞争力、节省研发经费。我们特组织了工程实践和教学经验丰富的专家连续举办了多期DSP C6000的培训&a…...

JMeter脚本开发

环境部署 Ubuntu系统 切换到root用户 sudo su 安装上传下载的命令 apt install lrzsz 切换文件目录 cd / 创建文件目录 mkdir java 切换到Java文件夹下 cd java 输入rz回车 选择jdk Linux文件上传 解压安装包 tar -zxvf jdktab键 新建数据库 运行sql文件 选择sql文件即…...

LabVIEW编程快速提升的关键技术

在LabVIEW程序员的成长道路上,以下几个概念和技术的掌握可以显著提升自我能力: 模块化编程:学会将程序分解成小而独立的模块(如子VI),提高程序的可读性、可维护性和可扩展性。这种方式不仅能帮助快速定位问…...

BSN六周年:迈向下一代互联网

当前,分布式技术作为现代计算机科学和信息技术的重要组成部分,在云计算、区块链等技术的推动下,正以多样化的形式蓬勃发展。 ​而区块链作为一种特殊的分布式系统,近年来也在各个领域得到了广泛关注。通过在区块链上运行智能合约…...

Android 使用scheme唤起app本地打开

记录一下近期任务。。。 以下操作全部基于手机本地已经安装对应app方可执行。 没安装建议web前端校验一下跳动app下载页吧。 AndroidManifest配置如下&#xff1a; <activity android:name".RouterActivity"><intent-filter><dataandroid:host&quo…...

linux 最简单配置免密登录

需求&#xff1a;两台服务器互信登录需要拉起对端服务 ip&#xff1a; 192.168.1.133 192.168.1.137 一、配置主机hosts&#xff0c;IP及主机名&#xff0c;两台都需要 二、192.168.1.137服务器&#xff0c;生成密钥 ssh-keygen -t rsa三、追加到文件 ~/.ssh/authorized_key…...

易语言源码用键盘按键代替小键盘写法教程

相信大家都有遇到过一些难题 比方说想用一些软件 但是发现一些软件需要有小键盘的用户才能使用 那么这样就对于一些无小键盘用户造成了困扰&#xff01; 今天就给大家分享一个用易语言写的利用软键盘方法 当按下一个按键启动其他热键的方法 以下为源码写法 .版本 2 .支持库 she…...

深度学习和计算机视觉:实现图像分类

深度学习在计算机视觉领域的应用已经取得了革命性的进展。从图像分类到对象检测&#xff0c;再到图像分割和生成&#xff0c;深度学习模型在这些任务中都展现出了卓越的性能。本篇文章将介绍如何使用深度学习进行图像分类&#xff0c;这是计算机视觉中的一个基础任务。 计算机…...

代码随想录算法训练营第五十八天 | 拓扑排序精讲-软件构建

目录 软件构建 思路 拓扑排序的背景 拓扑排序的思路 模拟过程 判断有环 写代码 方法一&#xff1a; 拓扑排序 软件构建 题目链接&#xff1a;卡码网&#xff1a;117. 软件构建 文章讲解&#xff1a;代码随想录 某个大型软件项目的构建系统拥有 N 个文件&#xff0c;文…...

Spring Cloud常见面试题

1.请说说你用过Spring Cloud哪些组件&#xff1f;这些组件分别有什么作用&#xff1f; 1、注册中心&#xff1a;Eureka、Nacos、Zookeeper、Consul&#xff1b;&#xff08;服务注册&#xff09; 2、负载均衡&#xff1a;Ribbon、LoadBalancer&#xff1b;&#xff08;客户端的…...

老古董Lisp实用主义入门教程(9): 小小先生学习Lisp表达式

小小先生 小小先生个子很小&#xff0c;胃口也很小&#xff0c;每次只能干一件事情&#xff0c;还是一件很小很小的事情。 好奇先生已经把explore-lisp代码库安装好&#xff0c;小小先生就只需要打开VS Code, 新建一个lisp为后缀的文件&#xff0c;就能够开始写Lisp代码。 c…...

基于YOLOV8+Pyqt5光伏太阳能电池板目标检测系统

基于YOLOV8Pyqt5光伏太阳能电池板目标检测系统 高质量太阳能光伏电池板可见光图像数据集&#xff0c;标签包含鸟粪&#xff0c;清洁&#xff0c;脏污&#xff0c;电气损坏&#xff0c;物理损坏&#xff0c;积雪覆盖六类。用于目标检测&#xff0c;缺陷检测&#xff0c;异物检测…...

【C++ 设计模式】单例模式的两种懒汉式和饿汉式

文章目录 1. 单例模式2. 单例模式简单示例3. 懒汉模式4. 饿汉模式5. 懒汉式和饿汉式的区别 1. 单例模式 &#x1f427;定义&#xff1a;保证一个类仅有一个实例&#xff0c;并提供一个访问它的全局访问点。 单例模式是一种常用的软件设计模式&#xff0c;在它的核心结构中只包…...

计算机的错误计算(九十三)

摘要 探讨 log(y,x) 即以 x 为底 y 的对数的计算精度问题。 Log(y,x)运算是指 x 为底 y 的对数。 例1. 计算 log(123667.888, 0.999999999999999) . 不妨在Python中计算&#xff0c;则有&#xff1a; 若在 Excel 单元格中计算&#xff0c;则有几乎同样的输出&#xff1a; 然…...

基于SpringBoot+Vue的牙科就诊管理系统(带1w+文档)

基于SpringBootVue的牙科就诊管理系统(带1w文档) 基于SpringBootVue的牙科就诊管理系统(带1w文档) 伴随着互联网发展&#xff0c;现今信息类型愈来愈多&#xff0c;信息量也非常大&#xff0c;那也是信息时代的缩影。近些年&#xff0c;电子元器件信息科学合理发展的趋势变的越…...

微信小程序使用 ==== 粘性布局

目录 Chrome杀了个回马枪 position:sticky简介 你可能不知道的position:sticky 深入理解粘性定位的计算规则 粘性定位其他特征 代码实现 微信小程序在scroll-view中使用sticky Chrome杀了个回马枪 position:sticky早有耳闻也有所了解&#xff0c;后来&#xff0c;Chro…...

LineageOS刷机教程

版权归作者所有&#xff0c;如有转发&#xff0c;请注明文章出处&#xff1a;https://cyrus-studio.github.io/blog/ LineageOS 是一个基于 Android 开源项目&#xff08;AOSP&#xff09;的开源操作系统&#xff0c;主要由社区开发者维护。它起源于 CyanogenMod 项目&#xff…...

Unity3D帧同步模式的网络游戏详解

帧同步概述 帧同步&#xff08;Frame Synchronization&#xff09;是指在网络游戏中&#xff0c;多个客户端在同一时刻执行相同的游戏逻辑&#xff0c;确保各个客户端的游戏状态保持一致。这种同步方式对于实现公平的多人游戏和减少网络延迟对游戏体验的影响至关重要。Unity3D…...

“树”据结构:并查集从入门到AC

“树”据结构&#xff1a;并查集 前言算法设计代码示例优化相关文章 前言 在一组数据中&#xff0c;数据被分为了不同的集合&#xff0c;那么其中的集合往往可以用树形来表示。而区分集合&#xff0c;与查找集合的元素&#xff0c;就会成为核心的问题。并查集主要就是解决这类…...

React hook之useRef

React useRef 详解 useRef 是 React 提供的一个 Hook&#xff0c;用于在函数组件中创建可变的引用对象。它在 React 开发中有多种重要用途&#xff0c;下面我将全面详细地介绍它的特性和用法。 基本概念 1. 创建 ref const refContainer useRef(initialValue);initialValu…...

dedecms 织梦自定义表单留言增加ajax验证码功能

增加ajax功能模块&#xff0c;用户不点击提交按钮&#xff0c;只要输入框失去焦点&#xff0c;就会提前提示验证码是否正确。 一&#xff0c;模板上增加验证码 <input name"vdcode"id"vdcode" placeholder"请输入验证码" type"text&quo…...

Mac下Android Studio扫描根目录卡死问题记录

环境信息 操作系统: macOS 15.5 (Apple M2芯片)Android Studio版本: Meerkat Feature Drop | 2024.3.2 Patch 1 (Build #AI-243.26053.27.2432.13536105, 2025年5月22日构建) 问题现象 在项目开发过程中&#xff0c;提示一个依赖外部头文件的cpp源文件需要同步&#xff0c;点…...

今日学习:Spring线程池|并发修改异常|链路丢失|登录续期|VIP过期策略|数值类缓存

文章目录 优雅版线程池ThreadPoolTaskExecutor和ThreadPoolTaskExecutor的装饰器并发修改异常并发修改异常简介实现机制设计原因及意义 使用线程池造成的链路丢失问题线程池导致的链路丢失问题发生原因 常见解决方法更好的解决方法设计精妙之处 登录续期登录续期常见实现方式特…...

有限自动机到正规文法转换器v1.0

1 项目简介 这是一个功能强大的有限自动机&#xff08;Finite Automaton, FA&#xff09;到正规文法&#xff08;Regular Grammar&#xff09;转换器&#xff0c;它配备了一个直观且完整的图形用户界面&#xff0c;使用户能够轻松地进行操作和观察。该程序基于编译原理中的经典…...

算法:模拟

1.替换所有的问号 1576. 替换所有的问号 - 力扣&#xff08;LeetCode&#xff09; ​遍历字符串​&#xff1a;通过外层循环逐一检查每个字符。​遇到 ? 时处理​&#xff1a; 内层循环遍历小写字母&#xff08;a 到 z&#xff09;。对每个字母检查是否满足&#xff1a; ​与…...

免费数学几何作图web平台

光锐软件免费数学工具&#xff0c;maths,数学制图&#xff0c;数学作图&#xff0c;几何作图&#xff0c;几何&#xff0c;AR开发,AR教育,增强现实,软件公司,XR,MR,VR,虚拟仿真,虚拟现实,混合现实,教育科技产品,职业模拟培训,高保真VR场景,结构互动课件,元宇宙http://xaglare.c…...

android13 app的触摸问题定位分析流程

一、知识点 一般来说,触摸问题都是app层面出问题,我们可以在ViewRootImpl.java添加log的方式定位;如果是touchableRegion的计算问题,就会相对比较麻烦了,需要通过adb shell dumpsys input > input.log指令,且通过打印堆栈的方式,逐步定位问题,并找到修改方案。 问题…...

9-Oracle 23 ai Vector Search 特性 知识准备

很多小伙伴是不是参加了 免费认证课程&#xff08;限时至2025/5/15&#xff09; Oracle AI Vector Search 1Z0-184-25考试&#xff0c;都顺利拿到certified了没。 各行各业的AI 大模型的到来&#xff0c;传统的数据库中的SQL还能不能打&#xff0c;结构化和非结构的话数据如何和…...

Java求职者面试指南:Spring、Spring Boot、Spring MVC与MyBatis技术解析

Java求职者面试指南&#xff1a;Spring、Spring Boot、Spring MVC与MyBatis技术解析 一、第一轮基础概念问题 1. Spring框架的核心容器是什么&#xff1f;它的作用是什么&#xff1f; Spring框架的核心容器是IoC&#xff08;控制反转&#xff09;容器。它的主要作用是管理对…...