1、请假基本流程,普通表单、动态表单、自定义表单 2、申请办公用品到财务审核到总经理审批,主任务、分任务,流程复用
业务系统框架,包括员工管理,组织机构,请假出差申请,流程审批,信息汇总,excel导出等基础功能.
移动端协同办公、流程审批APP,基于VUE2.5 ,前后端分离。配置形式生成流程、业务表单。表单可以用来超快速构建移动端应用。提供了完善的表单组件。
Car-eye-RTMP-server 是基于Nginx开发的一个开源服务器,稳定高效。可应用于安防,移动终端,医疗,教育等行业。配合car-eye-server 实现对设备的管理,配合视频后台实现直播和点播功能。流媒体服务器后台设备管理平台网站:www.liveoss.com 视频直播测试网站:http://www.car-eye.cn:8080/
starRTC,即时通讯(IM)系统,免费IM系统(含单聊,群聊,聊天室,文件传输),免费一对一视频聊天,VOIP,语音对讲(回音消除),直播连麦,视频直播,RTSP拉流,RTMP推流,webRTC服务端,在线教育,白板,小班课,在线会议,视频会议,局域网直连(无需服务器),兼容webRTC, 支持webRTC加速,P2P高清传输,安卓、iOS、web互通,支持门禁对讲,可视对讲,电视盒子,树莓派,海思,全志,任天堂switch,云游戏,OTT设备,物联网平台,C语言自研方案,支持二次开发成类微信,类映客等APP,万水千山总是情,来个star行不行,更多示例请访问:
免费im即时通讯,群聊,聊天室,一对一视频聊天,直播连麦,白板,多人视频会议,私有云部署,webRTC服务器,兼容webRTC, 支持webRTC加速,P2P高清传输,安卓、iOS、web互通,支持门禁,电视盒子,树莓派,全自研,不是基于webRTC,万水千山总是情,来个star行不行,文档地址:
免费IM系统,IM即时通信消息系统(含一对一文字聊天,群聊,聊天室),免费一对一voip实时通话,录屏,webrtc服务端,免费直播连麦,互动直播,视频直播,RTSP拉流,RTMP推流,语音对讲,免费在线会议,视频会议等服务端程序,支持物联网平台,万水千山总是情,来个star行不行
这是和伙伴合作完成的直播app,一个安卓,一个后台。后台采用基于springboot的guns开源框架搭建,设计为直播服务,user服务,websocket服务以及API网关服务。数据库使用了mongodb,redis和mysql。 比较有看头的是采用websocket+mongodb搭建了多人直播聊天室,用redis搭建了热搜排行榜等。在直播服务器上,选择了SRS,搭建简单,功能强大。开了两台学生机阿里云服务器,一台机的话顶不住srs+几个微服务。
lucence 全文搜索引擎工具 搜索方式 TermQuery: 根据词进行搜索(只能从文本中进行搜索) QueryParser: 根据域名进行搜索,可以设置默认搜索域。推荐使用(只能从文本中进行搜索) BooleanQuery: 组合查询,可以设置组合条件,not,or,and。从多个域进行查询。 MUST相当于and,SHOULD相当于or,NUST_NOT相当于not MathcAllDocsQuery: 查询出所有文档 MultiFieldQuery: 可以从多个域中进行查询,只要这些域中有关键词的存在就查询出来 NumericRangeQuery: 从数值范围进行搜索
面向学习型的开源框架,简洁高效,减少过渡封装,展现技术本质 Springboot作为基础框架,使用mybatis作为持久层框架 使用官方推荐的thymeleaf做为模板引擎,shiro作为安全框架,主流技术,“一网打尽” 基于注解的sql写法,零XML,极简配置,一键前后台代码生成 项目详细介绍包括图像界面https://www.oschina.net/p/bootdo
Synonyms 是一个中文近义词工具包,它可用于如文本对齐、推荐算法、相似度计算、语义偏移、关键字提取、概念提取、自动摘要、搜索引擎等很多自然语言理解(NLP)任务
智能推荐算法: 推荐算法在日常生活中无处不在,例如如今很多平台都会利用推荐引擎给用户推荐某些电影,如果你是科幻迷,那可能推荐给你的更多是科幻片,如果算法更细致点的话,最后推荐给你的科幻片还可以是最符合你个人喜好的。 当然实际上,推荐算法的应用并不限于电影,也可以是各种各样的物品。所以其实可以看出,推荐算法最终试图对用户与某些物品之间进行联系,从而建立起一个推荐模型,基于这个模型给用户进行推荐。
专注于解决推荐领域与搜索领域的两个核心问题:排序预测(Ranking)和评分预测(Rating). 为相关领域的研发人员提供完整的通用设计与参考实现. 涵盖了70多种排序预测与评分预测算法,是最快最全的Java推荐与搜索引擎.
Oryx的目标是帮助Hadoop用户搭建并部署能够实时查询的机器学习模型,例如垃圾邮件过滤和推荐引擎