hongzhaohua Goto Github PK

jstarcraft-ai

目标是提供一个完整的Java机器学习(Machine Learning/ML)框架,作为人工智能在学术界与工业界的桥梁. 让相关领域的研发人员能够在各种软硬件环境/数据结构/算法/模型之间无缝切换. 涵盖了从数据处理到模型的训练与评估各个环节,支持硬件加速和并行计算,是最快最全的Java机器学习库.

jstarcraft-core

目标是提供一个通用的Java核心编程框架,作为搭建其它框架或者项目的基础. 让相关领域的研发人员能够专注高层设计而不用关注底层实现. 涵盖了缓存,编解码,通讯,事件,输入/输出,监控,存储,配置,脚本和事务10个方面.

jstarcraft-crawler

jstarcraft-dip

专注于解决数字图像处理领域的几个核心问题:图像转换,图像相似度,目标定位,目标检测,图像分割,图像聚类和图像分类. 为相关领域的研发人员提供完整的通用设计与参考实现. 涵盖了多种数字图像处理,计算机视觉,计算机图形算法.

jstarcraft-example

基于JStarCraft RNS引擎,Spring Boot框架和公共数据集搭建的千人千面演示项目. 系统会根据用户的行为记录,自动调整用户的推荐内容和搜索内容.使用者可以通过该项目了解*推荐系统*与*搜索系统*的运作流程. 涵盖了个性化推荐与个性化搜索2个部分.

jstarcraft-gui

jstarcraft-middleware

目标是提供一个通用的中间件抽象层,作为云项目的基础.使得研发人员能够在各种实现层之间无缝切换.涵盖了配置中间件/治理中间件/监控中间件/网关中间件和云服务5个方面.

jstarcraft-nlp

专注于解决自然语言处理领域的几个核心问题:词法分析,句法分析,语义分析,语种检测,信息抽取,文本聚类和文本分类. 为相关领域的研发人员提供完整的通用设计与参考实现. 涵盖了多种自然语言处理算法,适配了多个自然语言处理框架. 兼容Lucene/Solr/ElasticSearch插件.

jstarcraft-rns

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.

jstarcraft-tutorial

一套涵盖核心编程,人工智能,数字图像处理,自然语言处理,推荐与搜索,云服务领域的Java框架.

readme

README文件语法解读，即Github Flavored Markdown语法介绍