meteor

消息队列 基本概述 MQ,Message Queue,基于TCP协议构建的 简单协议 ，区别于具体的 通信协议 。 基于通信协议定义和抽象的更高层次的通信模型,一般都是 生产者和消费者模型 ，又或者说 服务端和客户端模型 。 生产者/消费者模型：一般通过定义生产者和消费者实现消息通信从而屏蔽复杂的底层通信协议。应用于分布式应用系统，而且为之提供异步解耦和削峰填谷的能力，同时也具备互联网应用所需的海量堆积，高吞吐和可靠性重试机制的特性。 核心概念 消息主题：Message Topic,一级消息类型，生产者向其发送消息 消息生产者：Message Producer，消息发布者，或者消息服务终端，负责生产消息和发送消息到消息主题 消息消费者：Message Consumer，消息订阅者，或者消息客户终端，负责从消息主题接收并处理消费消息 消息实体：Message Object,消息对象，生产者向消息主题发送并最终传送给消息者的数据和属性的符号以及组合 消息属性：Message Attributes,消息内容，生产者对消息进行抽象和定义的相关属性，包含Message Key 和Message Target 消息组：Message Group，消息分类组别，通称一类生产者和消费者，通常生产和消费同一类消息，且消息发布和订阅的逻辑基本一致 编程思想 数据结构

　　 　　本文首发于知乎 https://zhuanlan.zhihu.com/p/144182853 　　作者 | 林镇坤 　　编辑 | 丛 末 　　 1 　　 前言 　　文本生成目前的一大瓶颈是如何客观，准确的评价机器生成文本的质量。一个好的评价指标（或者设置合理的损失函数）不仅能够高效的指导模型拟合数据分布，还能够客观的让人评估文本生成模型的质量，从而进一步推动text generation 商业化能力。 　　然而由于语言天生的复杂性和目前技术限制，我们目前还没有一个完美的评价指标。 　　本文就三方面对文本生成的评价指标介绍： 　　介绍了以BLEU为代表的基于统计的文本评价指标 　　就 data to text 和 image caption 进一步介绍了其特有的评价模式 　　基于BERT等预训练模型的文本评价指标 　　 2 　　 基于词重叠率的方法 　　 1、机器翻译 & 摘要 常用指标 　　基于词重叠率的方法是指基于词汇的级别计算模型的生成文本和人工的参考文本之间的相似性，比较经典的代表有BLEU、METEOR和ROUGE，其中BLEU和METEOR常用于机器翻译任务，ROUGE常用于自动文本摘要。 　　 1）BLEU 　　BLEU （Bilingual Evaluation Understudy，双语评估辅助工具）可以说是所有评价指标的鼻祖

先来看看各大招聘网站的统计，Web前端开发人员的的需求数量在不断的增加，尤其是随着谷歌、YouTube、Twitch等大型企业纷纷将视线转投向HTML5，更加确认了HTML5在互联网时代的发展远景。随着移动互联网的发展，我国对于Web前端开发人员的需求将不断增加，除了一线城市，一些二线和互联网发展较好的地方，对于Web前端人员的需求也会不断增加，薪资不更是一飙再飙。 　　那么，学习Web前端还有前途吗?职业发展方向有哪些： 　　1、技术方向：经过几年的技术积累，大量的项目历练，很自然地就能朝着高端技术方向过渡了。解决一些技术难题，走专业路线可能是大多数技术人的选择。 　　2、管理方向：另一个职业方向就是技术管理。技术管理要求的更综合，日常的工作涉及项目管理，跨部门沟通，团队管理，技术体系建设等方面。做技术管理意味着远离一线coding，渐渐失去自己的技术优势，80%的精力是帮助团队成长，通过团队完成既定目标。 　　3、产品和业务方向：还有一个职业方向是转型做产品经理更多地贴近业务。这也是越来越多前端人员的选择，技术人转型做产品，其实是比较有优势的，一方面懂技术能更好地和研发沟通，另一方面产品设计上更容易落地。 现代互联网技术的成熟导致了技术分工的极度细化，一个技术团队往往会包括前端、后端、安全、运维、架构、测试等各种职责，尤其是前后端分离的技术实现