知识抽取是算数据处理吗

知识抽取任务定义和相关比赛

纯文本数据中的知识抽取就是NLP（自然语言处理）

知识抽取的子任务：

命名实体识别：检测、分类

术语抽取：从语料中发现多个单词组成的相关术语

关系抽取

事件抽取

共指消解

相关的竞赛及数据集

1.Message Understanding Conference（MUC）

命名实体识别（Named Entity Recognition,NER）、共指消解（Co-reference Resolution,CR）

2.Automatic Content Extraction（ACE）

对MUC定义的任务进行了融合、分类和细化；主要分为五大任务，包含英语，阿拉伯语和汉语

实体检测与识别（Entity Detection And Recognition,EDR）

数值检测与识别（Value Detection And Recognition,VAL）

时间表达检测与识别（TERN）

关系检测与识别（RDR）

事件检测与识别（VDR）

3.TAC Knowledge Base Population(KBP)

KBP对ACE定义的任务进一步修订，适合现代知识抽取的需求主要分为四个独立任务和一个整合任务

实体发现与链接（EDL）、槽填充（SF）、事件抽取（Event）、信念和情感（BeSt）、端到端冷启动知识构建

4.Semantic Evaluation(SemEval)

实体抽取

任务定义：抽取文本中的元子信息元素。实体识别可以变成一个序列标注的问题。

序列标注方法：人工特征（词本身的特征、前后缀特征、字本身的特征）

序列标注使用的模型：HMM（隐马尔可夫模型）、CRF（条件随机场）、LSTM+CRF

实现实体链接的一些开源工具：wikipediaminer、DBpediaspotlight、opencalais

关系抽取

从文本中抽取出两个或者多个实体之间的语义关系

关系抽取的方法分类：

1.基于模板的方法

基于触发词的Pattern、基于依存句法分析的Pattern

2.监督学习方法

机器学习方法、深度学习方法

机器学习方法的特征设计：

深度学习方法特征设计：

监督学习的深度学习方法：

1).Pipeline

识别实体和关系分类是完全分离的两个过程，不会相互影响，关系的识别依赖于实体识别的效果

Pipeline方法-CR-CNN模型：仅使用词向量和位置向量作为输入，F1值84.1，超过目前最好的非深度学习方法。

Pipeline方法-Att-CNN模型：应用注意力机制，目前最好的方法。（F1值88.0）

Pipeline方法-Att-BLSTM模型：

2).Joint Model

实体识别和关系分类的过程是共同优化的。

Joint Model-LSTM-RNNs模型：

3.弱监督学习方法

远程监督、Bootstrapping

远程监督方法：知识库与非结构化文本对齐来自动构建大量训练数据，减少模型对人工标注数据的依赖，增强模型跨领域适应能力

Bootstrapping：通过在文本中匹配实体对和表达关系短语模式，寻找和发现新的潜在关系三元组

事件抽取

事件抽取任务

二、面向结构化数据的知识抽取

Mapping languages:

直接映射（direct mapping）

R2RML:RDF中关系数据库的标准转换

映射工具ontop:是一个使用SPARQL将数据库查询为虚拟RDF图的平台

三、面向半结构化数据的知识抽取

DBpedia：维基百科的结构化版本

ZHISHI.me:第一份中文大规模开放链接数据

访问ZHISHI.me的方式：Linked data、Lookup service、SPARQL endpoint、APIs、Data Dump

WEB网页数据抽取

手工抽取

手工方法获取网页信息：通过人工分析，手工写出适合这个网站的表达式，表达式形式可以是XPath表达式，也可以是CSS选择器的表达式。

包装器简介及描述方式

自动抽取

小结

WEB TABLE 抽取简介

1.表格实体链接（entity linking），将表格中各单元格的字符串映射到给定知识库的实体上。

1).候选生成

2).实体消岐

实体消岐步骤：构建实体消岐图、计算实体链接影响因子

两类实体链接影响因子：每个字符串的初始重要性，不同节点间的语义相关度

实体消岐算法：PageRank，用来整合不同的实体链接影响因子从而做出最终的实体链接决定。

四、实践展示：基于百科数据的知识抽取

Knowledge Collection

Category方法

命名规则方法

Knowledge Fusion

主语融合

宾语融合

1.单值属性：

精确性原则：日期、地点等类型的属性值出现冲突时选择最精确的一个

大多数原则：不同来源的属性值出现冲突时，选择出现次数最多的值

2.多值属性：直接合并去重

3.对infobox属性进行补全

人工编写规则从非结构化文本中抽取属性值

依照指示融合方法将属性值对转换为三元组

打开CSDN APP，看更多技术内容

wikipedia miner

利用维基百科进行文档聚类的时候用到的工具包，很实用，开源的多功能工具箱

属性用途_槽填充（Slot Filling）的定义、用途、意义及其他

撰写本文的原因是作为(伪)机器翻译领域的学生，需要查阅一些NLU的资料。发现google到的文章上来就教你槽填充的方法，让人摸不着头脑。所以在此做一个总结同时也作为和老师讨论的资料。定义定义1One way of making sense of a piece of text is to tag the words or tokens which carry meaning to the sent...

继续访问

知识抽取概念

构建知识图谱主要分为数据获取、知识抽取、知识融合和知识加工四个步骤。因为毕业设计涉及到知识抽取中的命名实体识别部分，以此博文来记录供自己日后的学习参考。

继续访问

CR-CNN（2015）论文阅读笔记

论文：Classifying Relations by Ranking with Convolutional Neural Networks（CR-CNN，2015）阅读笔记 一、背景 MV-RNN（2012） CNN（2014） FCM（2014） 二、模型 1.Word Embeddings（一般方法） rw = Wwrdvw vw是one-hot向量，Word Embeddings维度为dw。 2.Word Position Embeddings（一般方法） Word Position Embeddi

继续访问

NLP -- 公开数据收集

目前网上可供下载的数据众多，但是内容庞杂，把其中比较有用的数据找了出来。wiki系：wikipedia大家都不陌生，它的下载地址是：http://dumps.wikimedia.org/ , 这里有详细介绍：http://en.wikipedia.org/wiki/Wikipedia:Database_download但是wikipedia只是Wikimedia基金会的一个子项目，wikimedi...

继续访问

知识抽取与知识挖掘

前言 知识抽取是构建大规模知识图谱的重要环节，而知识挖掘是在已有知识图谱的基础上发现隐藏的知识。 1.非结构化数据的知识抽取 大量的数据以非结构化数据的形式存在，如新闻报道、文学，读书等。我们将从实体抽取、关系抽取和事件抽取进行介绍。 1.2 实体抽取 实体抽取又称命名实体识别，其目的是从文本中抽取实体信息元素，包括人名、时间、地点、数值等。实体抽取是解决很多自然语言处理问题的基础。想要从文本中进行实体抽取，首先需要从文本中识别和定位实体，然后再将识别的实体分类到预定义的类别中去。实体抽取问题的研究开展得比

继续访问

最新发布 ontop-vkg 学习

最近要用ontop、h2数据库，搭配protege使用~ 官网链接：https://ontop-vkg.org/guide/

继续访问

ontop虚拟知识图谱入门

关于虚拟知识图谱系统ontop的入门实践 官网：https://ontop-vkg.org/guide 根据指导进行 *** 作实践： 环境: java 8 ,Git,Github,h2数据库 git clone https://github.com/ontop/ontop-tutorial.git cd ontop-tutorial 数据库设置 为下列工作建立数据库的过程： 解压缩h2的存档(h2.zip) 启动数据库： 在mac/linux上：打开终端，进入H2/bin跑sh h2.sh 在Window

继续访问

ontop:一个使用 SPARQL 将数据库查询为虚拟 RDF 图的平台-开源

-ontop- 是一个使用 SPARQL 将数据库查询为虚拟 RDF 图的平台。 它速度非常快，而且功能丰富。

热门推荐 知识抽取（一）

这部分知识涉及到知识图谱重要环节，知识抽取和知识链接，会涉及到很多算法和抽取pipline。需要较强的背景知识，本文仅把思路和算法做了概括并没详细展开讲解，需要了解相关算法细节可以谷歌。 目录  知识抽取任务定义和相关比赛 知识抽取技术 • 实体抽取 序列标注方法（HMM、CRF、LSTM+CRF） • 关系抽取  基于模板的方法 优点  监督学习方法  机器学习方法...

继续访问

知识图谱——知识抽取（1）

文章目录知识抽取任务定义概念目的数据源子任务面向非结构化数据的知识抽取实体抽取关系抽取事件抽取 本文主要是归纳整理了王昊奋《知识图谱：方法、实践与应用》这本书里有关知识抽取的非结构化数据抽取的部分。 知识抽取任务定义 概念 知识抽取的概念最早是20世界70年代后期出现在自然语言处理领域的，它是指自动化地从文本中发现和抽取相关信息，并将多个文本碎片中的信息进行合并，将非结构化数据转换为结构化数据。 具体是什么意思呢，我们看一个例子。 这是一段关于苹果公司的介绍文字，它是属于非结构化数据，通过知识抽取，我

继续访问

知识抽取-实体及关系抽取

知识抽取涉及的“知识”通常是清楚的、事实性的信息，这些信息来自不同的来源和结构，而对不同数据源进行的知识抽取的方法各有不同，从结构化数据中获取知识用 D2R，其难点在于复杂表数据的处理，包括嵌套表、多列、外键关联等；从链接数据中获取知识用图映射，难点在于数据对齐；从半结构化数据中获取知识用包装器，难点在于 wrapper 的自动生成、更新和维护，这一篇主要讲从文本中获取知识，也就是我们广义上说的信息抽取。 1. 信息抽取三个最重要/最受关注的子任务： 实体抽取 也就是命名实体识别，包括实体的检测.

继续访问

第3章 知识抽取：问题、方法和数据

第三章：知识抽取：问题、方法和数据 知识抽取-问题和方法 问题分析 知识抽取场景（数据源） (半)结构化文本数据：百科知识中的Inforbox、规范的表格、数据库、社交网络、… 非结构化文本数据：网页、新闻、社交媒体、论文、… 多媒体数据：图片、视频 从信息抽取到知识抽取 区别：信息抽取获得结构化数据，知识抽取获得机器学习可理解和处理的知识（知识表示）。 关系：信息抽取建立在信息抽取基础上，都普遍利用到自然语言处理基础、基于规则的包装器和机器学习等技术。 知识抽取例子 ### 知识抽取的挑战 知识的不

继续访问

支持中文的deepdive：斯坦福大学的开源知识抽取工具（三元组抽取）

一、DeepDive简介 deepdive帮助你从更少的结构化数据和统计推断中提取结构化的知识而无需编写任何复杂的机器学习代码。deepdive是一种新的数据管理系统，能够解决提取、整合型，并在一个单一的系统预测问题，它允许用户快速构建复杂的端到端的数据管道。 二、DeepDive优势 deepdive让开发者只需要关心实体特征，不需要在乎算法。相比之下，其他机器学习系统需要开发者认为，聚类算法...

继续访问

关于在python中TagMe包的使用说明以及测试

关于在python中TagMe包的使用说明以及测试 最近一段时间，忙着解决wikipedia-miner这个折磨人的自然语言处理工具，工具很强大，可以获取概念在维基百科当中的许多信息，还可以解决概念的歧义和标注问题。但是唯一的缺点就是安装很麻烦（是一个类似于SSM的javaweb项目），因为维基百科数据库很大，因此在数据的预处理阶段需要使用大数据的Hadoop等技术。从去年一直到今年都没解决这个安...

继续访问

wikipedia的使用

#encoding:utf-8 import wikipedia wikipedia.set_lang("zh") #设置语言  wikipedia.search("中山大学") #搜索  my=wikipedia.page("中山大学") #获取页面  my.title #页面标题  my.url #页面url  my.content #页面内容  my.links # 页面上面出现的其他 实体...

继续访问

基于wikipedia的摘要系统

传统的基于图的摘要，我们所选择作为摘要的句子，不仅应该与主题相似而且相似于与主题有很高相似度的句子。     基于 wikipedia相似度计算方法分为四部曲。     The first one is sentence wikipedia.     传统的BOW方法是利用tf-tdf把句子刻画成一个词的向量。本文中把句子wikipedia化的方法是利用exact—match策略，首先抽取w

继续访问

知识图谱构建工具_CCKS-2017 行业知识图谱构建与应用-下篇

上篇文章推出之后，大家反应非常热烈，因此给了我们更大的动力将下篇加紧赶出来。这篇是PPT的下半部分，更加偏重于实战中关键技术的难点剖析，以及我们在实践中相应的解决方案描述。如果你曾有听完一场介绍知识图谱应用的讲座，感觉讲的很有道理，但仍有各种疑惑的情况，比如“他们用什么工具来构建知识图谱的？”，“为什么不选择XXX？”，“他们的可视化做的好漂亮，我该怎么做才能达到这样的效果？”那么这篇文章正是你需...

继续访问

数据库课程设计

c语言文件读写 *** 作代码

Bazel：来自Google的构建工具，可以快速、可靠地构建代码。官网

Gradle：使用Groovy（非XML）进行增量构建，可以很好地与Maven依赖管理配合工作。官网

Buck：Facebook构建工具。官网

字节码 *** 作

编程方式 *** 作字节码的开发库。

ASM：通用底层字节码 *** 作和分析开发库。官网

Byte Buddy：使用流式API进一步简化字节码生成。官网

Byteman：在运行时通过DSL（规则） *** 作字节码进行测试和故障排除。官网

Javassist：一个简化字节码编辑尝试。官网

集群管理

在集群内动态管理应用程序的框架。

Apache Aurora：Apache Aurora是一个Mesos框架，用于长时间运行服务和定时任务（cron job）。官网

Singularity：Singularity是一个Mesos框架，方便部署和 *** 作。它支持Web Service、后台运行、调度作业和一次性任务。官网

代码分析

测量代码指标和质量工具。

Checkstyle：代码编写规范和标准静态分析工具。官网

Error Prone：将常见编程错误作为运行时错误报告。官网

FindBugs：通过字节码静态分析查找隐藏bug。官网

jQAssistant：使用基于Neo4J查询语言进行代码静态分析。官网

PMD：对源代码分析查找不良的编程习惯。官网

SonarQube：通过插件集成其它分析组件，对过去一段时间内的数据进行统计。官网

编译器生成工具

用来创建解析器、解释器或编译器的框架。

ANTLR：复杂的全功能自顶向下解析框架。官网

JavaCC：JavaCC是更加专门的轻量级工具，易于上手且支持语法超前预测。官网

外部配置工具

支持外部配置的开发库。

config：针对JVM语言的配置库。官网

owner：减少冗余配置属性。官网

约束满足问题求解程序

帮助解决约束满足问题的开发库。

Choco：可直接使用的约束满足问题求解程序，使用了约束规划技术。官网

JaCoP：为FlatZinc语言提供了一个接口，可以执行MiniZinc模型。官网

OptaPlanner：企业规划与资源调度优化求解程序。官网

Sat4J：逻辑代数与优化问题最先进的求解程序。官网

持续集成

Bamboo：Atlassian解决方案，可以很好地集成Atlassian的其他产品。可以选择开源许可，也可以购买商业版。官网

CircleCI：提供托管服务，可以免费试用。官网

Codeship：提供托管服务，提供有限的免费模式。官网

fabric8：容器集成平台。官网

Go：ThoughtWork开源解决方案。官网

Jenkins：支持基于服务器的部署服务。官网

TeamCity：JetBrain的持续集成解决方案，有免费版。官网

Travis：通常用作开源项目的托管服务。官网

Buildkite: 持续集成工具，用简单的脚本就能设置pipeline，而且能快速构建，可以免费试用。官网

CSV解析

简化CSV数据读写的框架与开发库

uniVocity-parsers：速度最快功能最全的CSV开发库之一，同时支持TSV与固定宽度记录的读写。官网

数据库

简化数据库交互的相关工具。

Apache Phoenix：HBase针对低延时应用程序的高性能关系数据库层。官网

Crate：实现了数据同步、分片、缩放、复制的分布式数据存储。除此之外还可以使用基于SQL的语法跨集群查询。官网

Flyway：简单的数据库迁移工具。官网

H2：小型SQL数据库，以可以作为内存数据库使用著称。官网

HikariCP：高性能JDBC连接工具。官网

JDBI：便捷的JDBC抽象。官网

Protobuf：Google数据交换格式。官网

SBE：简单二进制编码，是最快速的消息格式之一。官网

Wire：整洁轻量级协议缓存。官网

帮实现依赖翻转范式的开发库。 官网

Apache DeltaSpike：CDI扩展框架。官网

Dagger2：编译时注入框架，不需要使用反射。官网

Guice：可以匹敌Dagger的轻量级注入框架。官网

HK2：轻量级动态依赖注入框架。官网

开发流程增强工具

从最基本的层面增强开发流程。

ADT4J：针对代数数据类型的JSR-269代码生成器。官网

AspectJ：面向切面编程（AOP）的无缝扩展。官网

Auto：源代码生成器集合。官网

DCEVM：通过修改JVM在运行时支持对已加载的类进行无限次重定义。官网

HotswapAgent：支持无限次重定义运行时类与资源。官网

Immutables：类似Scala的条件类。官网

JHipster：基于Spring Boot与AngularJS应用程序的Yeoman源代码生成器。官网

JRebel：无需重新部署，可以即时重新加载代码与配置的商业软件。官网

Lombok：减少冗余的代码生成器。官网

Spring Loaded：类重载代理。官网

vert.x：多语言事件驱动应用框架。官网

分布式应用

用来编写分布式容错应用的开发库和框架。

Akka：用来编写分布式容错并发事件驱动应用程序的工具和运行时。官网

Apache Storm：实时计算系统。官网

Apache ZooKeeper：针对大型分布式系统的协调服务，支持分布式配置、同步和名称注册。官网

Hazelcast：高可扩展内存数据网格。官网

Hystrix：提供延迟和容错。官网

JGroups：提供可靠的消息传递和集群创建的工具。官网

Orbit：支持虚拟角色（Actor），在传统角色的基础上增加了另外一层抽象。官网

Quasar：为JVM提供轻量级线程和角色。官网

分布式数据库

对应用程序而言，在分布式系统中的数据库看起来就像是只有一个数据源。

Apache Cassandra：列式数据库，可用性高且没有单点故障。官网

Apache HBase：针对大数据的Hadoop数据库。官网

Druid：实时和历史OLAP数据存储，在聚集查询和近似查询方面表现不俗。官网

Infinispan：针对缓存的高并发键值对数据存储。官网

发布

以本机格式发布应用程序的工具。

Bintray：发布二进制文件版本控制工具。可以于Maven或Gradle一起配合使用。提供开源免费版本和几种商业收费版本。官网

Central Repository：最大的二进制组件仓库，面向开源社区提供免费服务。Apache Maven默认使用Central 官网Repository，也可以在所有其他构建工具中使用。

IzPack：为跨平台部署建立创作工具（Authoring Tool）。官网

JitPack：打包GitHub仓库的便捷工具。可根据需要构建Maven、Gradle项目，发布可立即使用的组件。官网

Launch4j：将JAR包装为轻量级本机Windows可执行程序。官网

Nexus：支持代理和缓存功能的二进制管理工具。官网

packr：将JAR、资源和JVM打包成Windows、Linux和Mac OS X本地发布文件。官网

文档处理工具

处理Office文档的开发库。

Apache POI：支持OOXML规范（XLSX、DOCX、PPTX）以及OLE2规范（XLS、DOC、PPT）。官网

documents4j：使用第三方转换器进行文档格式转换，转成类似MS Word这样的格式。官网

jOpenDocument：处理OpenDocument格式（由Sun公司提出基于XML的文档格式）。官网

函数式编程

函数式编程支持库。

Cyclops：支持一元（Monad） *** 作和流 *** 作工具类、comprehension（List语法）、模式匹配、trampoline等特性。官网

Fugue：Guava的函数式编程扩展。官网

Functional Java：实现了多种基础和高级编程抽象，用来辅助面向组合开发（composition-oriented development）。官网

Javaslang：一个函数式组件库，提供持久化数据类型和函数式控制结构。官网

jOOλ：旨在填补Java 8 lambda差距的扩展，提供了众多缺失的类型和一组丰富的顺序流API。官网

游戏开发

游戏开发框架。

jMonkeyEngine：现代3D游戏开发引擎。官网

libGDX：全面的跨平台高级框架。官网

LWJGL：对OpenGL/CL/AL等技术进行抽象的健壮框架。官网

GUI

现代图形化用户界面开发库。

JavaFX：Swing的后继者。官网

Scene Builder：开发JavaFX应用的可视化布局工具。官网

高性能计算

涵盖了从集合到特定开发库的高性能计算相关工具。

Agrona：高性能应用中常见的数据结构和工具方法。官网

Disruptor：线程间消息传递开发库。官网

fastutil：快速紧凑的特定类型集合（Collection）。官网

GS Collections：受Smalltalk启发的集合框架。官网

HPPC：基础类型集合。官网

Javolution：实时和嵌入式系统的开发库。官网

JCTools：JDK中缺失的并发工具。官网

Koloboke：Hash set和hash map。官网

Trove：基础类型集合。官网

High-scale-bli:Cliff Click 个人开发的高性能并发库官网

IDE

简化开发的集成开发环境。

Eclipse：老牌开源项目，支持多种插件和编程语言。官网

IntelliJ IDEA：支持众多JVM语言，是安卓开发者好的选择。商业版主要针对企业客户。官网

NetBeans：为多种技术提供集成化支持，包括Java SE、Java EE、数据库访问、HTML5

Imgscalr：纯Java 2D实现，简单、高效、支持硬件加速的图像缩放开发库。官网

Picasso：安卓图片下载和图片缓存开发库。官网

Thumbnailator：Thumbnailator是一个高质量Java缩略图开发库。官网

ZXing：支持多种格式的一维、二维条形码图片处理开发库。官网

im4java: 基于ImageMagick或GraphicsMagick命令行的图片处理开发库，基本上ImageMagick能够支持的图片格式和处理方式都能够处理。官网

Apache Batik：在Java应用中程序以SVG格式显示、生成及处理图像的工具集，包括SVG解析器、SVG生成器、SVG DOM等模块，可以集成使用也可以单独使用，还可以扩展自定义的SVG标签。官网

JSON

简化JSON处理的开发库。

Genson：强大且易于使用的Java到JSON转换开发库。官网

Gson：谷歌官方推出的JSON处理库，支持在对象与JSON之间双向序列化，性能良好且可以实时调用。官网

Jackson：与GSON类似，在频繁使用时性能更佳。官网

LoganSquare：基于Jackson流式API，提供对JSON解析和序列化。比GSON与Jackson组合方式效果更好。官网

Fastjson：一个Java语言编写的高性能功能完善的JSON库。官网

Kyro：快速、高效、自动化的Java对象序列化和克隆库。官网

JVM与JDK

目前的JVM和JDK实现。

JDK 9：JDK 9的早期访问版本。官网

OpenJDK：JDK开源实现。官网

基于JVM的语言

除Java外，可以用来编写JVM应用程序的编程语言。

Scala：融合了面向对象和函数式编程思想的静态类型编程语言。官网

Groovy：类型可选（Optionally typed）的动态语言，支持静态类型和静态编译。目前是一个Apache孵化器项目。官网

Clojure：可看做现代版Lisp的动态类型语言。官网

Ceylon：RedHat开发的面向对象静态类型编程语言。官网

Kotlin：JetBrain针对JVM、安卓和浏览器提供的静态类型编程语言。官网

Xtend：一种静态编程语言，能够将其代码转换为简洁高效的Java代码，并基于JVM运行。官网

日志

记录应用程序行为日志的开发库。

Apache Log4j 2：使用强大的插件和配置架构进行完全重写。官网

kibana：分析及可视化日志文件。官网

Logback：强健的日期开发库，通过Groovy提供很多有趣的选项。官网

logstash：日志文件管理工具。官网

Metrics：通过JMX或HTTP发布参数，并且支持存储到数据库。官网

SLF4J：日志抽象层，需要与具体的实现配合使用。官网

机器学习

提供具体统计算法的工具。其算法可从数据中学习。

Apache Flink：快速、可靠的大规模数据处理引擎。官网

Apache Hadoop：在商用硬件集群上用来进行大规模数据存储的开源软件框架。官网

Apache Mahout：专注协同过滤、聚类和分类的可扩展算法。官网

Apache Spark：开源数据分析集群计算框架。官网

DeepDive：从非结构化数据建立结构化信息并集成到已有数据库的工具。官网

Deeplearning4j：分布式多线程深度学习开发库。官网

H2O：用作大数据统计的分析引擎。官网

Weka：用作数据挖掘的算法集合，包括从预处理到可视化的各个层次。官网

QuickML：高效机器学习库。官网、GitHub

消息传递

在客户端之间进行消息传递，确保协议独立性的工具。

Aeron：高效可扩展的单播、多播消息传递工具。官网

Apache ActiveMQ：实现JMS的开源消息代理（broker），可将同步通讯转为异步通讯。官网

Apache Camel：通过企业级整合模式（Enterprise Integration Pattern EIP）将不同的消息传输API整合在一起。官网

Apache Kafka：高吞吐量分布式消息系统。官网

Hermes：快速、可靠的消息代理（Broker），基于Kafka构建。官网

JBoss HornetQ：清晰、准确、模块化，可以方便嵌入的消息工具。官网

JeroMQ：ZeroMQ的纯Java实现。官网

Smack：跨平台XMPP客户端函数库。官网

Openfire：是开源的、基于XMPP、采用Java编程语言开发的实时协作服务器。 Openfire安装和使用都非常简单，并可利用Web界面进行管理。 官网GitHub

Spark：是一个开源，跨平台IM客户端。它的特性支持集组聊天，电话集成和强大安全性能。如果企业内部部署IM使用Openfire+Spark是最佳的组合。 官网 GitHub

Tigase： 是一个轻量级的可伸缩的 Jabber/XMPP 服务器。无需其他第三方库支持，可以处理非常高的复杂和大量的用户数，可以根据需要进行水平扩展。 官网

杂项

未分类其它资源。

Design Patterns：实现并解释了最常见的设计模式。官网

Jimfs：内存文件系统。官网

Lanterna：类似curses的简单console文本GUI函数库。官网

LightAdmin：可插入式CRUD UI函数库，可用来快速应用开发。官网

OpenRefine：用来处理混乱数据的工具，包括清理、转换、使用Web Service进行扩展并将其关联到数据库。官网

RoboVM：Java编写原生iOS应用。官网

Quartz：强大的任务调度库.官网

应用监控工具

监控生产环境中应用程序的工具。

AppDynamics：性能监测商业工具。官网

JavaMelody：性能监测和分析工具。官网

Kamon：Kamon用来监测在JVM上运行的应用程序。官网

New Relic：性能监测商业工具。官网

SPM：支持对JVM应用程序进行分布式事务追踪的性能监测商业工具。官网

Takipi：产品运行时错误监测及调试商业工具。官网

原生开发库

用来进行特定平台开发的原生开发库。

JNA：不使用JNI就可以使用原生开发库。此外，还为常见系统函数提供了接口。官网

自然语言处理

用来专门处理文本的函数库。

Apache OpenNLP：处理类似分词等常见任务的工具。官网

CoreNLP：斯坦佛CoreNLP提供了一组基础工具，可以处理类似标签、实体名识别和情感分析这样的任务。官网

LingPipe：一组可以处理各种任务的工具集，支持POS标签、情感分析等。官网

Mallet：统计学自然语言处理、文档分类、聚类、主题建模等。官网

网络

网络编程函数库。

Async Http Client：异步HTTP和WebSocket客户端函数库。官网

Grizzly：NIO框架，在Glassfish中作为网络层使用。官网

Netty：构建高性能网络应用程序开发框架。官网

OkHttp：一个Android和Java应用的HTTP+SPDY客户端。官网

Undertow：基于NIO实现了阻塞和非阻塞API的Web服务器，在WildFly中作为网络层使用。官网

ORM

处理对象持久化的API。

Ebean：支持快速数据访问和编码的ORM框架。官网

EclipseLink：支持许多持久化标准，JPA、JAXB、JCA和SDO。官网

Hibernate：广泛使用、强健的持久化框架。Hibernate的技术社区非常活跃。官网

MyBatis：带有存储过程或者SQL语句的耦合对象（Couples object）。官网

OrmLite：轻量级开发包，免除了其它ORM产品中的复杂性和开销。官网

Nutz：另一个SSH。官网，Github

JFinal：JAVA WEB + ORM框架。官网，Github

PDF

用来帮助创建PDF文件的资源。

Apache FOP：从XSL-FO创建PDF。官网

Apache PDFBox：用来创建和 *** 作PDF的工具集。官网

DynamicReports：JasperReports的精简版。官网

flyingsaucer：XML/XHTML和CSS 2.1渲染器。官网

iText：一个易于使用的PDF函数库，用来编程创建PDF文件。注意，用于商业用途时需要许可证。官网

JasperReports：一个复杂的报表引擎。官网

性能分析

性能分析、性能剖析及基准测试工具。

jHiccup：提供平台中JVM暂停的日志和记录。官网

JMH：JVM基准测试工具。官网

JProfiler：商业分析器。官网

LatencyUtils：测量和报告延迟的工具。官网

VisualVM：对运行中的应用程序信息提供了可视化界面。官网

YourKit Java Profiler：商业分析器。官网

响应式开发库

用来开发响应式应用程序的开发库。

Reactive Streams：异步流处理标准，支持非阻塞式反向压力（backpressure）。官网

Reactor：构建响应式快速数据（fast-data）应用程序的开发库。官网

RxJava：通过JVM可观察序列（observable sequence）构建异步和基于事件的程序。官网

REST框架

用来创建RESTful 服务的框架。

Dropwizard：偏向于自己使用的Web框架。用来构建Web应用程序，使用了Jetty、Jackson、Jersey和Metrics。官网

Feign：受Retrofit、JAXRS-2.0和WebSocket启发的HTTP客户端连接器（binder）。官网

Jersey：JAX-RS参考实现。官网

RESTEasy：经过JAX-RS规范完全认证的可移植实现。官网

RestExpress：一个Java类型安全的REST客户端。官网

RestX：基于注解处理和编译时源码生成的框架。官网

Retrofit：类型安全的REST客户端。官网

Spark：受到Sinatra启发的Java REST框架。官网

Swagger：Swagger是一个规范且完整的框架，提供描述、生产、消费和可视化RESTful Web Service。官网

Blade：国人开发的一个轻量级的MVC框架. 它拥有简洁的代码，优雅的设计。官网

科学计算与分析

用于科学计算和分析的函数库。

DataMelt：用于科学计算、数据分析及数据可视化的开发环境。官网

JGraphT：支持数学图论对象和算法的图形库。官网

JScience：用来进行科学测量和单位的一组类。官网

搜索引擎

文档索引引擎，用于搜索和分析。

Apache Solr：一个完全的企业搜索引擎。为高吞吐量通信进行了优化。官网

Elasticsearch：一个分布式、支持多租户（multitenant）全文本搜索引擎。提供了RESTful Web接口和无schema的JSON文档。官网

Apache Lucene：是一个开放源代码的全文检索引擎工具包，是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，部分文本分析引擎。官网

安全

用于处理安全、认证、授权或会话管理的函数库。

Apache Shiro：执行认证、授权、加密和会话管理。官网

Bouncy Castle，涵盖了从基础的帮助函数到PGP/SMIME *** 作。官网：多途加密开发库。支持JCA提供者（JCA provider)

Cryptomator：在云上进行客户端跨平台透明加密。官网

Keycloak：为浏览器应用和RESTful Web Service集成SSO和IDM。目前还处于beta版本，但是看起来非常有前途。官网

PicketLink：PicketLink是一个针对Java应用进行安全和身份认证管理的大型项目（Umbrella Project）。官网

序列化

用来高效处理序列化的函数库。

FlatBuffers：高效利用内存的序列化函数库，无需解包和解析即可高效访问序列化数据。官网

Kryo：快速、高效的对象图形序列化框架。官网

FST：提供兼容JDK的高性能对象图形序列化。官网

MessagePack：一种高效的二进制序列化格式。官网

应用服务器

用来部署应用程序的服务器。

Apache Tomcat：针对Servlet和JSP的应用服务器，健壮性好且适用性强。官网

Apache TomEE：Tomcat加Java EE。官网

Jetty：轻量级、小巧的应用服务器，通常会嵌入到项目中。官网

WebSphere Liberty：轻量级、模块化应用服务器，由IBM开发。官网

WildFly：之前被称作JBoss，由Red Hat开发。支持很多Java EE功能。官网

模板引擎

在模板中替换表达式的工具。

Apache Velocity：提供HTML页面模板、email模板和通用开源代码生成器模板。官网

FreeMarker：通用模板引擎，不需要任何重量级或自己使用的依赖关系。官网

Handlebars.java：使用Java编写的模板引擎，逻辑简单，支持语义扩展（semantic Mustache）。官网

Thymeleaf：旨在替换JSP，支持XML文件的工具。官网

测试

测试内容从对象到接口，涵盖性能测试和基准测试工具。

Apache JMeter：功能性测试和性能评测。官网

Arquillian：集成测试和功能行测试平台，集成Java EE容器。官网

AssertJ：支持流式断言提高测试的可读性。官网

Awaitility：用来同步异步 *** 作的DSL。官网

Cucumber：BDD测试框架。官网

Gatling：设计为易于使用、可维护的和高性能负载测试工具。官网

Hamcrest：可用来灵活创建意图（intent）表达式的匹配器。官网

JMockit：用来模拟静态、final方法等。官网

JUnit：通用测试框架。官网

Mockito：在自动化单元测试中创建测试对象，为TDD或BDD提供支持。官网

PowerMock： 支持模拟静态方法、构造函数、final类和方法、私有方法以及移除静态初始化器的模拟工具。官网

REST Assured：为REST/HTTP服务提供方便测试的Java DSL。官网

Selenide：为Selenium提供精准的周边API，用来编写稳定且可读的UI测试。官网

Selenium：为Web应用程序提供可移植软件测试框架。官网

Spock：JUnit-compatible framework featuring an expressive Groovy-derived specification language.官网兼容JUnit框架，支持衍生的Groovy范的语言。

TestNG：测试框架。官网

Truth：Google的断言和命题（proposition）框架。官网

Unitils：模块化测试函数库，支持单元测试和集成测试。官网

WireMock：Web Service测试桩（Stub）和模拟函数。官网

通用工具库

通用工具类函数库。

Apache Commons：提供各种用途的函数，比如配置、验证、集合、文件上传或XML处理等。官网

args4j：命令行参数解析器。官网

CRaSH：为运行进行提供CLI。官网

Gephi：可视化跨平台网络图形化 *** 作程序。官网

Guava：集合、缓存、支持基本类型、并发函数库、通用注解、字符串处理、I/O等。官网

JADE：构建、调试多租户系统的框架和环境。官网

javatuples：正如名字表示的那样，提供tuple支持。尽管目前tuple的概念还有留有争议。官网

JCommander：命令行参数解析器。官网

Protégé：提供存在论（ontology）编辑器以及构建知识系统的框架。官网

网络爬虫

用于分析网站内容的函数库。

Apache Nutch：可用于生产环境的高度可扩展、可伸缩的网络爬虫。官网

Crawler4j：简单的轻量级网络爬虫。官网

JSoup：刮取、解析、 *** 作和清理HTML。官网

Web框架

用于处理Web应用程序不同层次间通讯的框架。

Apache Tapestry：基于组件的框架，使用Java创建动态、强健的、高度可扩展的Web应用程序。官网

Apache Wicket：基于组件的Web应用框架，与Tapestry类似带有状态显示GUI。官网

Google Web Toolkit：一组Web开发工具集，包含在客户端将Java代码转为JavaScript的编译器、XML解析器、RCP 官网API、JUnit集成、国际化支持和GUI控件。

Grails：Groovy框架，旨在提供一个高效开发环境，使用约定而非配置、没有XML并支持混入（mixin）。官网

Ninja：Java全栈Web开发框架。非常稳固、快速和高效。官网

Pippo：小型、高度模块化的类Sinatra框架。官网

Play：使用约定而非配置，支持代码热加载并在浏览器中显示错误。官网

PrimeFaces：JSF框架，提供免费和带支持的商业版本。包括若干前端组件。官网

Ratpack：一组Java开发函数库，用于构建快速、高效、可扩展且测试完备的HTTP应用程序。官网

Spring Boot：微框架，简化了Spring新程序的开发过程。官网

Spring：旨在简化Java EE的开发过程，提供依赖注入相关组件并支持面向切面编程。官网

Vaadin：基于GWT构建的事件驱动框架。使用服务端架构，客户端使用Ajax。官网

Blade：国人开发的一个轻量级的MVC框架. 它拥有简洁的代码，优雅的设计。官网

业务流程管理套件

流程驱动的软件系统构建。

jBPM：非常灵活的业务流程管理框架，致力于构建开发与业务分析人员之间的桥梁。官网

Activity：轻量级工作流和业务流程管理框架。官网 github

资源

社区

---