- 综合排序
- 最热优先
- 最新优先
- 来自专栏mathor
搜索（3）
终结状态可能是成功解决了问题，那么我们发现了问题的一个解；也可能是没有解决问题，但是后面无路可走了，那么说明说我们之前做的决策有错误 深度优先搜索可以用来遍历所有选择，找到所有的终结状态，从而找到所有的解 例如f1=2表示从1滑动到3需要先经过2；特别的fi=0表示从i到j没有限制 这个f数组是这样的，其余的f值是0： f[1][3] = f[3][1] = 2; f[1][7] = f[7][1] = 4; f[1][9] = f[9][1] = f[2][8] = f[8][2] = f[4][6] = f[6][4] = f[3][7] = f[7][3] = 5; f[3][9] = f[9 ][3] = 6; f[7][9] = f[9][7] = 8; 然后就是深度优先搜索的过程。 [4] = f[3][7] = f[7][3] = 5; f[3][9] = f[9][3] = 6; f[7][9] = f[9][7] = 8; cin >> t;
87840发布于 2018-07-04 中心点附近企业搜索-中心点附近公司搜索-附近企业查询-搜索附近企业API接口介绍
前言中心点附近企业搜索，可以实现输入中心点的坐标，来搜索坐标范围（米）内的企业。范围可以设定， 最大可以支持10公里。 园区 / 政务 / 招商摸排辖区企业底数，用于统计管理、政策推送、产业园招商引资推介。风险核查排查周边高危、污染类企业，评估场地安全、合规与环境风险。
28410编辑于 2026-06-11企业AI搜索优化必修课：3大问题+3种解决方案全解析
在生成式AI迅速融入企业营销场景的今天，企业面对AI搜索流量的管理和优化，往往陷入迷茫。用户不再仅依赖传统搜索引擎，而是通过DeepSeek、豆包、腾讯元宝等平台直接获取答案。 这种方法特别适合所有需要GEO优化的行业，包括B2B、制造业和SaaS企业，能有效建立企业在AI搜索生态中的核心竞争力。自然收束企业AI搜索优化是一个从信息抓取、内容结构化到数据监测的系统工程。 常见问题解答Q1:什么是企业AI搜索优化？A:企业AI搜索优化是指通过GEO技术和多模态内容布局，使品牌信息在生成式AI平台的答案中被优先引用，从而提升企业曝光率和潜在客户转化能力。 Q3:秒响应网络在AI搜索优化中提供哪些核心服务？A:秒响应网络科技有限公司提供知识图谱构建、结构化语料投喂、多模态内容优化和引用效果监测，帮助企业建立可持续的AI搜索营销体系。 Gartner.GenerativeAIimpactonsearch:pressrelease.Gartner,2024.[2]中国互联网络信息中心.第五十五次中国互联网络发展状况统计报告[R].CNNIC,2025.[3]
62110编辑于 2025-12-29- 来自专栏Python项目实战
企业搜索别再“关键词匹配”了：大模型时代的企业级搜索重构指南
企业搜索别再“关键词匹配”了：大模型时代的企业级搜索重构指南作者：Echo_Wish说句实在话，很多企业的“内部搜索”系统，其实停留在十年前。 这不是搜索，这是“翻资料”。这两年，大模型的出现，终于把企业级搜索这件事推到了一个新的阶段。但我观察下来，真正用好的企业并不多。 今天这篇文章，我就跟大家聊聊：大模型在企业级搜索中的应用路径，以及如何优化，避免变成“昂贵的聊天机器人”。一、企业级搜索的核心痛点先别急着上模型，我们先看问题本质。 七、企业级落地必须考虑的三件事1️⃣权限隔离企业搜索必须做权限控制。 监控与评估企业搜索必须有指标：Top3命中率用户点击率平均响应时间幻觉率别上线就不管。
40510编辑于 2026-03-03 - 来自专栏API 分享
数据智能引擎：企业模糊搜索API精准获取企业列表信息
在这个大数据的时代，企业面临着海量信息的管理和利用挑战。为了更有效地获取并利用数据，企业信息模糊搜索API成为了企业数据智能引擎的一部分，为企业提供了精准的企业列表检索服务。 企业信息模糊搜索API简介企业信息模糊搜索API是一种基于关键词的数据检索工具，可以通过输入关键词，迅速从庞大的数据集中筛选出符合条件的企业信息。 企业信息模糊搜索API的优势精准匹配： 企业信息模糊搜索API能够根据用户输入的关键字进行智能匹配，不仅考虑关键词的匹配度，还能理解上下文，提供更为精准的搜索结果。 实时更新： 企业信息模糊搜索API通常能够实时同步数据，确保用户获得的企业列表是最新的。这对于需要及时了解市场变化、拓展合作伙伴等业务活动的企业尤为重要。 企业信息模糊搜索API的推荐与使用APISpace 的 企业信息模糊搜索，通过关键词获取企业列表，企业列表包括公司名称或ID、类型、成立日期、经营状态等字段的详细信息。
1.3K00编辑于 2023-11-22 招标信息搜索-企业招投标信息查询-企业招标信息查询
searchMode String 是 搜索模式，1-精准搜索、2-模糊搜索 pageSize String 否 每页条数（默认10条，最大10条） pageIndex String 否 当前页数（默认第 澄清答疑、变更、候选公示、废标流标终止、合同、验收） targetItemType String 否 招投标阶段(默认不限制，可以多选，通过英文逗号分隔)：1-预告（招标公告）；2-变更（招标公告）；3- 招标结果）；10-验收（招标结果）；11-废标流标终止（招标结果）；12-开标（招标结果） procurementMethod String 否 采购方式（默认不限制，单选）：1-单一来源；2-框架协议；3- 采购单位；4-代理机构；5-候选企业；6-中标企业。 "relateType": "3",//关系类型：3-候选人；4-中标人 "amount": "",//金额（中标类型为中标金额；候选类型为报价金额）
25010编辑于 2026-08-17- 来自专栏函数式编程语言及工具
search（0）- 企业搜索，写在前面
计划研究一下搜索search，然后写个学习过程系列博客。开动之前先说说学习搜索的目的：不是想开发个什么搜索引擎，而是想用现成的搜索引擎在传统信息系统中引进搜索的概念和方法。 搜索search除条件匹配式的查找外最重要的是具备了关联relevance的特性。首先，搜索是基于大数据文件数据库的，对格式没有硬性要求，操作者可自由、灵活的表达搜索条件。 再者搜索具备信息关联能力，能根据搜索条件除符合条件的文件外，还能把满足搜索条件中表述的关联，如：文字关联、意思关联、信息关联等应用在目标文件的匹配上，产生一个以关联度排序的结果文件清单。 换句话说就是好的1搜索方案还可以猜度操作者的搜索目的，提供建议目标结果。如此大大降低了对使用者操作水平的要求，最终任何用户普遍都可以轻松使用搜索来获取符合专业要求的搜索结果。 考虑了一下市面上的几个开源搜索引擎，最终选择了elasticsearch。除了搜索功能外，elasticsearch还是一个分布式的数据库。
1.4K20发布于 2020-03-19 - 来自专栏外贸GEO优化方法
GEO实战复盘：外贸机械企业AI搜索曝光提升3倍的全过程
经过基线测试后发现，企业在多数问题中缺席。部分问题能被搜索到官网页面，但AI很少主动引用；部分答案会引用第三方平台，但企业信息并不完整。 九、结果变化：AI搜索曝光约提升3倍经过持续优化后，企业在重点买家问题中的AI搜索曝光约提升到基线期的3倍。变化主要体现在四个方面。第一，品牌提及更稳定。 需要强调的是，3倍提升不是一个可以简单复制的承诺。它与企业原有基础、行业竞争强度、内容质量、网站结构、外部信号和运营周期都有关系。真正值得复用的不是数字本身，而是背后的工程路径。 结语外贸机械企业的AI搜索曝光提升，表面看是GEO指标变化，本质上是企业数字表达能力的提升。当企业把产品能力、行业经验、质量证据、交付案例和客户问题系统化表达出来，AI才有可能正确理解企业。 当这些内容被网站承载、被搜索收录、被多源渠道验证、被持续数据优化，企业才有机会从“被动等待客户搜索”变成“主动进入客户问题的答案”。这也是GEO与传统内容营销最大的区别。
36210编辑于 2026-07-03 - 来自专栏深度学习与python
海量数据中搜索精华价值：Milvus助力头部企业打造前沿AI搜索
为了帮助企业和软件开发人员应对海量非结构化数据检索难题，Zilliz 于 2019 年底推出了开源向量搜索引擎 Milvus。 Milvus 已成为大规模 AI 搜索技术领域的明星，将帮助越来越多的企业和组织挖掘海量非结构化数据中的精华价值。 根据澜起科技的评估结果，无数据拷贝条件下 HSA 加速器相比 GPU（Tesla P100）有着翻倍的搜索效率提升，而有数据拷贝条件下则实现了数量级的巨大飞跃： 3Milvus 在爱奇艺视频推荐领域的应用 5企查查：利用 Milvus 增强商标检索 企查查是一款企业信用查询工具，旨在提供快速查询企业相关信息的服务。 6焦点科技：Milvus 赋能智能搜索 焦点科技是国内头部软件企业，业务涉及电商、教育、云计算等诸多领域。
1.9K30发布于 2020-11-06 - 来自专栏ACM算法日常
搜索专题3 | 八数码 HDU - 1043
本搜索专题会参考vjudge上的《kuangbin带你飞》系列题目，前面2篇是基础题，后面会慢慢复杂起来！加油！ 本篇接着看BFS的启发式搜索A*算法。 虽然BFS搜索路径已经不错了，但是每次都是按部就班的从队列里先进先出的取元素，这样有点太古板了。 于是在某些情况下可以采用优先队列来替代普通队列，优先队列这个BFS搜索本来打算写一篇文章的，现在直接放在A*里面理解吧。 优先队列是指在搜索解时，选取一条最优路径，比如当前代价最小的路径。 [j / 3][j % 3] == 0) continue; if (e.f[j / 3][j % 3] > e.f[i / 3] printf("unsolvable\n"); else AStar(e); } return 0; } 有时候用一个庞大的队列来处理状态超级多搜索问题
83420发布于 2019-08-21 - 来自专栏HAUE_LYS'Blog
3. 基础搜索与图论初识
---- 3.1 简单搜索 ---- 分类 DFS BFS A* (BFS+贪心) 双向广搜 双端队列广搜 双向DFS IDDFS (DFS+BFS) IDA* (IDDFS优化) ---- 3.1.1 BFS ---- 思想 当题目需要对一组数据进行扩展式搜索时可以考虑BFS 搜索时要将已经满足要求的点入队 不断地弹出队头，以队头元素进行扩展搜索，可以得到若干新的元素 对这些元素进行判断，满足继续搜索的条件则将该元素入队 一般来说，BFS在第一次搜到答案时可以直接返回值，提前结束搜索 ---- 例题 844. 输出格式: 每组数据输出一行，如果小明能够从起点走到终点，那么输出Yes，否则输出No 输入样例： 3 3 S.. ..E ... 3 3 S## ### ##E 输出样例 Yes No 分析 走出迷宫需要对每一个点进行搜索 ，不提前返回或退出 当搜索过程中出现明显不满足目标的状态时可以提前返回，减少搜索次数 ---- 例题 3429.
1.1K30编辑于 2022-07-11 - 来自专栏程序源代码
【程序源代码】springboot企业级搜索平台
正文 | 内容 01 — Springboot2.1+Solr7.5搭建的企业级搜索平台，项目目前支持文档内容和数据库检索，已经集成分词技术。 02 — Solr是一个独立的企业级搜索应用服务器，它对外提供类似于Web-service的API接口。 用户可以通过http请求，向搜索引擎服务器提交一定格式的XML文件，生成索引；也可以通过Http Get操作提出查找请求，并得到XML格式的返回结果。
1.1K10发布于 2020-07-27 企业从搜索优化走向AI回答呈现观察
摘要：企业的数字品牌管理，正在从“搜索优化”走向“AI回答呈现观察”。本文分析这一转变的背景、逻辑差异和企业的应对策略。 一、场景背景过去十年，企业的数字品牌管理核心是SEO——让品牌在搜索结果中排名靠前。现在，一个新的维度正在形成：品牌在AI回答中的呈现状态。企业需要从“搜索优化”走向“AI回答呈现观察”。 二、两种逻辑的差异维度搜索优化AI回答呈现观察目标排名靠前被提及、被推荐、被理解方法技术优化信息建设评估排名位置提及率/推荐率/解释率可控性较高中等三、企业的应对策略策略1：双线并行继续做好SEO，同时开始关注 策略3：持续观察建立品牌AI回答表现的持续监测能力。 企业需要同时关注搜索排名和AI回答中的品牌表现。
17700编辑于 2026-06-25- 来自专栏字根中文校对软件
Solr 企业级搜索引擎简介
Solr 企业级搜索引擎简介 Solr 是一个独立的企业级搜索引擎服务器，并提供类似web-service 的API接口。可以通过http协议把文档以xml格式的方式放入索引库。 看到这里我想起了车东主持开发的WebLucene，早在3年前车东就为lucene提供了XML接口，后来吕克让也在此基础上添加了很多功能，大大方便了后继的维护工作。那么Solr有什么特别的呢？ 首先，Solr 师出名门，apache的孵化项目：http://incubator.apache.org/solr/ 具体功能看看下表吧： 高级全文搜索功能 ； 为高Web负载做了特别的优化； 基于 的灵活性和可适配性； 提供支持插件的架构； Solr 使用的是Lucene包，并对其进行了扩展 支持实用数据Schema, 比如：动态字段和唯一键等 对Lucene 查询语言的强大扩展； 支持动态搜索结果分组和过滤
1.7K20发布于 2019-02-14 AI 搜索时代，企业的流量逻辑正在重写
当用户习惯向ChatGPT提问而不是打开搜索引擎，传统的SEO策略正在失去效力。我们在服务中小企业的过程中观察到，生成式引擎优化（GEO）不是SEO的简单升级，而是一套全新的流量获取方法论。 企业通过研究用户搜索词，优化页面标题、描述和内容结构，争取在搜索结果中获得更高排名。这套逻辑在搜索引擎主导信息分发的时代运行了二十年。生成式AI改变了这个底层机制。 企业的网页可能根本不会出现在用户视野中，即便它曾经排在搜索结果第一页。GEO的优化对象从搜索引擎算法转向了生成式AI的内容选择逻辑。 河南晨讯云文化科技在服务客户的过程中发现，那些率先建立GEO内容体系的企业，在AI搜索渠道的可见度提升速度远超预期。这不是偶然现象，而是内容质量与AI选择逻辑高度匹配的结果。 我们目前为中小企业提供GEO优化与GEO营销服务，帮助企业完成这一转型。AI搜索的流量分配规则已经不同，企业的流量获取策略必须随之进化。
20410编辑于 2026-10-09- 来自专栏Elastic Stack专栏
应用企业搜索的市场巨变——chatGPT撬动百亿级应用搜索的AIGC市场
我们先来看一下简单的新闻稿： 北美时间3月23日，Open AI在官网宣布推出ChatGPT插件功能，同时开源知识库检索插件源代码！ ChatGPT插件赋能应用搜索 但在彼时，chatGPT还是一个直接的2C场景的应用。对于企业用户、在应用内搜索和企业搜索引擎领域，我们无法集成这种能力的。 那么，它是怎么给企业的数据连接的呢？ 我们可以把企业内部的数据通过OpenAI提供的向量模型（text-embedding-ada-002），转化为向量存储在企业自己的向量搜索引擎当中时。 应用搜索、企业搜索架构巨变 对于要接入chatGPT能力，或者说将来打算通过其他大模型平台提供交互式语义搜搜能力的企业来说，巨变将来自于现有的软硬件基础设施的迭代升级。 搜索的新时代已经来临，能用AI赋能的企业将获得更多的生存空间，无法跟上新技术变化的企业将因为过时的体验而失去用户。
2.6K50编辑于 2023-04-11 - 来自专栏智能时刻
【企业架构】现代企业架构方法——第 3 章
3 — 业务和技术现状 理解和接受我们目前的情况是至关重要的。不管好坏，但我们需要接受在这个初始阶段的现实。当前状态是我们的基线和起点。知道我们在哪里可以帮助我们设定我们的愿景。 但是，传统企业的当前情况可能很复杂且难以编译。 在企业系统中，一切都是相互关联的。可能会注意到某些旧系统或解决方案可能没有充分记录。甚至可能根本没有文档。 13 — 详细设计和规格 与任何其他企业 IT 系统一样，涵盖新兴技术的企业现代化和转型解决方案都需要正确交付其详细设计和规范。 在数字化转型和企业现代化的解决方案中，规范准确地标识了企业生态系统项目。由于规范要求精确，因此提供正确的规范对于企业应用程序和相关的关键业务和应急响应至关重要。 其他治理模式可以基于企业所属和坚持的行业。 结论 在处理人工智能、云计算和物联网等新兴技术时，企业现代化和数字化转型计划的系统方法是强制性的。架构和设计思维技能可以指导计划的治理。
62520编辑于 2022-09-26 企业如何搭建AI搜索引用率监测体系
我们把这个问题称为AI搜索引用率——企业公开内容被AI识别、采信和使用的程度。 本文将从工程实践角度，完整拆解企业如何搭建一套可落地的AI搜索引用率监测体系，包括问题设计、平台对接、引用识别、指标体系、查询展示和持续运营六个层面。 一般建议从2-3个覆盖主流用户群体的平台开始，逐步扩展。5.2 采集架构的核心挑战从工程角度看，引用率监测的采集比普通问答采集更复杂。因为需要稳定触发联网搜索模式，否则大部分回答不会产生引用。 根据平台能力开启联网搜索 # 3. 发起请求，记录请求参数 # 4. 十、写在最后AI搜索引用率，本质上是衡量“企业在AI信息生态中的内容资产健康度”。传统搜索时代，企业关注的是“网站有没有被收录”“关键词排第几”。
40500编辑于 2026-07-07- 来自专栏SEO
SEO专业指南：企业搜索引擎优化详解
企业搜索引擎优化需要在跨职能、融入所有从事或影响网站变更的部门时处于最佳状态。 当上述因素缺失时，可能会发生以下情况： 搜索引擎优化变成一个清单：当搜索引擎优化在一个孤岛上时，那我们根本不知道企业是否还有其他有关的项目或业务可以融合一起来解决，最后除了检查标题标签和更新内部链接之外 除了让更多的人认识品牌之外，搜索引擎优化还可以促进： 品牌忠诚度，通过确保网站有用且信息丰富。如果不是，客户就会流失。 品牌信任，通过确保网站上内容真实可信。 本地化内容 如果你从事的企业品牌在本地店面之外运营或在本地提供某种服务，那么将你的网站内容本地化，这种做法是通过自然搜索接触本地受众的重要方式之一。 重复内容明面上不会受到惩罚，但页面的重复版本可能会从搜索结果中过滤掉，如果页面重复量级很大时，会造成网站整体权重下降，影响其他核心页面的排名。 我们一起来看看Google是如何看待重复内容。
1.5K10编辑于 2022-11-23 - 来自专栏CVer
NeurIPS 2021 | 微软提出S3：自动搜索视觉Transformer的搜索空间
不同于人为地根据先验知识设计搜索空间，微软亚洲研究院的研究员提出了Search the Search Space （S3）来自动地设计Vision Transformer的搜索空间。 作者根据空间搜索的过程 （图3）对Vision Transformer的设计进行了分析和讨论。 3）MLP比率 应该随着网络深度一起增加。 4）Q-K-V维度可以小于嵌入维度，且不会导致性能下降。 四、实验 作者将S3搜索得到的结构和近期提出的ViT模型以及经典的CNN模型进行比较。 如表2，3，4所示，S3搜索得到的模型在下游任务上依然保持出色的表现，比ViT模型以及CNN模型更加优越。 大量的实验表明， 搜索出的模型 —— S3在ImageNet 分类以及下游任务上展示出了超越ViT和Swin-T的卓越性能。在未来的工作中，作者希望研究将S3应用于CNN搜索空间的设计中。
1.1K30编辑于 2021-12-10
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号