首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏IT技术圈

    习题2-2 阶梯电价 (15分)

    为了提倡居民节约用电,某省电力公司执行“阶梯电价”,安装一户一表的居民用户电价分为两个“阶梯”:月用电量50千瓦时(含50千瓦时)以内的,电价为0.53元/千瓦时;超过50千瓦时的,超出部分的用电量,电价上调0.05元/千瓦时。请编写程序计算电费。

    3.3K10发布于 2021-04-01
  • 来自专栏AI机器学习与深度学习算法

    学习分类 2-2 内积

    对于分类问题,我们不再像回归问题那样,找出直线的斜率和截距。为了方便理解,将拥有一个特征的回归问题所绘制的图示和拥有两个特征的分类问题绘制的图示进行对比。

    61510编辑于 2022-11-08
  • 来自专栏波波烤鸭

    2-2 SPU和SKU详解及MyBatisPlus自动生成

    2-2 SPU和SKU详解   商城系统中的商品信息肯定避免不了SPU和SKU这两个概念,本节就给大家详细介绍下这块的内容 1、掌握SKU和SPU关系 SPU = Standard Product Unit

    3.3K41发布于 2021-01-21
  • 来自专栏Hank’s Blog

    2-2 R语言基础 向量

    > x <- vector("character",length=10) > x1 <- 1:4 > x2 <- c(1,2,3,4) > x3 <- c(TRUE,10,"a") #如果给向量赋值时元素类型不一致,R就会强制转换,将他们变为同一类型 > x4 <- c("a","b","c","d")

    80710发布于 2020-09-16
  • 来自专栏刷题笔记

    2-2 学生成绩链表处理 (20 分)

    本文链接:https://blog.csdn.net/shiliang97/article/details/101169860 2-2 学生成绩链表处理 (20 分) 本题要求实现两个函数,一个将输入的学生成绩组织成单向链表

    1.7K20发布于 2019-11-08
  • 来自专栏后端码匠

    Elasticsearch应用之京东搜索

    ---- 京东搜索Elasticsearch 开发环境 elasticsearch 7.10.1 集成IDE idea elasticsearch-head maven 3.6.3 所有开发环境 private String title; private String img; private String price; } 工具类 HtmlParseUtil 用于解析京东搜索的数据 bulkResponse.hasFailures(); } /** * 2 获取这些数据 实现搜索功能 * * @param keywords lang="zh-en" xmlns:th="http://www.thymeleaf.org"> <head> <meta charset="UTF-8"> <title>全栈自学社区搜索 搜索后 ?

    73710发布于 2021-02-26
  • 来自专栏mysql

    hhdb数据库介绍(2-2)

    数据追平策略 在关系集群数据库存储节点高可用机制中,当主库宕机时计算节点的切换策略会根据备库设置的优先级进行切换并且计算节点会保证可用的备库追完所有可应用的relaylog后才将服务切换到备库上。

    24010编辑于 2024-11-28
  • 来自专栏强仔仔

    【商城应用】商城搜索流程

    、分类页面一般也会有搜索入口、还有就是商品列表中会有一个搜索入口、最后一个就是店铺中的搜索入口了。 商品列表搜索 商品列表的搜索就和上面说的两种搜索就有所不一样了,一般商品列表都会有对应的分类,所以在商品列表中搜索搜索出来的结果一律都是该分类下面的商品,并非全局搜索。 ? 当然还有一个是店铺搜索,店铺搜索在哪里都是全局搜索,没有上面说的必须是某一类类别下面的商品,店铺搜索结果如下所示: ? 店铺内商品搜索 店铺内商品搜索和商品列表搜索性质相似,都是在某一定范围内的商品搜索,店铺商品搜索肯定是店铺中已经上架商品的搜索了。 ? 总结 今天内容相对而言会比较简单,但是越是简单的内容越是重要,在我们商城应用讲完之后,就要开始我们商品实现技术架构的课程了,比如搜索技术架构就有相当多的内容了,比如聚合、高亮、排序、权重、组合查询、数据同步等等之类的内容

    2.6K20发布于 2019-05-26
  • 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

    我们在应用领域的搜索体验,将由以前的基于分词的全文检索、基于向量的语义搜索来返回结果页的时代,全面进入一个由AI生成结果,并进行交互式查询的时代。 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、在应用搜索和企业搜索引擎领域,我们无法集成这种能力的。 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。 首先,企业需要能将数据转化为embedding(向量) 然后,有能存储embedding并进行向量相似性搜索能力的数据库 应用搜索的接口将与chatGPT retrival plugin整合 目前 因此,在应用生成式搜索的同时,使用基于分词的全文检索技术仍然是有必要的。

    2.5K50编辑于 2023-04-11
  • 来自专栏腾讯云大数据

    Elasticsearch 搜索应用实践(搭建篇)

    本文作者:allencao,腾讯应用开发工程师。 前言 最开始接到过一个需求,将部门内的研究报告与文档管理起来,利于他们查找与阅读。 ES 全文搜索解决方案已经非常成熟,应用起来也比较方便,但也有很多细节需要关注,这样搜索功能才会更完善。 下面将介绍一下用研云使用 ES 搭建全文搜索的实践经验。 二、准备数据 首先我们需要准备以下三个内容: 被搜索数据 中文分词停止词 自定义分词词库 被搜索数据 被搜索数据一定要认真处理,数据质量越高,搜索结果就越准确,被搜索字段越多,搜索结果越丰富。 分词时停止词的应用可以灵活一些,在标题和标签的分词中不使用停止词,这样不至于搜“我的世界”时结果只高亮了“我”和“世界”,文档内容文本的分词上应用停止词,使用 ES 的 IK 插件这里比较难实现,可以改用其他分词方式 但是应用了 text 将不能被 term 过滤器筛选,如果需要过滤可以使用 string 数据类型,他将会自动把字段处理成 text + keyword。

    1.4K20发布于 2021-03-11
  • 来自专栏Android知识分享

    Android RxJava应用:联想搜索优化

    今天,我将为大家带来 Rxjava创建操作符的常见开发应用场景:联想搜索优化需求 ,并结合Retrofit 与RxJava 实现,希望大家会喜欢。 Carson带你学RxJava系列文章,包括 原理、操作符、应用场景、背压等等,请看文章:Android:这是一份全面 & 详细的RxJava学习指南 目录 1. 需求场景 2. ="center" android:layout_width="match_parent" android:layout_height="match_parent"> // 用于输入搜索的字符 " /> // 用于显示联想搜索的结果 <TextView android:id="@+id/tv" android:layout_width= Demo地址 Carson_Ho的Github地址 = RxJava2实战系列:联想搜索优化 5. 总结 本文主要讲解了 Rxjava的实际开发需求场景:联想搜索优化需求

    84730编辑于 2022-03-25
  • 来自专栏育种数据分析之放飞自我

    笔记 | GWAS 操作流程2-2:性别质控

    「原理:」检查性别差异。先验信息,女性的受试者的F值必须小于0.2,男性的受试者的F值必须大于0.8。这个F值是基于X染色体近交(纯合子)估计。不符合这些要求的受试者被PLINK标记为“PROBLEM”。

    1.7K31发布于 2020-05-18
  • 来自专栏悟道

    2-2 二分&前缀和模板

    二分模板 int mid=0; while(left<right){ mid=(left+right)/2; if(check(mid)<K) r=mid; else l=mid+1; } 前缀和模板 : 前缀呢 无非就是 从left->right的和: ( s[right] - s[left-1]) import java.util.Scanner; public class Main { public static void main(Stri

    39230发布于 2021-03-11
  • 来自专栏python3

    Python自动化开发学习2-2

    open()打开文件。windows系统默认的是gbk编码,如果不指定字符编码,就会使用系统默认的字符编码打开文件。比如这时python就会使用gbk编码去读utf-8文件,运行后会报错或者读到乱码。

    76230发布于 2020-01-10
  • 来自专栏开源部署

    分布式搜索ElasticSearch构建集群与简单搜索实例应用

    关于ElasticSearch不介绍了,直接说应用。 ,使用prepareGet搜索datum索引库中 索引类型为datum,的索引记录唯一id值为150得记录         GetResponse response = node.client().prepareGet execute().actionGet();         //对象映射模型         ObjectMapper mapper = new ObjectMapper();         //将搜索结果         client.addTransportAddress(new InetSocketTransportAddress("192.168.0.162", 9300));         //搜索 client.transport.sniff", true).build();         TransportClient client = new TransportClient(settings); 实例应用

    61220编辑于 2022-07-04
  • 来自专栏互联网数据官iCDO

    【营销101】Facebook图谱搜索应用指南

    摘要:作者通过详尽的介绍,手把手教你玩转Facebook图谱搜索 社交搜索很长时间以来都被誉为“下一个大牛”,因为给人类创造搜索引擎的机会太诱人了,有获得创造另一个Google比赛胜利的荣誉感。 搜索运营 那到底是什么发生了变化使得Facebook的搜索引擎又值得数字营销人员去谈论它了呢? 答案是它引入大量更复杂的搜索操作说明或搜索方法,将其分层放置在了更大的连接数据集的顶部。 营销应用 毫无疑问,随着时间的推移和功能的提高,营销人员可以以更多的方式使用图谱搜索, 但是当我们在今天研究这些选项时,我们还是可以将它们分成五个关键领域: 受众洞察 影响者发现 影响者研究 GSO-图谱搜索优化 在此之前我写过一篇关于提取社交数据应用策略的文章,这里我们能够利用相同的原理提高数据的丰富度以获取做出真正决定的必要的自信心。 目前在这部分的信息非常少,但是逻辑表明用于Facebook活动墙的相同信号将应用于图谱搜索。 这可能意味着来自于有大量受众的人和页面的赞能带来赞和额外权重的链接。

    1.8K80发布于 2018-03-05
  • 来自专栏Bingo的深度学习杂货店

    搜索与回溯算法模板及其应用

    本文介绍了搜索与回溯算法模板及其应用,主要包括: 【1】 搜索与回溯算法基本思想 【2】模板算法1及其应用(素数环问题) 【3】模板算法2及其应用(数字拆分问题) 【4】搜索与回溯算法在排列组合中的应用 (A(n, r)、C(n, r) 问题) ---- 【1】搜索与回溯算法基本思想 为了求得问题的解,先选择某一种可能情况向前探索,在探索的过程中,一旦发现原来的选择是错误的,就退回一步重新选择,继续向前探索 ---- 【2】模板算法1及其应用(素数环问题) 2.1 模板算法1: int search(int k) { for (i = 1; i <= 算符种数; i++) { if 但是如果还要输出不同的拆分方法,就要使用以下搜索与回溯算法。 "; } cout << endl; } 最后的输出结果为(假设输入的 n 为 4): <1> 1 1 1 1 <2> 1 1 2 <3> 1 3 <4> 2 2 4 ---- 【4】搜索与回溯算法在排列组合中的应用

    1.6K40发布于 2019-06-16
  • 来自专栏机器学习算法与Python学习

    DNN在搜索场景中的应用

    DNN在搜索场景中的应用潜力,也许会比你想象的更大。 --《阿里技术》 1.背 景 搜索排序的特征在于大量的使用了LR,GBDT,SVM等模型及其变种。 再考虑的是如果把用户行为序列建模起来,我们希望是用户打开手淘后,先在有好货点了一个商品,再在猜你希望点了一个商品,最后进入搜索后会受到之前的行为的影响,当然有很多类似的方法可以间接实现这样的想法。 Deep Learning模型 在搜索中,使用了DNN进行了尝试了转化率预估模型。 转化率预估是搜索应用场景的一个重要问题,转化率预估对应的输入特征包含各个不同域的特征,如用户域,宝贝域,query域等,各种特征的维度都能高达千万,甚至上亿级别,如何在模型中处理超高维度的特征,成为了一个亟待解决的问题 整体模型使用三层全连接层用于sparse+dense特征表征学习,再用两层全连接层用于点击/购买与否分类的统一深度学习模型解决方案: 第一层为编码层,包含商品编码,店家编码,类目编码,品牌编码,搜索词编码和用户编码

    5.7K40发布于 2018-06-25
  • 来自专栏数据派THU

    从神经搜索到多模态应用

    本文约5400字,建议阅读10分钟 从神经搜索到多模态应用,这里的神经搜索指的是在搜索系统中用神经网络模型。 提到神经搜索就必然想到多模态数据,因为神经网络相比于传统搜索方式,其最大的优势就在于可以很方便地对不同模态的数据进行融合。 本文将从以下几个方面进行介绍: 从神经搜索到多模态应用 多模态数据 多模态应用服务 Jina全家桶在DocsQA中的实践 01 从神经搜索到多模态应用 首先看一个典型的多模态数据——新闻,除了文字之外还会有图片的信息 03 多模态应用服务 解决了多模态数据的表示问题之后,下一个挑战是就是如何搭建多模态的应用服务。 第三点就是因为多模态的数据和应用服务往往会涉及很多模块,每个模块对算力的要求差异非常大。

    86620编辑于 2023-03-29
  • 来自专栏菲宇

    Django应用Q方式自己写搜索功能

    3、搜索框入口 <form class="navbar-form navbar-left" action="{% url 'search' %}">

    <button type="submit" class="btn btn-default">搜索 </button> </form> 4、搜索结果模板 <! DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>{{ keyword }}搜索结果</title>

    55820发布于 2019-08-29
领券