- 综合排序
- 最热优先
- 最新优先
- 来自专栏mathor
搜索（4）
用DFS在2D地图上找连通分量的问题 例4 蓝桥杯——全球变暖 题目大意是有一张NxN像素的照片，图片中”#”代表陆地，”.”代表海洋。”上下左右”4连通连成一片的陆地组成一座岛屿。 参数xym表示现在搜索到(x, y)这个像素，并且(x, y)以及后续搜到的与(x, y)连通的像素都属于第m个连通分量 对于(x, y)我们要搜索它的4个邻居像素(x+1, y), (x-1, y 如果(nx, ny)是尚未被标记陆地，就继续从(nx, ny)开始递归搜索下去。 所以样例中一横排4个#和一竖列4个#不算形状相同 我们可以用下面的算法判断两个岛屿是否形状相同。首先我们为每一个陆地像素编号，具体来说i行j列(从0开始计数)的像素(i, j)的编号是i*m+j。 例如上图样例中，(1, 2, 3, 4)与(14, 15, 16, 17)对于编号的差14-1=15-2=16-3=17-4都是13，所以两座岛屿形状相同。
76240发布于 2018-07-04 - 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 </title> <link rel="stylesheet" href="https://v<em>4</em>.bootcss.com/docs/4.6/dist/css/bootstrap.min.css /img/favicons/safari-pinned-tab.svg" color="#563d7c"> <link rel="icon" href="https://v<em>4</em>. > <a class="navbar-brand" href="https://v<em>4</em>.bootcss.com/docs/examples/navbar-static/#">全栈自学社区< 搜索后 ?
73710发布于 2021-02-26 - 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Helloted
Runloop(4):应用
4、事件响应 苹果注册了一个 Source1 (基于 mach port 的) 用来接收系统事件，其回调函数为 __IOHIDEventSystemClientQueueCallback()。 随后苹果注册的那个 Source1 就会触发回调，并调用 _UIApplicationHandleEventQueue() 进行应用内部的分发。 实际上，start 这个函数的内部会会获取 CurrentRunLoop，然后在其中的 DefaultMode 添加了4个 Source0 (即需要手动触发的Source)。
67820编辑于 2022-06-07 - 来自专栏ACM算法日常
搜索专题4 | 旋转棋盘 POJ - 2286
只有一种有效操作，那就是旋转4条线中的一条，每条线有7个格子。旋转操作其实是将6个格子往对应方向移动一格，而最前面的格子会移动到末尾。这样有8种移动方式，每种方式标记为A-H。 IDA*算法则是DFS+迭代加深搜索+估值函数，迭代加深比较容易理解，也就是在搜索过程中记录搜索的深度，如果超过深度就不继续搜索。注意DFS算法基本上都是需要进行回溯还原现场处理的。 比如本题中的旋转操作，每一次旋转，在搜索完成时都会还原这个旋转操作。估值函数在DFS中往往用于剪枝操作，本题中将剩余数字作为估值函数，判断是否需要继续搜索。 0, 2, 6, 11, 15, 20, 22, // A 1, 3, 8, 12, 17, 21, 23, // B 10, 9, 8, 7, 6, 5, 4, , 8, 3, 1, // E 22, 20, 15, 11, 6, 2, 0, // F 13, 14, 15, 16, 17, 18, 19, // G 4,
51910发布于 2019-09-10 - 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、在应用内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 应用上搜索的接口将与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. " /> // 用于显示联想搜索的结果 <TextView android:id="@+id/tv" android:layout_width= Log.d(TAG, "对Complete事件作出响应"); } }); 测试结果 4. 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
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。 4 GSO-图谱搜索优化 如果图谱搜索变得越来越有用那么很有可能人们开始越来越多的使用它，同时意味着一件事：图谱搜索优化的诞生，或者说GSO。 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> 1 4 3 2 <3> 2 1 4 3 <4> 2 3 4 1 <5> 3 2 1 4 <6> 3 4 1 2 6 ---- 【3】模板算法2及其应用（数字拆分问题） 3.1 模板算法2： int 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。 ： <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 4.1 排列问题： 问题描述： 设有 n 个整数的集合 {1, 2,
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 - 来自专栏机器学习入门
挑战程序竞赛系列（4）：2.1深度优先搜索
https://blog.csdn.net/u014688145/article/details/71512925 2.1 深度优先搜索 详细代码可以fork下Github上leetcode AOJ 0033: Ball 4. POJ 3009: Curling 2.0 POJ 1979: Red and Black 水题，直接深度优先搜索即可，代码如下： public class SolutionDay09_P1979 { 思路： DFS穷尽搜索，从起点开始，向四个方向探索，碰到block时，回到上一步，且删除block。 如果不幸，在某个方向后达到终点的步数超过了最小规定的步数，那么剪枝，并且在一步步返回时，进行现场还原，重新让删除的block，变回block，且换个方向继续搜索。
60830发布于 2019-05-26 - 来自专栏萌海无涯
Django学习创建应用（4）
我们接下来就要搭建应用 了！通过 Djaong 编写的每个应用 都是由 Python 包组成的，这些包存放在你的 Python 路径中并且遵循一定的命名规范。 Django 提供了个实用工具可以自动生成一个应用的基本目录架构，因此你可以专注于编写代码而不是去创建目录。 说起来搭建应用 ，这个应用 是干嘛的？ 项目与应用之间有什么不同之处？ 应用是一个提供功能的 Web 应用 – 例如：一个博客系统、一个公共记录的数据库或者一个简单的投票系统。项目是针对一个特定的 Web 网站相关的配置和其应用的组合。一个项目可以包含多个应用。 创建应用： 理解了应用之后我们就可以学习在Django怎么创建应用了！ 注意：运行命令的目录同样需要与 manage.py 同目录。 此目录结构就是投票应用。 目录截图： ?
66130发布于 2019-08-30 - 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>55720发布于 2019-08-29 - 来自专栏NewBeeNLP
深度学习在Airbnb搜索的应用实践
Introduction 最早一版实现的搜索排序是一个人工的打分函数，用GBDT替代人工打分函数使得业务有了airbnb有史以来最大的改善，同时也伴随着许多成功有效的迭代改进。 本文讨论的模型主要是用于对用户预定概率进行建模，对于一个用户，他会进行多次的搜索、点击，一个成功的session以预定一个房间作为结束。 System Engineering 工程Pipeline总结如下： 搜索query打到一个java服务器，然后进行检索和打分 服务器产生log，徐俩画的thrift实例 采用Spark pipeline 也是因为它改变了我们的前进路线，早起我们更关注于特征工程，在采用DL之后，使得我们有精力可以从一个更高层级来看待整个问题，比如是否需要改进我们的优化目标，模型是否能代表所有用户等等，这两年采用NN来做搜索排序
87630发布于 2021-08-20 - 来自专栏张善友的专栏
Compass: 在你的应用中集成搜索功能
驱动力 在许多应用程序中，用户总会提出搜索和查询领域实例的需求。他们或者希望构建一个进入应用程序的入口或者希望填充表单的机制。 很快，大家意识到大部分应用程序需要搜索引擎。所有实体的字段可以像只有一个文件那样被索引，并且是正则文本搜索可以匹配的实体。现在非常流行的搜索引擎之一是Luence。 Lucene是相当不错的搜索引擎，在很多项目中应用成功。它提供了底层的搜索引擎API，能够使用Lucene数据结构（Document/Field）去索引数据，能供使用查询API或搜索引擎在索引上检索。 它允许把应用对象的领域模型映射到搜索引擎。 Compass支持多种XML DOM框架（为XML内容作映射），包括JSE5， dom4j（SAX 和XPP），当然定制的实现也很好做。
1.7K90发布于 2018-01-22 - 来自专栏vivo互联网技术
Searching with Deep Learning 深度学习的搜索应用
searching-deep-learning-eike-dehling/ 目录： 一、Fast Nearest Neighbours 二、Elasticsearch 插件 三、集成工作 四、结论 最近我在帮一个数据科学家同事工程化一个基于深度学习模型的搜索系统 他们的项目是关于在文档嵌入应用深度学习模型，然后使用嵌入向量到我们的搜索系统中来查找相似文档。 不过它不能友好地集成到类似 Elasticsearch 这样的搜索引擎中。 } } ], "boost_mode": "replace" } }, "size": 10 } 四、结论 我们展示了如何应用深度学习向量来实现高效的搜索 这一方法适用于想要寻找相似文档而普通关键词查询不够好的任何应用场景。其中的嵌入向量，可以使用诸如 doc2vec 等来实现。
75230发布于 2019-04-16 - 来自专栏ytkah
微信事业群成立搜索应用部
4月25日消息，微信事业群内部进行了组织架构调整，微信事业群下成立搜索应用部。负责微信的搜索业务、阅读推荐业务、AI技术研究及落地、微信数据平台建设和数据能力的应用。 周颢担任微信事业群搜索应用部负责人，直接向张小龙汇报。腾讯对此向新浪科技回复说，因业务发展需要，微信事业群内部架构作了一些调整，包括在原有的组织人员基础上成立“搜索应用部”。 实际上，微信内部一直有搜索业务来支持平台的发展，也希望通过架构调整将内部的团队作更好的整合，给用户带来更好的搜索体验。 具体而言，搜索应用部包括四个产品中心： 搜索产品中心，在充分运用微信数据能力的基础上，打造微信搜索服务及精准阅读推荐服务，由基础产品部下搜索产品中心整体平移而来。 目前，在微信的搜索页面，可搜索到小程序、公众号、朋友圈以及相关文章，小程序被排在了第一顺位，此前不支持模糊搜索的小程序也已开放相应功能，而搜索业务的进一步推进也将为小程序带来更多线上流量。（谭宵寒）
4.2K40发布于 2018-03-06
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