- 综合排序
- 最热优先
- 最新优先
- 来自专栏胡琦
vue和deno的结晶--vno来了
众所周知，Vue 是一个非常容易上手的 Javascript 框架，具有令人兴奋的生态系统，并具有易用、灵活、高效的特点，Deno 是一个 JavaScript/TypeScript 的运行时，默认使用安全环境执行代码，有着卓越的开发体验，那 Vue 和 Deno 能擦出怎么样的火花？于是社区便有开发者造了 deno 运行时环境中使用 vue 框架的这里轮子-- vno 。
2.3K20发布于 2021-09-09 - 来自专栏博文视点Broadview
集体智慧的结晶：个性化推荐系统
2用户行为建模 基于用户历史行为的进行挖掘分析，得到刻画用户本质需求的一组属性集合，即得到用户模型，个性化推荐的准确性很大程度上依赖于对用户属性刻画的准确性。 用户偏好分析 结合用户历史行为和物品信息，可以得到每种行为下的用户偏好数据，包括偏好的维度及偏好程度，如偏好的物品、品牌、类别、标签等。 ? 比如购买行为比点击行为更能反映用户的偏好，则由购买行为计算得到的偏好数据在合并时赋予的权重要高一些。 ? 要保证各种行为的各个维度的数据具有可比性，需要进行归一化，而且同纬度的要采用相同的归一化方法。 时间维度上的考量 在处理各个维度的偏好数据时，需要考虑用户行为的有价值程度是随时间衰减的，即行为发生时间距当前的时间越近，得到的数据越能表征用户将来的行为。 4结束语 本文从基本的数据处理、构建用户模型到个性化推荐，介绍了一些实践个性化推荐方面的经验。
1.4K30发布于 2020-06-12 如何实行上网行为审计？上网行为审计的4个方法分享，你知道几个？
企业网络管理面临新挑战：员工上班刷短视频、网购、泄露机密文件……这些行为不仅降低工作效率，还可能带来安全风险。如何有效监管上网行为？上网行为审计正是解决这一问题的关键。 本文将分享4个实用方法，助你轻松掌握网络管理技巧。一、为什么需要上网行为审计？ 合理分配带宽，避免网络拥堵二、上网行为审计的4个核心方法方法1：日志记录与分析（基础版）原理：所有网络设备（路由器、防火墙）都会生成访问日志，记录用户访问的网站、时间、IP地址等信息。 所有行为按时间戳归档，支持按人、按时间、按关键词快速检索。 方法4：终端代理控制（灵活版）实现方式：在员工电脑安装代理客户端（如Squid、Nginx）设置白名单制度：仅允许访问工作相关网站结合AD域控实现分组策略管理三、实施审计的3个注意事项合法合规：提前告知员工审计政策
68610编辑于 2025-09-22- 来自专栏从零开始学自动化测试
Cypress学习4-操作页面元素(Actions行为事件)
ui自动化操作页面上的元素，常用的方法就那么几个，输入文本，点击元素，清空文本，点击按钮。 还有一些特殊的checkbox,radio,滚动条等。
1.6K10发布于 2020-05-13 - 来自专栏我和未来有约会
转向行为 - 寻找行为
寻找行为只是把机车移动到指定点。 现在给出寻找行为的一个例子： <UserControl xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation" xmlns:x 100, 100); //myStar.velocity.length = 5; //myStar.velocity.angle = Math.PI / 4; 仅仅是让场景上一个有转向行为的机车在每帧去寻找鼠标。试着改变机车的最大速率和最大力度，或者改变其质量(mass)来感受一 下这些因素对转向行为的影响。 myStar.seek(new Vector2D(mouseX, mouseY)); myStar.update(); 到此，应该已经见识了转向机车如何寻找鼠标或者另一辆机车，当对这些工作有了很好的理解后，我们进入下一个行为
1.5K70发布于 2018-01-16 - 来自专栏我和未来有约会
转向行为 - 追捕行为
对于追捕行为，它非常类似寻找行为。其实追捕的最后一个动作就是调用寻找。追捕的本质是预测目标所要到达的位置并事先赶到。 那么，该如何预测目标的位置呢？ 而实际上，寻找行为就是一个预测时间为零的追捕行为。 一个策略是基于两机车间的距离来判断预测时间。如果目标太远，需要花一段时间才能赶上，就预测长一点，如果很接近，马上就能达到，就预测短一点。 一个是只顾移动的机车，其作为目标，另外两个转向机车，一个用寻找行为，一个用追捕行为。如果一切正常，追捕者靠着优越的算法会胜出。 200, 100); myTarget.velocity.length = 15; myTarget.velocity.angle = Math.PI / 4; 接下来的行为是：躲避。
1.6K100发布于 2018-01-16 - 来自专栏我和未来有约会
转向行为 - 到达行为
到达行为在很多场合都可以被当作是寻找行为。实际上，它们之间的算法和处理方式都一样。唯一不同的是，在到达模式中，一辆机车在到达目标的某一距离时，会变成一种精确模式慢慢地靠近目标点。 为了了解到达行为的必要性，可以先运行一下SeekTest类，然后移动鼠标到某处让机车过来“抓住”它。会看到机车快速的越过了鼠标，接着它发现过头了，又返回来，还是过头了....于是会一直循环下去。 到达行为通过减速接近目标，解决了这个问题： public void arrive(Vector2D target) { Vector2D desiredVelocity 最终速度会趋向于0（假设只有一个行为作用于该机车）。 如果愿意可以再试着玩玩增加多辆机车，或者现在就进入下一个行为：追捕。
1.5K60发布于 2018-01-16 - 来自专栏我和未来有约会
转向行为 - 躲避行为
躲避就是追捕的反行为。就像追捕类似于寻找，躲避类似于避开。 本质上讲，是预测出机车将要去到的位置并远离它。在这里所有的原则都和追捕相同。
1.4K80发布于 2018-01-16 - 来自专栏我和未来有约会
转向行为 - 避开行为
避开行为与寻找行为彻底相反。实际上，除了代码最后一行用相减代替了相加以外，其它都一样。 Vehicle.BOUNCE; myStar.velocity.length = 5; myStar.velocity.angle = Math.PI / 4; 现在我们有了一对正反行为，接下来要做的是为这对行为创建一对机车来看看情况。 我们还可以把两个行为同时用于一辆机车上。下面的例子中，机车A同时寻找和避开机车B，机车B同时寻找和避开机车C，机车C同时的寻找和避开机车A。这三辆机车会因为追捕各自的目标而形成一个圆。 如果这些都没问题了，那就开始探索下一个行为：到达。
1.3K70发布于 2018-01-16 - 来自专栏我和未来有约会
转向行为 - 漫游行为
漫游行为就像它的名字一样，角色在场景中毫无目的的移动。这通常用来模拟巡视和觅食，也有纯粹是为了漫游而漫游的。 漫游行为在实现上不像听起来那么容易。
1.5K80发布于 2018-01-16 - 来自专栏ATYUN订阅号
谷歌大脑研究：AI识别蛋白质结晶，准确率高达94%
谷歌大脑团队的成员今天宣布开发了用于识别蛋白质结晶的深层卷积神经网络，准确率约为94％。蛋白质结晶决定了细胞的形状，可以在发现治疗各种疾病的药物中发挥作用。 MARCO计划是几家制药公司和学术研究中心之间的一个联合项目，旨在汇集和托管大型策划结晶图像库，并将其提供给社区，以帮助开发更好的图像分析工具。
59730发布于 2018-07-27 - 来自专栏全栈程序员必看
姿态估计与行为识别（行为检测、行为分类）的区别
姿态估计和行为识别作为计算机视觉的两个领域，对于新人来说，较为容易弄混姿态估计和行为识别两个概念。 视频中人体行为识别主要分为两个子方向。 共有5个大类的动作：1)人-物交互；2)肢体运动；3)人-人交互；4)弹奏乐器；5)运动。 HMDB51:来源为YouTube视频，共计51类动作，约7000段视频。 常用的行为检测的数据集： THUMOS2014：在行为检测任务中只有20类动作的未分割视频是有序行为片段标注的 MEXaction2：骑马和斗牛 ActivityNet：目前最大的数据集，同时包含分类和检测两个任务 (4)缺乏标注良好的大的数据集 行为识别领域内的重要方法 传统方法——iDT 利用光流场来获取视频序列中的一些轨迹，再沿着轨迹提取HOF、HOG、MBH、trajectory等特征。
3.5K20编辑于 2022-06-24 - 来自专栏智药邦
Chem Rev｜人工智能和机器学习算法在结晶研究中的应用
此外，机器学习使用各种分子描述符作为输入，对控制晶体材料行为的特性（如溶解度和熔点）的计算机预测做出重大贡献。 4 结晶材料及其所得粉末理化性质的分类与预测 晶体材料物理化学性质的分类和预测在早期药物发现中至关重要。 5 预测有机化合物的结晶行为 任何药品的结晶能力和结晶结果与所有上游合成步骤一样重要。 此外，即使使用实验数据进行训练，机器学习应用程序也可能变得过于特定于案例，无法（轻松）转移到不同的项目中，特别是考虑到新开发的药物的官能团和结晶行为的多样性。 在开发和探索不仅涉及溶质或溶剂特征，而且涉及它们之间的相互作用的描述符方面的更多努力，可能是显著改善特性和结晶行为预测的关键。
2.4K20编辑于 2023-02-14 - 来自专栏yeedomliu
《稀缺》第4章 行为经济学告诉我们的道理
第4章 行为经济学告诉我们的道理 1美元的价值，在穷人眼中和富人眼中是不一样的。环境条件会影响富人对1美元的价值判断。当穷人在评估1美元的价值时，会用上大脑中内化的衡量标准，而不会依赖环境进行判断。 人们对货币价值的衡量是相对的，这是行为经济学中的经典结论 请想象你要花一天时间去购物，购物清单中的一样物品是DVD播放机。在一天要结束时，你在一家商店里找到了自己想要的品牌与型号，价格是100美元。 这就是为什么我们会更夏为购买一本20元钱的书去节省4元钱，而不会夏为购买一台1000元钱的冰箱去节省100元的原因 虽然相对性认知是大脑处理信息时的固有特征，但经验与专业技能还是能让我们摆脱这一限制 专业技能 同样 ，时间价格（这样东西的价格相当于4个小时的工作所得）也具有误导性，因为即使你管住自己没有买某样东西，也不会因此少工作几个小时；而即便你买了某样东西，也不会因此多工作几个小时。 关键不在于他们愿意支付价格的高低，而在于他们给出了更加统一的价格 这样我们就掌握了一个秘诀，可以从中找到办法推翻传统行为经济学的结论，也就是那些依赖于从任意局部环境中进行价值分析而得出的结论。
1.1K20发布于 2020-08-04 - 来自专栏全栈程序员必看
行为树
行为树常被用来实现游戏中的AI。每次执行AI ，都会从根节点遍历整个树，父节点执行子节点，子节点执行完后将结果返回父节点。 4 *执行节点（Action）：属于叶子节点，执行动作，一般返回true。 关于更多关于行为树概念上的东西，大家很容易找到相关的资料，这里不再最赘述，主要是通过一个实际的例子来看行为树在AI上的应用。 下面是用行为树表达的方式： 上面的图让我们能很容易指导我们的代码编写，我们需要完成所有的叶子节点，然后将他们按照图示，放到相应的组合节点中去，然后不停的遍历整个行为树。 行为树很适合做AI编辑器，我们定义好一些条件和动作，策划人员通过简单的拖拽和设置即可实现复杂的游戏AI。
1.5K10编辑于 2022-09-19 - 来自专栏体验主义
如何使用“行为模型”做用户行为养成
但如果探究背后的原因是有行为心理学依据的，这就是大家也许熟知的“福格行为模型”。最新的福格行为模型做了什么改动？如何利用行为模型帮用户养成（好的）习惯？ 新“福格行为模型” 旧版福格行为模型 （Fogg's Behavior Model）表述为B=MAT。 其中，让行为变得微小不是放弃行为，而是降低门槛，循序渐进。通过寻找行为的入门步骤或者缩小行为的规模，开始尝试建立信心，逐步达到理想的行为结果和习惯状态是福格行为模型所推崇的方式。 在已有的行为习惯中，寻找合适的“锚点”，与预期希望的行为建立连接，这样的行为习惯养成更加有效，而不是过分依赖人物和情境的外部提醒。 所以，当用户具备一定的动机和能力时，想让用户做出行为，从提示入手进行行为设计是最容易取得效果的。 使用福格行为模型做用户行为养成 首先我们要明确在我们各自的产品中，行动具体指什么。
2.3K10编辑于 2022-01-21 - 来自专栏大数据成长之路
基于flink的电商用户行为数据分析【4】| 恶意登录监控
基于flink的电商用户行为数据分析【3】| 实时流量统计）。本期文章，我们需要学习的是恶意登录监控模块功能的开发过程。 所以我们可以思考一下解决方案： 基本需求 – 用户在短时间内频繁登录失败，有程序恶意攻击的可能 – 同一用户（可以是不同IP）在2秒内连续两次登录失败，需要报警 解决思路 – 将用户的登录失败行为存入
1.3K20发布于 2021-01-27 - 来自专栏Java帮帮-微信公众号-技术文章全总结
spring的4种事务特性，5种隔离级别，7种传播行为
事务特性（4种）: 原子性 （atomicity）:强调事务的不可分割. 一致性 （consistency）:事务的执行的前后数据的完整性保持一致. 事务的传播行为 PROPAGION_XXX :事务的传播行为 * 保证同一个事务中 PROPAGATION_REQUIRED 支持当前事务，如果不存在 就新建一个(默认) PROPAGATION_SUPPORTS
64130发布于 2018-08-16 - 来自专栏跟着飞哥学编程(全栈联盟社区)
【设计模式】行为型模式-第 3 章第 4 讲【迭代器模式】
目录 前言 1、意图 2、实现 3、使用场景 4、迭代器模式的优缺点 ---- 前言 迭代器模式（Iterator Pattern）是 Java 和 .Net 编程环境中非常常用的设计模式。 4、迭代器模式的优缺点 优点 1、它支持以不同的方式遍历一个聚合对象。 2、迭代器简化了聚合类。 3、在同一个聚合上可以有多个遍历。 4、在迭代器模式中，增加新的聚合类和迭代器类都很方便，无须修改原有代码。
31630编辑于 2022-11-16 - 来自专栏开源
用户行为分析入门：行为事件分析指标解读
我们需要借助更具洞察力的行为事件分析指标来追踪用户在产品内的关键行为，进而分析业务效果、用户转化等情况。什么是行为事件分析指标？ 定义：围绕用户的实际操作行为（点击、提交、跳出、转化等）进行分析特点：颗粒度细、紧贴业务流程、支持分层与转化分析行为事件分析是用户行为数据“从表象到动因”的跃迁。 基础指标 VS 行为事件指标，有什么区别？常见通用的行为事件分析指标进一步利用好分析指标当我们获得了行为分析的结果就可以：理解用户行为 → 优化产品和运营决策 → 提升业务指标。1. 追踪关键用户行为了解用户是否完成了关键操作，例如下单、注册、分享、提交表单等。精准定义「转化」行为，识别转化路径中的关键节点。2. 分析行为路径与流程瓶颈还原用户操作路径，识别在哪一步骤用户流失最多。 4. 衡量活动与运营效果分析活动页面的点击率、参与率、分享率等。判断活动是否吸引了目标用户并达成预期目标。5. 做用户分群与标签体系根据用户行为频次、功能使用、活跃度等划分用户（如高活跃、沉默用户）。
46810编辑于 2025-08-06
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