- 综合排序
- 最热优先
- 最新优先
- 来自专栏分布式｜微服务｜性能优化｜并发编程｜源码分析
8.索引数据路由规则
索引路由规则 在 Elasticsearch 中，索引路由规则用于控制文档如何被分配到不同的分片(shard)上。索引路由规则是通过指定文档的某个字段值来决定文档应该被路由到哪个分片。 路由计算一般有三种规计算规则 默认规则 shared_num = hash(_routing) % num_primary_shards 此时_routing = _id 指定routing shared_num
38420编辑于 2023-10-10 - 来自专栏Python爬虫与算法进阶
PEP8规则及Pycharm应用
PEP8 PEP是 Python Enhancement Proposal 的缩写，翻译过来就是 Python增强建议书 PEP8 是什么呢，简单说就是一种编码规范，是为了让代码“更好看”，更容易被阅读 具体有这些规范，参考 PEP 8 -- Style Guide for Python Code For example Yes: import os import sys No: import 之前招聘爬虫工程师，会PEP8也会加分，所以学习下PEP8还是有帮助的。 Pycharm 设置 PyCharm 配置 PEP 8 代码提示 直接在右下角调整 Highlighting Level 为 Inspections 就能自动 PEP 8提示 (一般默认就是这个) ? 鼠标移到上方会提示： PEP 8: expected 2 blank lines, found 1，我们再增加一个空格就好了，你的代码中有任何不符合 PEP8 规范的地方都会有“~~~~~”提示 ?
1.8K51发布于 2018-04-04 - 来自专栏机器学习与python集中营
【语料库】中文公开聊天语料库
该库搜集了包含 chatterbot 豆瓣多轮 PTT八卦语料 青云语料 电视剧对白语料 贴吧论坛回帖语料 微博语料 小黄鸡语料 共8个公开闲聊常用语料和短信，白鹭时代问答等语料。 并对8个常见语料的数据进行了统一化规整和处理，达到直接可以粗略使用的目的。 使用该项目，即可对所有的聊天语料进行一次性的处理和统一下载，不需要到处自己去搜集下载和分别处理各种不同的格式。 注意 以下所有语料都已经统一下载好，存在 https://pan.baidu.com/s/1szmNZQrwh9y994uO8DFL_A 提取码：f2ex 中。 /fateleak/dgk_lost_conv tieba（贴吧论坛回帖语料） https://pan.baidu.com/s/1mUknfwy1nhSM7XzH8xi7gQ 密码:i4si weibo 下载语料 https://pan.baidu.com/s/1szmNZQrwh9y994uO8DFL_A 提取码：f2ex 将解压后的raw_chat_corpus文件夹放到当前目录下 目录结构为
9.9K50发布于 2019-05-29 - 来自专栏张俊红
8 条数据可视化配色规则
— 规则4 — 对数据项进行归类 虽然使用不同的颜色可以帮助区分不同的数据点，但一张图表最多只能包含6-8个不同的颜色类别，以便每个类别都容易区分。 前15个国家/地区服务的卫星 如果可视化中需要6-8种以上的不同颜色(色调)，可以合并某些类别或浏览其他图表类型。 — 规则6 — 不使用顺序配色方案的场景 为了使顺序调色板的颜色细微差别很明显，这些颜色必须相邻放置，如下图所示。 — 规则7 — 选择合适的背景 物体的感知颜色不仅取决于物体本身的颜色，还取决于其背景。 — 规则8 — 不是每个人都能看到所有的颜色 大约10%的世界人口是色盲，为了让每个人都能获得彩色信息图表，避免使用红色和绿色的组合。
1.7K30编辑于 2023-03-21 - 来自专栏WindCoder
高效软件生产的8条规则
规则3：使用持久存储作为人类记忆的延伸 人类的记忆虽然惊人，但具有极限。你靠不可预测的准确性与持久性记忆事情，当你忘记的时候，将没有办法随意回忆它们。 规则4：在正式时间估计上停止浪费时间 没有两个项目是一样的。下一次你做类似的项目时，你会有不同的客户，不同的目标，不同的团队; 甚至可能是不同的技术。 假设这是正确的，应该明白，该项目在平均8个月的时间内将有50％的机会。 了解统计预测有如此令人难以置信的效果。一个聪明的经理只会对这样一个项目进行十二个月的估计，然后尽早完成这个项目。 规则6：使用架构评估作为改进系统设计的一种方式 T行业的运作理念是“设计过度”和“设计不足”。当它在会谈中出现时，每个人都说过度设计是不好的。 规则8：重视团队合作 关于团队合作的信息，与上述任何一个主题有关。每个人都知道团队合作更好，但如何建立和维护团队依然是一个谜。
66120发布于 2018-09-20 - 来自专栏明天依旧可好的专栏
原始语料库
第一步： 判断数据中是否存在重复数据 创建python文件– 代码框架 ''' author: kzb time: 2018-12-10 ''' import pandas as pd import os,csv dataPath = os.path.join("音译原始数据.csv") def import_data(dataPath): ''' 导入文件中的数据 return:dataFrame ''' pass def find_En_Cn_excess(dataFrame
1K30发布于 2019-01-22 - 来自专栏全栈程序员必看
UTF-8编码规则_库德巴码编码规则字符编码笔记：ASCII，Unicode和UTF-8
UTF-8编码规则（转） UTF-8是Unicode的一种实现方式，也就是它的字节结构有特殊要求，所以我们说一个汉 字的范围是0X4E00到0x9FA5，是指unicode值，至于放在utf- UTF-8是一种变长字节编码方式。 UTF-8的编码规则很简单，只有二条： 1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。 下表总结了编码规则，字母x表示可用编码的位。 4）UTF-8：编码是六个字节“EF BB BF E4 B8 A5”，前三个字节“EF BB BF”表示这是UTF-8编码，后三个“E4B8A5”就是“严”的具体编码，它的存储顺序与编码顺序是一致的。
4.2K40编辑于 2022-09-20 - 来自专栏机器学习AI算法工程
文本分类中语料库的获取——搜狗语料库
这次主要总结搜过语料库的获取，因为老师要求20万数据，而我自己只爬了2万多，所以用到了搜狗的语料库. 程序如下： [python] # -*- encoding:utf-8 -*- import os from xml.dom import minidom from urlparse import urlparse import codecs # import importlib,sys # default_encoding = 'utf-8' # if sys.getdefaultencoding url.hostname])) + 1),"w") fp_in.write((claimtext[index].firstChild.data).encode('utf8'
3.3K80发布于 2018-03-14 AI语料库智慧教学平台：用AI技术解锁语料教学新生态
传统语料教学中“资源零散难筛选、用法讲解不直观、练习反馈不及时”是长期痛点——教师要花大量时间整理语料、学生面对海量素材不知如何下手，很难实现“精准学、高效练”。 而AI语料库智慧教学平台的出现，凭借前沿AI技术，把“智能语料导师”搬进课堂，让语料教学更精准、互动、可落地，彻底重构语言学习逻辑。核心技术之一是NLP语义检索与解析技术，这是平台的“语料导航大脑”。 、语法规则，甚至标注语用禁忌。 不同于普通语料库的关键词匹配，平台的AI模型经过多语种、多场景语料训练，能理解“同义替换”“场景延伸”需求，比如搜索“道歉表达”会自动关联日常、商务、学术等不同语境的语料。 AI语料库智慧教学平台用NLP、大数据分析等核心技术，让语料资源“活”了起来，破解了传统语料教学的效率低、匹配差、互动弱等问题。
45110编辑于 2025-10-29语料智能·知识无界：AI 多功能语料库检索平台重塑语言研究新范式
语言研究进入智能检索新时代在全球化和数字人文研究蓬勃发展的背景下，传统语料库检索系统面临检索维度单一、多模态语料支持不足、深层语义关联缺失等核心挑战。 -检索-分析"四层技术架构：多模态语料处理引擎实现文本、语音、图像的统一表征学习；深度语义检索模型支持基于意图理解的智能检索；知识图谱关联系统构建语料间的语义网络；可视化分析平台提供丰富的语料数据洞察能力 功能模块对比与效能提升功能模块传统检索系统AI 语料库平台效能提升幅度语义检索关键词精确匹配深度语义理解与扩展检索召回率提升至 95.3%多模态检索各模态独立检索跨模态统一检索检索效率提升 8 倍语境分析孤立片段展示完整语境还原与可视化语境理解深度提升 数据安全与版权保护体系针对语料资源的版权敏感性，建立全方位保护机制：访问权限控制实现分级分权的语料访问；数字水印技术保护语料版权；操作日志审计追踪所有检索行为；数据脱敏处理在保护隐私的前提下开放研究。 、不断进化的新一代语料库研究基础设施。
46610编辑于 2025-10-30- 来自专栏CPS推广奖励
22年8月推广大使额外奖励规则
【重要风控规则说明】推广大使应在腾讯云推广许可范围内，使用正当的手段方式进行推广，不应进行任何欺骗或虚假性质的推广行为，包括但不限于：1、与其他推广大使、或被推广客户相互串通，弄虚作假，恶意刷单，骗取活动奖励 图片 二、8月拉新额外梯度现金奖励持续进行1、活动时间：2022年8月1日-2022年8月31日2、活动对象：腾讯云官网个人实名认证用户3、活动内容8月1日至8月31日期间，邀新可额外获最高3.5万元现金奖励 三、返佣规则8月更新1、新增CVM返佣产品8月1日-8月31日期间，推广推广大使专属活动页【买赠专区】CVM，及【主推专区】GPU服务器均可得返佣；即【买赠专区】与【主推专区】CVM不受5折以上返佣限制 点击查看返佣产品明细图片----附 7月重要规则调整回顾1、积分规则调整5星推广者积分调整为过去3个月总积分≥301分（原1001分），则可维持/升级5星会员，星级在7月月结（8月10日）生效，其它星级的积分保持不变 图片2、返佣产品规则调整7月1日0点起，轻量应用服务器不受折扣率限制，即推广轻量应用服务器任一折扣率产品均可得返佣。
15.4K120编辑于 2022-11-10 - 来自专栏SEO
「知识」8个改变游戏规则的SEO趋势
新的一年，在SEO中，将有哪些新的规则趋势需要我们去了解？ — — 及时当勉励，岁月不待人。 8个改变游戏规则的SEO趋势 时本文总计约2000个字左右，需要花 8 分钟以上仔细阅读。 虽然有这么多因素，但我们真正了解的却没有多少，这使得它非常具有挑战性，这也是游戏规则的不断变化的本质。 8、日益个性化的SERP 个性化的搜索结果不仅仅是基于传统的排名因素，还有关于用户的信息（例如他们的位置，搜索历史或兴趣）。 Google，Bing和Yahoo都以多种方式个性化他们的搜索结果。
87570发布于 2018-05-17 - 来自专栏JasonhavenDai
人民日报标注语料库（PFR）1.标记说明2.格式说明3.例子4.生语料库和熟语料库5.其他语料库汇总
PFR语料库是对人民日报1998年上半年的纯文本语料进行了词语切分和词性标注制作而成的，严格按照人民日报的日期、版序、文章顺序编排的。 ，文件中每一行代表一自然段或者一个标题，一篇文章有若干个自然段，因此在语料中一篇文章是由多行组成的。 语料中除了词性标记以外，还有“短语标记”，这种情况一般出现在机构团体名称、成语等情况中。 /w 4.生语料库和熟语料库 语料库中存放的是在语言的实际使用中真实出现过的语言材料，语料库是以电子计算机为载体承载语言知识的基础资源，真实语料需要经过加工 、分析和处理之后才能成为可用的语料库 生语料库是指收集之后未加工的预料库 相对而言，熟语料库就是经过加工的 5.其他语料库汇总 http://blog.csdn.net/qq
6K80发布于 2018-04-11 - 来自专栏探索RPA
高质量实施RPA需要遵循的8大规则
这就要在具体的RPA机器人开发过程中遵循8大规则。 规则1：增强个人能力 RPA开发者需要多学、多用、多练，增强个人开发技能的同时增长开发经验，成为能独当一面的开发专家。 规则2：制定编码规范 编码规范体现出一个RPA开发者的基本素质，良好的编码规范可以提高团队编码的效率,避免很多不必要的问题。 1、命名规范。 规则7：重视测试环节 测试是RPA项目上线之前最关键的一个环节。完整、系统的测试有利于验证开发结果，覆盖业务场景和业务规则，规避潜在的功能性的或者业务性的风险，保障项目的正常上线。 规则8：形成部署规范 完善的部署规范可以避免在进行环境转换时出现低级错误。RPA项目基本都存在3种环境：开发环境，测试环境和正式环境。 总之，只有通过遵守开发规则和不断地完善这些规则，才能提高RPA开发效率，缩短开发周期，减少出错机率，促进团队合作和降低维护成本，进而在最短的时间内，花最少的钱，高质量地完成RPA项目。
77330发布于 2019-10-12 - 来自专栏茹莱神兽博客
网站URL规范化设计的8个命名规则
基于以上原则，SEO在URL规范化设计时，应当遵守8个命名规则。 8、目录还是文件形式 目录形式的URL在更换程序时，URL不需要重写；文件形式的URL更换程序之后，文件扩展名可能会有所变化，URL重写可以便面。
2.4K00编辑于 2024-10-09 - 来自专栏猫头虎博客专区
猫头虎解析：MySQL 8 密码规则的特殊要求
猫头虎解析：MySQL 8 密码规则的特殊要求 摘要： 在本篇博客中，猫头虎博主将深入探索MySQL 8中密码规则的特殊要求。 引言： MySQL 8引入了一系列密码安全性增强措施，包括更新的密码认证机制和密码策略。了解这些密码规则对于维护数据库的安全性至关重要。 正文： MySQL 8密码规则概览 MySQL 8加强了密码安全性，引入了密码策略来确保用户密码的复杂性和安全性。 密码验证插件 MySQL 8使用caching_sha2_password作为默认的密码验证插件，提供了更高的安全性。 密码复杂性要求 长度：密码通常需要至少8个字符长。 性能考量：更强的密码规则可能会轻微影响认证性能。 安全最佳实践：定期更新密码，避免使用过于简单的密码。 总结 了解并应用MySQL 8的密码规则是确保数据库安全的重要步骤。
1.5K10编辑于 2024-04-07 - 来自专栏智能大数据分析
数据仓库作业五：第8章 关联规则挖掘
第8章 关联规则挖掘 作业题 1、设4-项集 X=\{a,b,c,d\} ，试求出由 X 导出的所有关联规则。 解： 首先生成项集的所有非空真子集。 c\}\Rightarrow\{d\},\{a,b,d\}\Rightarrow\{c\},\{a,c,d\}\Rightarrow\{b\},\{b,c,d\}\Rightarrow\{a\} 这些规则代表了项集导出的所有可能的关联规则 3、对如表1所示的交易数据库，令MinC=0.6，试在习题2所得频繁项集的基础上，求出所有的强关联规则。 t_8 t8 c 5、对如表2所示的交易数据库，令MinC=0.6，试在习题4所得频繁项集的基础上，求出所有的强关联规则。
31500编辑于 2025-01-22 - 来自专栏AI机器学习与深度学习算法
实战语言模型~语料词典的生成
全文字数：2666字 阅读时间：8分钟 前言 由于在公众号上文本字数太长可能会影响阅读体验，因此过于长的文章，我会使用"[L1]"来进行分段。 r"\d") normalize_digits = True counter = collections.Counter() with codecs.open(RAW_DATA,'r','utf-8' sorted list iterable：是可迭代类型; cmp：用于比较的函数，比较什么由key决定; key：用列表元素的某个属性或函数进行作为关键字，有默认值，迭代集合中的一项; reverse：排序规则 ) fout = codecs.open(OUTPUT_DATA,'w',"utf-8") for line in fin: #读取单词并添加<go>以及<eos> words = [' fin.close() fout.close() ▲处理后的结果 对valid以及test样本同理使train中的方法即可： ▲数据处理以及处理后的结构 大致流程： 构建词汇表 需要在训练样本中统计语料中出现的单词
1.6K00发布于 2020-06-01 - 来自专栏AI科技评论
Facebook开源最大规模并行语料，45亿语料，覆盖576种语言对，或成为NMT评估标准
首先，从语料来源上讲。 目前有几个公共的多语言并行语料库，主要来自一些国际会议（如European Parliament 、the United Nations）的语料，这些都是专业的人工翻译语料，使用语言较为正式，且仅限于政治主题 为了使并行语料库量大、覆盖主题广泛，Facebook在CCMatrix这项工作中，选择使用了随机抓取web中的数据作为并行语料的来源，他们每个月随机发送url，从而获得包含各种语言的网页快照（TB级）。 在当前版本的CCMatrix语料库中，作者限制为38种语言。 （编者注：这是11月份数据，当时数据集规模为35亿并行语料，下同） CCMatrix：每种语言对的并行语料数量(单位：百万)，Margin阈值为1.06。
53010发布于 2020-02-21 - 来自专栏深入浅出Java
掌握8条方法设计规则，设计优雅健壮的Java方法
掌握8条方法设计规则，设计优雅健壮的Java方法一个良好的方法设计可以提高代码的可读性、可维护性和可扩展性，而糟糕的方法设计则可能导致代码难以理解和修改本文基于 Effective Java 方法章节总结 8条设计方法的规则，帮助开发者更好进行方法设计检查参数的有效性为了防止错误发生，方法中一般会对参数进行校验，比如ArrayList的构造和添加方法传入容量为负数会抛出非法参数异常IllegalArgumentExceptionpublic ，而返回null会导致调用方未判空从而出现空指针异常当然调用方也可以规范使用空集合判空工具类如CollectionUtils.isNotEmpty()谨慎使用OptionalOptional作为JDK8中提供处理非空判断的
53921编辑于 2024-07-30
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