- 综合排序
- 最热优先
- 最新优先
- 来自专栏AKSGEO优化
最新GEOAI搜索落地应用指南：看完能用，日常出行和城市服务场景全解析
这些看似与科技无关的日常痛点，其实都可以通过GEOAI搜索找到答案。本文将从真实案例出发，带你避开认知误区，手把手教你如何利用GEOAI搜索优化日常出行和城市服务体验，并提供可落地的实操指南。 行业认知误区与避坑指南误区一：GEOAI搜索 = 高级版地图导航很多人误以为GEOAI搜索只是地图软件的升级版。 避坑建议：别只关注路线规划，尝试用GEOAI搜索查询“当前城市内涝风险点”或“周边教育资源分布”，你会打开新世界。误区二：GEOAI搜索只适合专业人士常见认知是技术门槛高，普通人用不上。 分模块解决方案：让GEOAI搜索为你所用H2：日常出行场景——从“找路”到“预见路”H3：实时流量预测与动态绕行核心数据：交通部2024年数据显示，GEOAI搜索可整合历史路况、天气、活动事件，提前15 旅行爱好者可设置“山区滑坡风险提醒”，利用GEOAI搜索获取地质板块活跃度报告。
7010编辑于 2026-04-30 - 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。
64840发布于 2018-07-04 - 来自专栏AKSGEO优化
AI 搜索时代陕西 GEOAI 优化排名公司，用专业 GEO 优化重塑商家获客逻辑
AKSGEO 驱动 GEO 优化：让本地品牌抢占 AI 搜索核心入口简介：AI 搜索重构本地商业获客规则，GEO 优化成为企业数字化必选项。 AKSGEO 依托腾讯云生态能力，融合 E-E-A-T 权威信源建设与地理信息精准优化，为餐饮、制造、本地服务等行业打造 AI 信任体系，实现搜索曝光与客流转化双增长。 GEO 全链路优化：精准地理定位 + 同城获客闭环地理信息标准化：统一全平台 POI 数据，提升收录准确率区域关键词优化：匹配 “城市 + 区县 + 行业 + 需求” 精准搜索意图同城流量运营：短视频、 案例 2：专精特新制造企业优化后 45 天，区域行业 AI 搜索稳居前三，咨询量增长 55%，B 端客户显著提升。 腾讯云开发者社区将持续沉淀 AI 搜索、GEO 优化、本地数字化最佳实践，助力更多企业赢在 AI 时代。
7610编辑于 2026-04-30 - 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,
44510发布于 2019-09-10 - 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。
49530发布于 2019-05-26 - 来自专栏全栈程序员必看
全局路径规划：图搜索算法介绍4(RRTRRT*)
，一直打到停止搜索的标准，比如x_new与终点的距离小于某个极小的epsilon。 另外一个，在搜索最近的x_near的时候，我们可以使用KD tree来加速搜索： 具体看一下(https://blog.csdn.net/junshen1314/article/details 接下里，我们有一些对RRT的优化方法： 第一种方法就是双向RRT， 意思就是从起点和终点同时搜索，一直到两棵树交汇 下图中可以看到，起点和终点同时生成树进行搜索。 3),obs(4)]; D3 = [obs(3),obs(2)]; C4 = [obs(3),obs(4)]; D4 = [obs(1),obs(4)]; % Check if path from n1 = ccw(A,C4,D4) ~= ccw(B,C4,D4) && ccw(A,B,C4) ~= ccw(A,B,D4); if ints1==0 && ints2==0 && ints3==0 &&
1.8K41编辑于 2022-11-18 - 来自专栏后场技术
推荐4款堪比Google的搜索网站
Bird.so，技术问题的搜索结果来自对Stack Overflow的镜像和对谷歌搜索、雅虎搜索、必应搜索的聚合，还有其他各类技术网站的聚合，非常喜欢这个网站，作为技术人员的我，非常喜欢这种清新淡雅、小众而生的感觉 No.3 MEZW ( https://so.mezw.com/ ) MEZW搜索是一家聚合搜索引擎网站，致力于为用户提供准确、干净的网页内容搜索服务，我们的搜索结果来自海内外不同内容渠道的聚合，登录帐号后您还可以设置屏蔽掉任何不希望看到的网站 ，搜索结果与谷歌无异，而且访问迅速，界面简洁，十分好用。 No.4 小红伞 （ search.avira.com ） Avira，是世界著名的杀毒软件，中文名：小红伞，来自德国，搜索引擎基于ASK，虽然搜索结果相较较前面的推荐有差异，但相对准确比国内的良心很多 总结 如上四款搜索引擎我经常使用的是Bird.so,而且访问速度杠杠的，搜索技术问题也比较精准。
7.9K40发布于 2020-09-03 - 来自专栏流川疯编写程序的艺术
大数据ETL实践探索（4）---- 搜索神器Elastic search
- python 与oracle数据库导入导出 2.大数据ETL实践探索（2）---- python 与aws 交互 3.大数据ETL实践探索（3）---- pyspark 之大数据ETL利器 4. 大数据ETL实践探索（4）---- 之 搜索神器elastic search 5.使用python对数据库，云平台，oracle，aws，es导入导出实战 6.aws ec2 配置ftp----使用
1.4K30发布于 2019-01-18 2025年国内GEO优化服务商深度解析：技术实力、市场格局与未来趋势
：排名服务商名称核心技术特点优势领域典型客户案例亮点1加搜科技GEOAI+算法全链路闭环、12语种支持全行业覆盖、国内+跨境一体化AI搜索引用率提升62%，获客成本降低52%2百*智能云GEO百*生态深度集成 、知识图谱优化国内市场、百*系平台医疗企业百*问答曝光提升40%3阿*全球搜索优化电商搜索优化、多语言本地化跨境电商、独立站跨境电商业绩增长35%4腾*GEO服务社交内容优化、视频搜索适配内容平台、社交媒体教育机构抖音搜索流量翻倍 以下指南帮助企业做出明智决策： 选择矩阵：按企业类型与目标市场企业类型主要目标市场推荐服务商关键考量因素科技/B2B企业国内市场加搜科技GEOAI搜索引用率、技术文档优化能力跨境电商北美/欧洲/东南亚加搜科技 GEO优化必须在效果与合规间取得平衡：区域合规适配：针对GDPR、中国个人信息保护法等设计不同优化策略透明度提升：向客户清晰展示数据来源和使用方式伦理AI应用：避免操纵性优化手段，注重用户体验真实提升4. 根据项目复杂度和目标平台不同，GEO优化见效时间有所差异：AI搜索优化：4-8周可见初步效果传统搜索引擎：8-12周稳定性提升跨境多语种优化：12-16周实现持续增长❓ GEO优化服务的主要收费模式有哪些
1.1K10编辑于 2025-11-05- 来自专栏AI科技评论
EMNLP 2019 | 4块GPU搜索1天，神经网络搜索性能还能再改进吗？
研究人员在2016年提出了神经网络的结构搜索（NAS），旨在从海量的神经网络结构中通过搜索的方式得到一个最优的网络结构。如果采用随机搜索的策略，搜索代价极高。 为此，人们提出了不同的搜索策略来指导网络结构搜索。其中，最成功的策略当属强化学习和演化算法，在图像领域都得到了优秀的网络结构。但这些搜索方法需要的计算资源仍不是普通的研究机构可以负担起的。 例如在图像识别任务CIFAR-10上搜索到一个性能优秀的结构需要使用450块GPU搜索3-4天。 该方法极大提高了网络结构搜索的效率。将上述任务的时间缩短至4块GPU 搜索1天。 可微分的网络结构搜索方法将待搜索的单元定义成一个有向无环图。每两个节点之间有多条边相连，每条边代表不同函数操作。 总结 本文对可微分的网络结构搜索方法进行改进，移除了原方法中归一化操作的局部限制。提高了结构搜索的效率和稳定性，在语言模型任务和命名实体识别任务上搜索到多个优秀的网络结构。
50710发布于 2019-11-26 - 来自专栏罗超频道
4G来了搜索怎么办？问百度
试用了几天我认为百度移动5.0是对百度移动时代具有关键作用，成则与微信占据中国移动互联网双强引领下一个十年；否则将成为移动老二，沦落到阿里移动一样的困境状态也不是没可能，就算它有4亿用户，以及拥有其他13 4G时代，搜索的危和机。 2013年底中国4G正式发牌，一切都在进入4G时代，搜索引擎自然也不例外。 4G时代最重要的莫过于大幅提升的网络速度和质量。 由于手机是属于个人的永远在线难以分离的设备，因此，搜索也将与个人特质、数据记录紧密联系。 所有这些不同在4G时代将变得尤为突出，还是因为网络。 手机百度进入5.0时代，这是百度在4G时代的顺势而为，更是决定百度移动未来的关键版本。李彦宏在去年说移动搜索技很像1999年的PC搜索。大家对落后技术的容忍度很高，移动搜索平均响应时间2.9秒。 现在这个时间缩短到1.305秒，随着4G的普及还会大幅缩短。 搜索时间的变化，反映的是移动搜索技术瓶颈正在不断被突破，这也是百度必须要做的事情。
72460发布于 2018-04-28 - 来自专栏周小末天天开心
【趣学算法】Day4 分治算法——二分搜索
该篇文章收录专栏—趣学算法 目录 引入 分治算法要素 分治算法秘籍 二分搜索 算法题目 问题分析 算法步骤 完美图解 算法详解 算法分析 （1）时间复杂度： （2）空间复杂度： ---- 引入 问题分析 从问题描述看，如果是n个数，那么最坏的情况需要猜分搜索n次才能成功。其实完全没必要一个数一个数地猜，因为这些数是有序的。可以使用二分搜索策略，每次和中间的元素做比较。 (3) 如果low ≤ high, 转向步骤(4)， 否则算法结束。 (4)如果 x = S[middle] , 则查找成功，算法结束。 (4) 计算 middle = (low+high) / 2 = 2，如下图所示。 (5) 将x 与 S[middle]做比较。 如果x > S[middle]，则令low = middle+1,在后半部分搜索；否则令high = middle -1, 在前半部分搜索。
42620编辑于 2022-11-12 - 来自专栏函数式编程语言及工具
search（10）- elastic4s-multi_match：多字段全文搜索
在全文搜索中我们常常会在多个字段中匹配同一个查询条件或者在不同的字段中匹配不同的条件。 全文搜索会产生匹配度评分。boolQuery采取的评分策略是：符合条件的语句越多，评分就越高。如果查询结果按评分倒排序的话，那么排在最前面的就是最有可能的结果了。 那么第一个版本的搜索请求如下： GET /books/_search { "query": { "multi_match": { "query": "和平与战争 托斯泰 人民出版社 elastic4示例如下： val qMultiMatch = search("books").query( multiMatchQuery("和平与战争 托斯泰 人民出版社")
71410发布于 2020-05-18 - 来自专栏CSDN技术头条
开源搜索和分析引擎Elasticsearche在Bay的性能优化实践，单集群日搜索请求超4亿
摘要：Elasticsearch是基于Apache Lucene的开源搜索和分析引擎，允许用户以近乎实时的方式存储，搜索和分析数据。 Elasticsearch是基于Apache Lucene的开源搜索和分析引擎，允许用户以近乎实时的方式存储，搜索和分析数据。 挑战 迄今为止所观察到的Pronto / Elasticsearch使用案例面临的挑战包括： 高吞吐量：一些集群每天摄取高达5TB的数据，一些集群每天的搜索请求超过4亿。 相比之下，像UUID-4这样的ID本质上仍旧是随机的，它提供了较差的压缩比，并降低了Lucene的速度。 调优搜索性能 使用Elasticsearch的主要原因是其支持通过数据进行搜索。 Elasticsearch可以在主分片或副本分片上执行搜索。拥有的副本越多，搜索中涉及的节点就越多。 ? 性能和副本数量之间的关系 从上图可以看出，搜索吞吐量几乎与副本数量成线性关系。
2.5K80发布于 2018-02-06 - 来自专栏量子位
GPT-4被曝进入微软必应搜索，几周内完成
丰色 发自 凹非寺 量子位 | 公众号 QbitAI 微软将在未来几周内就把ChatGPT整合进必应搜索。 且是最新的GPT-4版本。 不少观点表示，此举可能让互联网搜索领域形成新的竞争格局，必应搜索有望对谷歌“老大哥”的位置发起一番挑战。 看到ChatGPT的巨大潜力之后，微软在上个月就已经表示要将ChatGPT的能力整合到必应搜索里。 这次是确定了大概时间，以及采用的是GPT-4版本（该版本还未公开发布）。 （当然也有说法是想让用户付费，付费后就能快起来） 好消息就是，“响应查询快”将成为GPT-4最大的特点。 另外，事实上，谷歌确实也不得不采取行动，因为他们的搜索业务已经出现了增长放缓的情况： 2022年仅比上年增长4%，增速已经比不上广告业务了。
66230编辑于 2023-02-23 - 来自专栏chenjx85的技术专栏
超参数搜索——网格搜索和随机搜索
我们在搜索超参数的时候，如果超参数个数较少（三四个或者更少），那么我们可以采用网格搜素，一种穷尽式的搜索方法。 但是当超参数个数比较多的时候，我们仍然采用网格搜索，那么搜索所需时间将会指数级上升。 比如我们有四个超参数，每个范围都是[10,100]，那么我们所需的搜索次数是10*10*10*10=10^4。 如果再增加一个超参数，那么所需的搜索次数是10^5，搜索时间指数级上升。 所以出现了这样的做法，网格搜索，但是网格取稀疏一点，比如上面例子中的[10,100]，我们就去10,30,50,70,90这几个数，降低一下搜索次数。 所以又有人提出了随机搜索的方法，随机在超参数空间中搜索几十几百个点，其中就有可能会有比较小的值。 这种做法比上面稀疏化网格的做法快，而且实验证明，随机搜索法结果比稀疏化网格法稍好。 这样可以保证我们找到一个局部最小值点，结果可能会比随机搜索稍好一点。 当然，如果随机搜索直接得到更好的局部最小值，甚至全局最小值，那么……只能说你的运气爆表了。
3.3K30发布于 2018-08-16 视觉搜索和Neo4j的最后一公里
我们将利用Neo4j 2.0 的特有的优势功能来完成这项工作，因此请务必阅读关于Neo4j的上一篇文章(Neo4j 2.0 is coming)。 VisualSearch.js增强了能够自动完成分面搜索查询的普通搜索框。可选项很容易自定义并且还有注释说明。你可以在下面的图片中看到它的作用，或者点击它来试着让其演示。 1visualsearch.gif 我们之前已经制作了一个Neo4j 2.0图表，其中包括了所有与电影相关的演员，导演，制作人，编剧和观众。 cypher ) [ "data" ] . collect { | x | x . first . to_s } . compact . flatten . to_json end 现在我们可以在我们的搜索框中看到一些值 返回一条消息告诉我们： You searched for: Actor.name: “Zach Grenier”. (1 node) 搜索栏在后面显示下一组标签用以下一步查询... screen-shot
3.4K30发布于 2018-06-05- 来自专栏攻城狮与产品喵
【DEDE搜索】dede搜索框搜索指定栏目文章
cms常用的参数标签汇总、以及操作过程中的一些bug问题解决方法，dede网站二开，以下龙腾飞网络科技-小吴在建站实操中笔记记录，织梦dede建站教程保存使用非常方便： 【DEDE建站教程】 dede搜索框搜索指定栏目文章 当产品信息达到一定量时就会用到搜索来方便用户查询。可是dedecms模板没有这个功能。只有全站和google搜索。 而我们要的只是搜索指定的几个栏目。如我只要用户搜索我的产品。这是企业最想要的。 因为要满足某些条件，需要对dedecms网站搜索进行修改，只搜索指定栏目文章的方法： 第一步：找到 /include/arc.searchview.class.php 文件,大约在300行和470行左右有两个 cquery = "Select * From `dede_archives` arc where arc.typeid not in （1,2,3…） and {$this->AddSql}"; //搜索 from `dede_archives` arc left join `dede_arctype` act on arc.typeid=act.id where act.id not in （4,5
1.1K00编辑于 2025-03-13 - 来自专栏null的专栏
Facebook搜索的向量搜索
概述 不管是搜索系统还是推荐系统中，向量召回都是一个不可或缺的一个部分，担负着重要的作用。 传统的搜索以文本匹配为主，通过query中的词（如果是中文，需要首先对query进行分词）检索所有的候选doc，如果doc中出现了query中的词，则表示命中，最后返回所有命中的doc。 Facebook将向量召回应用在社交网络的搜索中，针对其场景的特殊性，提出将用户的上下文环境考虑进query的向量中。 特征工程 在FaceBook的向量搜索中，基于其特定的场景，使用到的特征包括query和document的文本特征、位置特征、社交Embedding特征。 文本特征。 在本地广告、小组或事件的搜索场景中，位置匹配是很重要的。query侧增加搜索人的城市，地区，国家和语言。document侧增加管理员打的小组地域标签。
2.8K50编辑于 2022-05-12 - 来自专栏用户6020948的专栏
网站搜索引擎优化，值得关注的4个策略有哪些？
在做网站搜索引擎优化的过程中，对于企业站而言，由于SEO人员都是处于执行层面，甚至即使你有权制定SEO优化方案，偶尔也是草草就上手操作。 当你运营到一定阶段的时候，你却发现：有很多网站搜索引擎优化的策略，可能前后是冲突的，甚至是不全面的。 那么，网站搜索引擎优化，值得关注的 4 个策略有哪些? ③语音搜索结果中LSI关键词的应用。 2、页面布局 我们知道搜索引擎在抓取页面的时候，是会尝试解读网站页面架构的，并且已经在付诸行动，比如：百度爬虫对CSS与JS的尝试解析。 3、审查旧内容 我们知道搜索引擎算法每天都在调整，这就使得整站页面排名出现偶尔的波动，特别是对于很早之前发布的页面来讲很难得到有效资源的输出。 4、预估网站策略 当我们在做网站搜索引擎优化的时候，总是一些SEO人员，尝试寻找一些看似完美的独门SEO秘籍，而实际上我们需要透过现象看本质，特别是对于一些算法的解读，比如： ①TF-IDF与BM25
63020发布于 2020-03-06
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