- 综合排序
- 最热优先
- 最新优先
- 来自专栏SAS程序分享号号号
ODS Output RTF(Table Listing)
share了SAS DDE输出Excel 今天 给大家带来了的是 SAS ODS Proc Report 输出RTF的实例 在SAS实际编程过程中经常会用到Ods 与report来输出table/listing （三） 结束 ods rtf close; ods listing; result 另附Template 表格的控制 proc template; define style tab_3;
4K10发布于 2019-10-21 - 来自专栏SAP供应链
SAP RETAIL 商品LISTING方法之一
SAP RETAIL 商品LISTING方法之一 该方法主要有三大步： 创建Assortment module, 将Article号码与Assortment module关联； 然后创建Assortment 保存， 至此就完成了物料的Listing！不过这只是方式之一。 -完- 写于2021-10-10 早上。
51700发布于 2021-10-10 - 来自专栏Amazon 爬虫
企业级Amazon Listing优化方案：基于COSMO算法的精细化上架架构设计
业务挑战：2026年电商数据采集与Listing优化的新范式1.1企业面临的核心痛点在2026年的跨境电商领域，企业级卖家和SaaS服务商正面临前所未有的技术挑战。 Enum):"""漏斗阶段"""IMPRESSION="展示"CLICK="点击"ADD_TO_CART="加购"PURCHASE="购买"classListingHealthDiagnostic:"""Listing ']=self.data['purchases']/self.data['impressions']defgenerate_health_score(self,asin:str)->int:"""生成Listing （按优化潜力排序）Args:top_n:返回TopN个优化机会Returns:优化优先级列表"""#计算优化潜力得分self.data['optimization_potential']=(self.data 4.2优化效果预期基于2026年实际案例数据，执行精细化SOP后的平均效果提升：指标优化前优化后提升幅度自然搜索CTR0.8%1.5%+87.5%详情页转化率8%13%+62.5%广告ACoS35%22%
17610编辑于 2026-01-20 - 来自专栏Khan安全团队
WordPress Plugin Hotel Listing 3 - Multiple 跨站脚本 (XSS)
受影响的产品： 电子插件 产品： Hotel Listing v3.x - 插件 Wordpress（Web 应用程序） 受限身份验证（访客权限） 低用户交互 在官方 Hotel Listing v3 22evil.source%22%3E http://hotel-eplug-ins.localhost:8000/wp-admin/admin-ajax.php action=iv_directories_save_listing
51140编辑于 2021-12-17 - 来自专栏小樱的经验随笔
Windows Server 2003出现Directory Listing Denied This Virtual Directory does not allow contents to be l
Directory Listing Denied This Virtual Directory does not allow contents to be listed.
84370发布于 2018-04-08 - 来自专栏SAP供应链
SAP零售行业解决方案初阶 5 - 如何使用SAP零售系统中的LISTING？
如何使用SAP零售系统中的LISTING？ 注：这是笔者近期翻译的一篇介绍SAP零售系统里的Listing和Assortment的文章。 列表（LISTING) Listing就是在商品和分类之间创建关联关系（创建WLK1这条线）。 使用事务代码WSOA1创建分类，可以将Site分配给分类。 要将商品执行Listing，可以使用事务代码MM42, 进入Listing View，选择一个分类即可。如果要批量处理则使用事务代码WSM3。 WSL10 – Listing by material group selection 根据物料组查询Listing数据 WSL11 – Listing by article selection 根据商品查询 Listing数据 英文原文地址： https://blogs.sap.com/2014/01/28/listing-how-does-it-work/
1.4K40发布于 2021-09-09 - 来自专栏SIGAI学习与实践平台
解读Airbnb的个性化搜索排序算法
为了同时学习listing_type和user_type的embedding表示，文章在listing_type序列的基础上，加入了用户聚类结果。 由listing_type序列，变成了user_type和listing_type混合的序列。但该序列是按照listing_type的成交时间排好序的。 类似的，采用式（3）的优化函数学习embedding表示。不同的是，此时的序列中出现了两种实体，一种是user_type，一种是listing_type。本文提出分别对这两种实体构造优化函数。 最后一项表达式表示被租户拒绝掉的listing_type的log-likelihood。 式（8）列出的是基于user_type为中心节点的优化函数。 基于listing_type为中心节点的优化函数类似，详见论文，这里不再累赘。
1.2K20发布于 2019-05-15 - 来自专栏小小挖掘机
【技术干货】聊聊在大厂推荐场景中embedding都是怎么做的
优化的目标函数变为： 其中要学的参数 是： 和 ， 。优化通过随机梯度上升法（SGA）完成。 「优化一：使用最终预订的房源作为全局上下文 (Global Context)」 这一优化主要使用以用户预订房源（booked listing）作为结束的会话，加入预定不仅可以预测相邻的点击房源（clicked 因此，经过上面的两个优化，「最终优化后的目标函数」变为： 其中： 另外需要注意的一点，上面目标函数中，关于“优化一”的部分并没有加和符号 ，这是为什么呢？ 同时，下图也对比了几种Embedding学习的优化方式，可以看到优化起到的效果。 ? 而为了在Embedding中体现房东对租客的偏好，优化预定成功的概率（挑战5），Airbnb在User-Type Embedding和Listing-Type Embedding的优化目标函数中加入了房东拒单的显示负样本
6.2K43发布于 2020-08-21 - 来自专栏阿泽的学习笔记
万变不离其宗：用统一框架理解向量化召回
从优化目标上分，有的属于一个越大规模的多分类问题，优化softmax loss；有的基于Learning-To-Rank(LTR)，优化的是hinge loss或BPR loss 但是，如果我告诉你，以上这些召回算法 （4）如何定义loss来优化？ 这4个问题，对应着NFEP框架的4个维度，接下来将会逐一详细分析。 Near：如何定义“近”？ 这种loss将召回看成一个超大规模的多分类问题，优化的目标是使，user选中item+的概率最高。 所以实际优化的是sampled softmax loss，即从 中随机采样若干 ，近似代替计算完整的分母。 另一种loss是margin hinge loss， 优化目标是：user与正样本item的匹配程度，要比，user与负样本item的匹配程度，高出一定的阈值。
2.3K10发布于 2021-02-12 - 来自专栏机器之心
教程 | 一个基于TensorFlow的简单故事生成案例：带你了解LSTM
Listing 1．取自伊索寓言的短故事，其中有 112 个不同的符号。单词和标点符号都视作符号。 6．单向量作为标签 在转化为输入词典的格式后，进行如下的优化过程： _, acc, loss, onehot_pred = session.run([optimizer, accuracy, cost , pred], feed_dict={x: symbols_in_keys, y: symbols_out_onehot}) Listing 7．训练过程中的优化 精度和损失被累积以监测训练过程。 8．一个训练间隔的预测和精度数据示例（间隔 1000 步） 代价是标签和 softmax() 预测之间的交叉熵，它被 RMSProp 以 0.001 的学习率进行优化。 9．损失和优化器 LSTM 的精度可以通过增加层来改善。
1.4K90发布于 2018-05-08 - 来自专栏数字芯片实验室
通过优化RTL减少功耗
本文主要介绍 RTL 优化，它从更精细的级别实现功耗的优化控制。 II. 低功耗RTL 通常，实现 RTL 功耗优化包括对设计的以下方面进行优化。 Listing 1. Listing 3. Listing 5. Listing 6.
95610编辑于 2024-04-01 - 来自专栏铭毅天下
如何高效管理和监控 Elasticsearch 别名及索引？
查询优化 - 查询分流：将不同类型的查询分流到不同的索引，使用别名进行统一查询。 多语言支持 - 多语言索引：为不同语言创建单独索引，使用别名进行多语言数据管理。 写入索引同时指定别名如下图所示。 示例请求： GET _cat/aliases/listing*? listing-changes-2024-05 listing-changes listing-changes-2024-04 关键参数解释： ? ", "index": "listing-changes-2024-05" }, { "alias": "listing-changes", "index": "listing-changes 2.2.2 过滤符合特定模式的索引 使用通配符过滤： GET /_alias/listing* 这将返回所有别名以 listing 开头的索引。
71110编辑于 2024-06-18 为什么电商行业需要腾讯混元大模型？
一、Listing优化及产品效果图在亚马逊上，有着两个很残酷的事实：70%的消费者都是在第一页中完成交易。64%的交易量都是由排位前三的Listing贡献的。所以一条好的亚马逊listing很有必要。
27910编辑于 2024-10-13- 来自专栏一尾流莺学前端
【编码规范】Airbnb CSS \u002F Sass 编码风格指南
CSS Trick 的 BEM 101 Harry Roberts 的 introduction to BEM 示例 <article class="<em>listing</em>-card <em>listing</em>-card- </p> </div> </article> .<em>listing</em>-card { } .<em>listing</em>-card--featured { } .<em>listing</em>-card__title { } .<em>listing</em>-card .<em>listing</em>-card__title 是一个元素（element），它属于 .<em>listing</em>-card 的一部分，因此块是由元素组成的。 .<em>listing</em>-card--featured 是一个修饰符（modifier），表示这个块与 .<em>listing</em>-card 有着不同的状态或者变化。 其实，使用 @ extend 所获得的大部分<em>优化</em>效果，gzip 压缩已经帮助你做到了，因此你只需要通过 mixin 让样式表更符合 DRY 原则就足够了。
2.7K20编辑于 2022-12-10 - 来自专栏爬虫资料
优化数据的抓取规则：减少无效请求
本文将介绍如何优化爬虫抓取贝壳等二手房平台中的房价、小区信息，并通过代理IP、多线程、User-Agent和Cookies的设置，确保数据抓取的稳定性与高效性。 多线程优化：利用多线程提高抓取效率，确保在短时间内抓取大量房源数据。 三、代码实现下面是一个爬取贝壳二手房平台房价、小区等信息的Python爬虫示例代码，结合了爬虫代理、多线程、User-Agent和Cookies的优化。 五、总结在抓取贝壳等二手房平台的房价数据时，通过合理优化抓取规则可以减少无效请求，提升数据采集的效率和准确性。 通过这些优化措施，爬虫在实际项目中的稳定性和效率都能得到明显提升。
65510编辑于 2024-09-18 - 来自专栏C++系列
【MySQL-26】万字总结＜SQL优化＞——【插入优化 主键优化 order by优化-group by优化-limit优化-count优化-update优化】
本章主要内容面向接触过C++的老铁 主要内容含： ※全文大致内容总结 一.插入数据优化 关于插入数据优化，主要有以下三个方面 批量插入 手动提交事务 主键顺序插入 1.批量插入 采取以下形式，在一个 顺序插入可以减少 页分裂 （下文主键优化有详解）相应博客传送门 二.主键优化 1.主键设计原则 满足业务需求的情况下， 尽量降低主键的长度。 三.order by优化 尽量使用 覆盖索引INDEX . （覆盖索引加子查询形式＆多表联查） 优化思路： 一般分页查询时，通过创建 覆盖索引 能够比较好地提高性能，可以通过 覆盖索引加子查询形式 或者 多表联查 进行优化。 count(*) InnoDB引擎并不会把全部字段取出来，而是专门做了优化，不取值，服务层直接按行进行累加。
58410编辑于 2024-09-09 - 来自专栏ApacheHudi
Apache Hudi 0.7.0版本重磅发布
测试有25W个文件的表，Metadata表相比使用Spark并发Listing要快2~3倍，更多设计细节可查阅RFC-15，其他Metadata表相关配置可参考这里，提供了参数以便在生产环境中安全使用该特性 写入端优化 •Spark3支持；0.7.0版本支持使用Spark3进行写入和查询，请注意使用scala 2.12版本的hudi-spark-bundle包；•并行Listing；我们已将所有List操作移至 HoodieTableMetadata接口下，该接口可以多线程/Spark并行执行，该优化可以在未开启Metadata表时提升清理、压缩性能。 查询端优化 •MOR增量查询（Spark Datasource），0.7.0版本支持使用Spark datasource增量查询MOR表，在后续版本中会继续加强和重构该特性。 SparkSQL查询注册的Hive表，请使用参数--conf spark.hadoop.hoodie.metadata.enable = true来允许从元数据中获取分区的文件列表，而非使用File Listing
70920发布于 2021-04-13 - 来自专栏零域Blog
Unity 性能优化 | 贴图优化、声音优化
图片相关优化 压缩格式优化 简书 高清晰无压缩 > RGBA32 缺点 内存占用大, 显示运行内存 中清晰中压缩 > RGBA16+Dithering(TexturePacker)内使用FloydSteinberg Android] ETC1, 不支持dxt [Iphone/Ipand] PVRTC4 压缩默认 RGBA16 清晰度高但是渐变不合适 RGBA32 高保真 16it/尺寸减半 压缩 UI Icon 声音相关优化 推荐将Load Type设置为Decompress on Load（在加载时解压）会运行的更流畅（并不是使用于任何的音频，只是使用于频繁使用的音频） 参考链接: -微信公众号(游戏蛮牛)-Unity性能优化 —声音优化
1.5K20编辑于 2022-03-27 - 来自专栏随手写个文章
Adaptive and Robust Query Execution for Lakehouses at Scale（翻译）
因此，优化器可能需要在性能和稳定性之间找到平衡。3.2 示例查询在本文的其余部分，我们将使用TPC-H模式中的示例SQL查询（见Listing 1，Q0）作为运行示例来详细阐述问题、概念、思路和优化。 2如Listing 2中的代码片段所述，对于给定的查询，AQE的核心是一个while循环，其中循环体监听重新优化事件，重新优化未完成的逻辑计划，为重新优化的逻辑计划重新生成物理计划，将物理计划分解为QueryStage 对于图2中描述的计划，在Listing 2中，第3-4行首先将两个底部的物理QueryStage提交给调度器；当其中一个完成时，重新优化事件在第10行被处理，currentLogicalPlan在第12 有了AQE中的运行时统计数据，收益与开销的分析变得更加准确，导致决策比静态优化器更好。让我们以Q0（Listing 1）为例来阐述这个重写规则。 7.2 重新优化开销 重要的是要认识到，Listing 2中的第11至25行可能不会直接影响查询的墙钟时间。
95910编辑于 2025-01-17 - 来自专栏小小挖掘机
推荐系统遇上深度学习(四十四)-Airbnb实时搜索排序中的Embedding技巧
在模型中，其精髓就在于Embedding的过程，包括Listing Embedding、User Type Embedding 和 Listing Type Embedding。 2、Listing Embedding 对房源进行Embedding，可以建模用户的短时兴趣，也可以进行相似房源的推荐。 此时，优化的目标函数变为： ? 上面的式子中，Dp代表的是正样本的集合，Dn代表的是负样本的集合。 这样还不算完事，我们还有许多改进效果的小trick呢！一起来看看！ 当中心是一个listing-type时，目标是如下的函数最大化： ? 这样做带来了什么效果呢？ user-type和listing-type得到的embedding是属于同一空间的，可以直接来计算相似度！
1.9K30发布于 2019-05-17
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