- 综合排序
- 最热优先
- 最新优先
- 来自专栏mysql
hhdb数据库介绍(10-5)
管理用户界面的审计日志主要用来查看管理用户对管理平台的操作记录，同时可查看所有纳管的计算节点集群内普通用户的基本操作。
69710编辑于 2025-03-13 - 来自专栏携程技术
干货 | 浅谈携程大住宿研发效能提升实践
这是大住宿在敏捷转型前遇到最频繁的问题。团队成员视角割裂导致各角色只关注于自己熟悉的领域，而忽略目标价值的交付，最终会产生非必要的浪费。 3. 如何透明化组织、团队的目标，暴露重复、多余、无价的任务，节省成本 面对挑战，大住宿正在持续不断的探索改进中： 1. 为了更好的达到上下和左右对齐目标，提高协作效率，大住宿从今年Q1开始试行部门级产研一体的季度规划和复盘活动。 大住宿从2014年开始推行敏捷转型，敏捷让团队实现价值驱动管理。传统开发模式除了瀑布接力开发外，还有一个是任务驱动管理。 大住宿在去年接入公司统一产品研发管理平台IDEV后，不仅提高了产品研发过程的透明性，也率先实现了需求数字化管理。
1.4K20编辑于 2022-12-14 - 来自专栏AI机器学习与深度学习算法
机器学习入门 10-5 精确率和召回率的平衡
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要说明精准率和召回率是相互制约、相互矛盾的两个指标，通过选取不同的threshold阈值来观察精准率和召回率的变化。在具体编程中，sklearn没有直接能够传入threshold阈值的函数，但是可以使用算法的decision_function函数计算出样本的score值，然后转换为布尔向量，进而转换为元素为0,1的整型向量，整型向量即为算法在当前阈值下预测的样本类别。
4.6K51发布于 2020-04-26 - 来自专栏机器学习AI算法工程
python数据挖掘：能不能找出吃货最佳住宿点？
这次我爬出了哈尔滨市TOP285家好吃的店，包括烧烤的TOP，饺子的TOP，酱骨的TOP等等等等，在地图上显示，规划热点，再用聚类算法计算下能不能找出吃货最佳的住宿点，能够距离吃的各个地方行程最近，吃货们 可能是住宿的最佳点把，因为离各个好吃的距离是比较近的，这本来就是kmeans的核心。 ---- ? 可以从图像自带缓冲区看重叠部分，看包子热点 所以综上所述，喜欢吃包子的吃货，可以选择以上的点当做中转点或者住宿点，到哪个包子铺都是比较近的，但是！！！谁会一天三餐加夜宵都吃包子？？ 总结 最终住哪，这不是我能决定的，主要还是靠交通，住宿环境和个人心情，推荐住在地铁附近，吃货可以选择在中央大街附近，最繁华，也里老道外很近，好吃的很多~诶，等等，我不是在做学术研究么。。
1.2K50发布于 2018-03-15 - 来自专栏携程技术
干货 | StarRocks在携程大住宿智能数据平台的应用
作者简介 Wenjun，携程资深软件工程师，负责大住宿数据智能平台的研发与维护，对于大数据领域技术有浓厚兴趣。 一、平台现状 大住宿数据智能平台（简称HData）是一个为携程大住宿业务提供数据可视化的平台。 在大住宿内部，每个部门关心的指标侧重点不同，权限控制不一样，所以数据展示的方式也是多样化。 HData每天有将近2200左右的UV，10w左右的PV访问，而节假日期间的访问量基本会翻2到3倍。
2.1K20发布于 2021-11-02 重构大住宿业运营链路：绿云科技基于企点大模型落地高ROI场景
构建智能化业务闭环：底层引擎成功融合了结构化数据（如账务记录）与非结构化数据（如语音指令、文本对话），深度发挥算法优势，构建起涵盖“感知-分析-行动”的完整闭环，从根本上重塑了大住宿业的数字生态。
16310编辑于 2026-04-15- 来自专栏完美Excel
VBA专题10-5：使用VBA操控Excel界面之隐藏取消隐藏及最小化功能区
可以重命名和隐藏内置选项卡和内置组，改变其在功能区中的顺序。然而，不能重命名和隐藏内置控件，修改内置控件的图标，修改功能区内置组中内置控件的顺序。
4.3K30发布于 2020-08-17 - 来自专栏linux 自动化运维
自动统计出差费用-shell 脚本自动统计， 计算车费，餐补，住宿补。并且转换金额大写
# 60元/天 20 # 20 天 ) zslist=( # 住宿费标准 170 # 住宿 170元/天 19 # 19 天 ) zslist[1]} ; zssum=`echo "" | awk -v x="$x" -v y="$y" '{printf "%.2f", x*y}' ` zssumstr=`echo "住宿补为
59800编辑于 2023-06-09 - 来自专栏前端知识分享
第27天：js-表单获取焦点和数组声明遍历
45 46
- 47 上证指数364110 48
49- 50 上证指数364110 51
52- 53 上证指数364110 54
55- 56 上证指数364110 57
58- 59 上证指数364110
4.6K20发布于 2018-09-11 绿云科技融合腾讯企点大模型：驱动3.5万家大住宿企业向“算法驱动”转型
应对长服务链路断点，驱动大住宿业向算法驱动转型 大住宿业（涵盖酒店、公寓、邮轮、文旅综合体等）的数字化进程正面临从“系统记录”向“自主决策”跨越的拐点。 绿云科技选择接入腾讯企点大模型及其大型机器人管理平台，构筑了高确定性的技术底座： 通过调用腾讯企点任务型/加模型选择（如餐饮iPOS、商务版机器人），绿云能够在封闭或半封闭的企业级环境中训练和调度AI，确保核心运营数据和会员隐私“不上公网”，满足大住宿业对数据安全的高度关注
14110编辑于 2026-04-08- 来自专栏IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 习题10-5 递归计算Ackermenn函数
习题10-5 递归计算Ackermenn函数 本题要求实现Ackermenn函数的计算，其函数定义如下： ?
84710发布于 2020-09-15 - 来自专栏Hadoop数据仓库
维度模型数据仓库（十五） —— 多重星型模式
实际生产环境每天定期装载应该共用一个调度，也即应该把清单（五）- 10-5里的脚本并入每天定期装载脚本中，并且针对使用cdc_time表做相应的修改。 -5 Kettle定期装载工厂维度表和产品事实表如图（五）- 10-5到图（五）- 10-22所示。 图（五）- 10-5 图（五）- 10-6 图（五）- 10-7 图（五）- 10-8 图（五）- 10-9 图（五）- 10-10 图（五）- 10-11 运行完清单（五）- 10-5里的脚本以后，需要把系统日期设置成任意晚于上一篇“杂项维度”设置的日期。这里设置系统日期为2015年3月18日。 先把系统日期设置为2015年3月19日，然后执行清单（五）- 10-5里的脚本或对应的Kettle定期装载作业。
65920编辑于 2022-12-02 - 来自专栏区块链领域
像投资比特币一样投资旅游民宿
一、民宿通MST——全球旅游住宿产业的“币安” 民宿通MST是全球第一家旅游住宿产业区块链资产交易平台。 民宿通的先天优势在于它利用区块链技术直击了行业痛点，致力于解决交易所的多数token没有应用场景和使用价值、住宿类的token很难上线现有交易所、住宿产业急需金融创新的三大“痛点”。 正是看中了“全球旅游产业”的巨大价值和潜力以及住宿产业在旅游行业的龙头地位，民宿通MST应运而生。 ? 2018年4月28日 中国·上海 在第三届国际民宿博览会上探讨民宿通赋能全球旅游住宿产业 ? 近20天内MST住宿类区块链资产交易平台已协助近百家精品民宿酒店发行民宿通证，为平台储备了大量的优质项目。
73220发布于 2018-07-23 - 来自专栏程序员分享
差旅首选:第一次出差温州开住宿餐饮发票实体店电子专用,保姆级教程请收好‖第一财经
温州开住宿1️⃣5️⃣9️⃣一1️⃣4️⃣1️⃣5️⃣一8️⃣️5️⃣2️⃣9️⃣餐饮电子发票哪里,可先开。 住宿费、餐饮费、会务费、劳务费、技术服务费、咨询费、医药费、运输费、建材钢材、机械设备、办公用品、劳保用品、建筑工程等态输入）-决策层（LLM+ 规则引擎）-执行层（API生态）智能体的架构可清晰地分为三个关键层级
21410编辑于 2026-03-16 - 来自专栏云计算linux
学生宿舍管理系统
正普数字化校园宿舍管理系统是为学校宿管科老师方便管理学生住宿情况设计的信息管理系统，通过宿舍管理系统可实时掌握学校公寓使用情况、每个公寓楼房间住宿情况、全校学生住宿情况、每个学生住宿详细信息等等 系统不仅仅支持单条数据记录的处理更支持批量记录的处理，例如：批量生成房间、批量退宿、批量入住等；系统增加了特有的临客管理功能，为管理临时住宿人员提供便利；系统还提供了预分宿舍功能，可以在迎新现场直接为学生分配宿舍 实现数据实时更新，满足管理人员对学校住宿情况的实时掌握。 全面覆盖学校宿舍管理涉及的各方面信息，满足宿舍管理业务流程 提供宿舍辅助管理功能，使宿舍管理更加完善。 软件界面
90010编辑于 2024-12-19 - 来自专栏知晓程序
从刷脸支付到入住，腾讯正用「读脸术」改变你的吃穿住行
从商场、便利店、无人店的刷脸支付，到刷脸过闸，如今，腾讯云又要将刷脸等互联网、物联网能力整合到大住宿行业，从而实现前台「刷脸入住」、手机上实时远程控制等等酒店体验。 住酒店就像住在自己家里一样，这是对酒店住宿体验的感性表达。 然而，怎样才能让顾客感受到回家的体验呢？ 其实，对于顾客来说，酒店住宿主要包括 3 个阶段：入住前，办理入住流程；正式入住；以及结束入住，办理退房。 深度赋能住宿业，店家的痛点是什么？ 顾客端的便捷化，不应该加重后端服务的负担，而是能够同时优化住宿行业的经营模式、服务方式。 在后互联网时代，从酒店运营和营销的角度，智慧化将是酒店未来的发展方向。 腾讯云大住宿行业解决方案依托腾讯云大数据、用户画像等能力，精准定向目标客户群体，并通过广点通等投放渠道做精准营销，最后通过大住宿客流共享平台为酒店引流。
1.4K30发布于 2018-07-03 - 来自专栏机器学习与自然语言处理
Stanford机器学习笔记-10. 降维(Dimensionality Reduction)
在10.1节我们默认以红色线所画平面(不妨称之为平面s1)为2维平面进行投影(降维)，投影结果为图10-5的(1)所示，这样似乎还不错。那为什么不用蓝色线所画平面（不妨称之为平面s2）进行投影呢? 可以想象，用s2投影的结果将如图10-5的(2)所示。 ? 图10-4 样本在3维正交空间的分布 ? 图10-5 样本投影在2维平面后的结果 由图10-4可以很明显的看出，对当前样本而言，s1平面比s2平面的最近重构性要好（样本离平面的距离更近）；由图10-5可以很明显的看出，对当前样本而言，s1平面比
1K80发布于 2018-03-13 - 来自专栏携程技术
干货 | 在搜索引擎广告关键词生成上，算法可以做什么？
以下以住宿产品为例，阐述模块的细节。 例子： 上海酒店住宿 ——> 上海 + 酒店住宿 ——> {城市名} 酒店住宿 虹桥机场宾馆优惠 ——> 虹桥机场 + 宾馆优惠 ——> {地理兴趣点名称} 宾馆优惠 Beijing family accomodation > 上海 + 住宿 ——>{酒店名} + {住宿需求词} 具体方法为：基于词典来进行分词与词性标注。 下面我们逐一地来看看模块A (是否住宿相关)，模块B (酒店住宿意图识别) 的内部细节。 相应的，如果一个搜索语句大概率点击的是非住宿相关的搜索结果，那么就生成一条非住宿相关的搜索语句正样本。分类为住宿相关，并且概率大于一定阈值的搜索语句会进入住宿意图识别模块。
1.5K20发布于 2020-05-09 - 来自专栏机器学习算法与Python学习
机器学习(8) -- 降维
在10.1节我们默认以红色线所画平面(不妨称之为平面s1)为2维平面进行投影(降维)，投影结果为图10-5的(1)所示，这样似乎还不错。那为什么不用蓝色线所画平面（不妨称之为平面s2）进行投影呢? 可以想象，用s2投影的结果将如图10-5的(2)所示。 ? 图10-4 样本在3维正交空间的分布 ? 图10-5 样本投影在2维平面后的结果 由图10-4可以很明显的看出，对当前样本而言，s1平面比s2平面的最近重构性要好（样本离平面的距离更近）；由图10-5可以很明显的看出，对当前样本而言，s1平面比
1.2K100发布于 2018-04-04 - 来自专栏钱塘大数据
【五一出游大数据】世界那么大，赶紧去看看！
导读：五一出游大数据：综合景点、饮食、住宿三项指标，算出各个城市值得玩的综合得分。结果表明，内地城市中，西安、杭州、成都成为最值得玩城市。台北、中国澳门、中国香港三地中，台北三项综合得分更高。 从全国各省分别选择了一个代表性热门旅游城市，通过蚂蜂窝、大众点评、携程旅游网分别获得这些城市的景点、美食、住宿满意度评价情况。 综合景点、饮食、住宿三项指标，算出各个城市值得玩的综合得分。结果表明，内地城市中，西安、杭州、成都成为最值得玩城市。台北、中国澳门、中国香港三地中，台北三项综合得分更高。 （如图7） 住宿篇 桂林、成都、敦煌满意度高 通过携程获取各城市住宿最低价在150-300元之间的酒店评价情况，算出消费者对各个城市住宿的总体满意度。 另外，由于中国香港、中国澳门、台北三地住宿消费价格与内地有区别，因此另行对比。结果显示，桂林、成都、敦煌等地的住宿消费者满意更高。
1K100发布于 2018-03-05
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