- 综合排序
- 最热优先
- 最新优先
- 来自专栏mathor
搜索（5）
深度优先搜索一般是递归实现的，搜索过程中总是优先遍历当前节点的子节点。 从这一节开始，我们将学习广（宽）度优先搜索 这个GIF图中，节点被染成绿色的顺序表示在宽度优先搜索过程中节点被访问的顺序。 于是依次访问这两个节点，同时在访问时，我们发现了节点2的儿子节点4和5，以及节点3的儿子节点6和7，将这4个节点记录下来 当完成第二层的访问后，继续根据记录来依次访问节点4~7，也对应了图中的第三层节点 由于这些节点都不包含有子节点，不会再增加记录的节点数量，因此访问完成后退出搜索 在上面的过程中我们发现以下两个事实： 广度优先搜索的顺序与子节点到初始节点的距离有关，离初始节点越近的子节点会更早被访问 根据题目描述，我们可以知道以下几个信息： 该图中需要搜索的节点为格子，我们用坐标[x,y]来表示格子 若将相邻格子的距离视为1，搜索目标为[1,1]到[n,m]的最短路径 墙壁的格子是不能进入的，因此在搜索过程中需要进行判定
1.1K30发布于 2018-07-05 - 来自专栏Oxylabs IT技术
干货 | 学习5大网页搜索应用案例，提高竞争优势
网页搜索有何作用？在接下来的文章里，小Oxy将深入研究最主要的网页抓取用途以及每种方式如何使您的业务受益。
77420发布于 2020-06-22 - 来自专栏Elastic Stack专栏
Elastic 5分钟教程：使用Logs应用搜索你的日志
diagram-observability-consolidation.png Kibana中的日志应用，使您能够搜索、过滤、并了解所有摄入到ElasticSearch的日志。 您的所有日志都可以在Logs应用程序中找到。 视频内容 Kibana中的日志应用，使您能够搜索、 过滤、并了解所有摄入到ElasticSearch的日志 而不是登录到不同的服务器 更改目录并tail各个文件 您的所有日志都可以在Logs应用程序中找到 让我们用高亮功能（highlight） 按特定用户查找订单 我们可以使用箭头向前或向后跳转以查看类似条目 让我们来调查其中的一个 我们可以看到当时正在发生的其他事件 在此视频中 您已经了解了如何使用Logs应用程序搜索日志 我们探索了Logs应用程序 了解如何查找日志条目 使用搜索栏和KQL 以及定制和突出我们的结果
5.9K51编辑于 2022-05-16 - 来自专栏后端码匠
Elasticsearch应用之京东搜索
---- 京东搜索Elasticsearch 开发环境 elasticsearch 7.10.1 集成IDE idea elasticsearch-head maven 3.6.3 所有开发环境 private String title; private String img; private String price; } 工具类 HtmlParseUtil 用于解析京东搜索的数据 bulkResponse.hasFailures(); } /** * 2 获取这些数据 实现搜索功能 * * @param keywords lang="zh-en" xmlns:th="http://www.thymeleaf.org"> <head> <meta charset="UTF-8"> <title>全栈自学社区搜索 搜索后 ?
76310发布于 2021-02-26 - 来自专栏强仔仔
【商城应用】商城搜索流程
、分类页面一般也会有搜索入口、还有就是商品列表中会有一个搜索入口、最后一个就是店铺中的搜索入口了。 商品列表搜索 商品列表的搜索就和上面说的两种搜索就有所不一样了，一般商品列表都会有对应的分类，所以在商品列表中搜索，搜索出来的结果一律都是该分类下面的商品，并非全局搜索。 ? 当然还有一个是店铺搜索，店铺搜索在哪里都是全局搜索，没有上面说的必须是某一类类别下面的商品，店铺搜索结果如下所示： ? 店铺内商品搜索 店铺内商品搜索和商品列表搜索性质相似，都是在某一定范围内的商品搜索，店铺商品搜索肯定是店铺中已经上架商品的搜索了。 ? 总结 今天内容相对而言会比较简单，但是越是简单的内容越是重要，在我们商城应用讲完之后，就要开始我们商品实现技术架构的课程了，比如搜索技术架构就有相当多的内容了，比如聚合、高亮、排序、权重、组合查询、数据同步等等之类的内容
2.7K20发布于 2019-05-26 - 来自专栏Elastic Stack专栏
应用企业搜索的市场巨变——chatGPT撬动百亿级应用搜索的AIGC市场
我们在应用领域的搜索体验，将由以前的基于分词的全文检索、基于向量的语义搜索来返回结果页的时代，全面进入一个由AI生成结果，并进行交互式查询的时代。 ChatGPT插件赋能应用搜索 但在彼时，chatGPT还是一个直接的2C场景的应用。对于企业用户、在应用内搜索和企业搜索引擎领域，我们无法集成这种能力的。 应用搜索、企业搜索架构巨变 对于要接入chatGPT能力，或者说将来打算通过其他大模型平台提供交互式语义搜搜能力的企业来说，巨变将来自于现有的软硬件基础设施的迭代升级。 首先，企业需要能将数据转化为embedding（向量） 然后，有能存储embedding并进行向量相似性搜索能力的数据库 应用上搜索的接口将与chatGPT retrival plugin整合 目前 因此，在应用生成式搜索的同时，使用基于分词的全文检索技术仍然是有必要的。
2.6K50编辑于 2023-04-11 - 来自专栏腾讯云大数据
Elasticsearch 搜索应用实践(搭建篇)
本文作者：allencao，腾讯应用开发工程师。 前言 最开始接到过一个需求，将部门内的研究报告与文档管理起来，利于他们查找与阅读。 ES 全文搜索解决方案已经非常成熟，应用起来也比较方便，但也有很多细节需要关注，这样搜索功能才会更完善。 下面将介绍一下用研云使用 ES 搭建全文搜索的实践经验。 二、准备数据 首先我们需要准备以下三个内容： 被搜索数据 中文分词停止词 自定义分词词库 被搜索数据 被搜索数据一定要认真处理，数据质量越高，搜索结果就越准确，被搜索字段越多，搜索结果越丰富。 分词时停止词的应用可以灵活一些，在标题和标签的分词中不使用停止词，这样不至于搜“我的世界”时结果只高亮了“我”和“世界”，文档内容文本的分词上应用停止词，使用 ES 的 IK 插件这里比较难实现，可以改用其他分词方式 但是应用了 text 将不能被 term 过滤器筛选，如果需要过滤可以使用 string 数据类型，他将会自动把字段处理成 text + keyword。
1.5K20发布于 2021-03-11 - 来自专栏Android知识分享
Android RxJava应用：联想搜索优化
今天，我将为大家带来 Rxjava创建操作符的常见开发应用场景：联想搜索优化需求 ，并结合Retrofit 与RxJava 实现，希望大家会喜欢。 Carson带你学RxJava系列文章，包括 原理、操作符、应用场景、背压等等，请看文章：Android：这是一份全面 & 详细的RxJava学习指南 目录 1. 需求场景 2. ="center" android:layout_width="match_parent" android:layout_height="match_parent"> // 用于输入搜索的字符 " /> // 用于显示联想搜索的结果 <TextView android:id="@+id/tv" android:layout_width= Demo地址 Carson_Ho的Github地址 = RxJava2实战系列：联想搜索优化 5. 总结 本文主要讲解了 Rxjava的实际开发需求场景：联想搜索优化需求
88230编辑于 2022-03-25 - 来自专栏Elastic Stack专栏
Elastic-5分钟教程：如何为你的搜索应用设置同义词
illustrated-screenshot-hero-app-search.png 在这段短视频中，您将学习如何在Elastic应用程序搜索中设置同义词 视频内容 在这段短视频中 您将学习如何在 Elastic应用程序搜索中设置同义词 以最少的技术努力创造更好的客户体验 在本演示中，我们将使用Elastic企业搜索附带的样本数据 其中包括59个美国国家公园 现在我们已经摄取了数据 让我们对这个新的搜索引擎运行一个查询 点击查询测试器，搜索'summit' 找不到此查询的匹配内容 这对我们的用户来说不是一种不好的体验 我们需要避免 查询没有结果的情况 未返回任何结果，因为 没有一份文件包含'summit'(山顶)一词 让我们来寻找peak(山峰) 许多文档都包含这一术语 山峰(peak)和山顶(summit)是同义词 当用户搜索‘summit’时 他们希望得到与查询类似的结果 为了解决这个问题，让我们定义同义词 在引擎菜单上 点击查询测试器，搜索summit 现在你有了一些结果 返回此查询 这是一种更好的体验 适用于您的用户 感谢收看本期短片《如何创造同义词》 您了解了如何使用弹性应用程序搜索仪表板设置同义词 您还可以使用
2K42编辑于 2022-05-10 - 来自专栏开源部署
分布式搜索ElasticSearch构建集群与简单搜索实例应用
关于ElasticSearch不介绍了，直接说应用。 client.transport.sniff", true).build(); TransportClient client = new TransportClient(settings); 实例应用 , "keyword"); //第一个参数datum表示索引库,第二个参数datum表示索引类型,from表示开始的位置 size表示查询的条数 ,类似mysql中的limit3,5 searchResponse = client.prepareSearch("datum").setTypes("datum").setQuery(query).setFrom(3).setSize(5) } return datumList; } } 程序运行结果: 资讯编号:130 资讯标题:捷诺维主要成份有哪些 疗效怎么样 查询出来的结果数:5
64320编辑于 2022-07-04 - 来自专栏NetCore 从壹开始
5-5 各个服务应用启动
5、修改域名解析映射 添加解析这块，如果是泛域名或者通用域名解析就很简单的， 但是我这边毕竟是免费的，动动手，十分钟就能解决了的。 等待十分钟，就表示迁移完成了。
36720编辑于 2023-01-09 - 来自专栏互联网数据官iCDO
【营销101】Facebook图谱搜索应用指南
搜索运营 那到底是什么发生了变化使得Facebook的搜索引擎又值得数字营销人员去谈论它了呢？ 答案是它引入大量更复杂的搜索操作说明或搜索方法，将其分层放置在了更大的连接数据集的顶部。 营销应用 毫无疑问，随着时间的推移和功能的提高，营销人员可以以更多的方式使用图谱搜索， 但是当我们在今天研究这些选项时，我们还是可以将它们分成五个关键领域： 受众洞察 影响者发现 影响者研究 GSO-图谱搜索优化 在此之前我写过一篇关于提取社交数据应用策略的文章，这里我们能够利用相同的原理提高数据的丰富度以获取做出真正决定的必要的自信心。 目前在这部分的信息非常少，但是逻辑表明用于Facebook活动墙的相同信号将应用于图谱搜索。 这可能意味着来自于有大量受众的人和页面的赞能带来赞和额外权重的链接。 鉴于Menlo Park公司已经在测试内容搜索设备的情况，这个领域无疑将变得更加重要。 5 广告 洞察的价值也延伸到社交广告。
1.8K80发布于 2018-03-05 - 来自专栏Bingo的深度学习杂货店
搜索与回溯算法模板及其应用
本文介绍了搜索与回溯算法模板及其应用，主要包括： 【1】 搜索与回溯算法基本思想 【2】模板算法1及其应用（素数环问题） 【3】模板算法2及其应用（数字拆分问题） 【4】搜索与回溯算法在排列组合中的应用 回溯过程，t表示回溯深度 void print(); // 打印结果 bool pd(int x, int y); // 判断两个数的和是否是素数，起始时要计算1+0，故将1也算为质数 int a[5] = {0}; // 保存每个位置填进去的数字，也是问题的答案 int b[5] = {0}; // 标记每个位置是否被填入，如果填入，修改为 1 int total = 0; // 总方案数 但是如果还要输出不同的拆分方法，就要使用以下搜索与回溯算法。 "; } cout << endl; } 最后的输出结果为（假设输入的 n 为 4）： <1> 1 1 1 1 <2> 1 1 2 <3> 1 3 <4> 2 2 4 ---- 【4】搜索与回溯算法在排列组合中的应用
1.6K40发布于 2019-06-16 - 来自专栏机器学习算法与Python学习
DNN在搜索场景中的应用
DNN在搜索场景中的应用潜力，也许会比你想象的更大。 --《阿里技术》 1.背 景 搜索排序的特征在于大量的使用了LR，GBDT，SVM等模型及其变种。 再考虑的是如果把用户行为序列建模起来，我们希望是用户打开手淘后，先在有好货点了一个商品，再在猜你希望点了一个商品，最后进入搜索后会受到之前的行为的影响，当然有很多类似的方法可以间接实现这样的想法。 Deep Learning模型 在搜索中，使用了DNN进行了尝试了转化率预估模型。 转化率预估是搜索应用场景的一个重要问题，转化率预估对应的输入特征包含各个不同域的特征，如用户域，宝贝域，query域等，各种特征的维度都能高达千万，甚至上亿级别，如何在模型中处理超高维度的特征，成为了一个亟待解决的问题 整体模型使用三层全连接层用于sparse+dense特征表征学习，再用两层全连接层用于点击/购买与否分类的统一深度学习模型解决方案： 第一层为编码层，包含商品编码，店家编码，类目编码，品牌编码，搜索词编码和用户编码
5.7K40发布于 2018-06-25 - 来自专栏数据派THU
从神经搜索到多模态应用
本文约5400字，建议阅读10分钟 从神经搜索到多模态应用，这里的神经搜索指的是在搜索系统中用神经网络模型。 提到神经搜索就必然想到多模态数据，因为神经网络相比于传统搜索方式，其最大的优势就在于可以很方便地对不同模态的数据进行融合。 本文将从以下几个方面进行介绍： 从神经搜索到多模态应用 多模态数据 多模态应用服务 Jina全家桶在DocsQA中的实践 01 从神经搜索到多模态应用 首先看一个典型的多模态数据——新闻，除了文字之外还会有图片的信息 03 多模态应用服务 解决了多模态数据的表示问题之后，下一个挑战是就是如何搭建多模态的应用服务。 第三点就是因为多模态的数据和应用服务往往会涉及很多模块，每个模块对算力的要求差异非常大。
90820编辑于 2023-03-29 - 来自专栏剑指工控
MACS5应用
Hoyllsys在工业自动化领域应用越来越广泛和普及，尤其在化工和电厂，铁路等大面积推广，今天就对MACS5做一些案例分享。 ，配置完成后，进行“数据库跟新”，“完全编译”,对“操作员站和服务器”进行下装，在CODESYS里面“在线登录”“参数下载” 上位机中的单元设备和下位机CODESYS的组态，右键单击如图HSSCS5顺控火电模块 总结MACS5的组态修改步骤： 数据库修改： 数据库总控￫选择域￫编辑数据库￫数据操作￫选择类名￫选择项名￫确定￫保存￫更新数据库￫确定￫校验￫完全编译。
1K20发布于 2021-11-09 - 来自专栏文大师的新世界
5. ListView应用
ListView大概是所有移动应用都会用到的组件了，大部分都在首页，这章结合redux来看如何从API取数据再到如何应用redux更新渲染组件ListView。
96050发布于 2018-08-30 - 来自专栏菲宇
Django应用Q方式自己写搜索功能
3、搜索框入口 <form class="navbar-form navbar-left" action="{% url 'search' %}">
<button type="submit" class="btn btn-default">搜索 </button> </form> 4、搜索结果模板 <! DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>{{ keyword }}搜索结果</title>57820发布于 2019-08-29 - 来自专栏NewBeeNLP
深度学习在Airbnb搜索的应用实践
Introduction 最早一版实现的搜索排序是一个人工的打分函数，用GBDT替代人工打分函数使得业务有了airbnb有史以来最大的改善，同时也伴随着许多成功有效的迭代改进。 本文讨论的模型主要是用于对用户预定概率进行建模，对于一个用户，他会进行多次的搜索、点击，一个成功的session以预定一个房间作为结束。 System Engineering 工程Pipeline总结如下： 搜索query打到一个java服务器，然后进行检索和打分 服务器产生log，徐俩画的thrift实例 采用Spark pipeline 也是因为它改变了我们的前进路线，早起我们更关注于特征工程，在采用DL之后，使得我们有精力可以从一个更高层级来看待整个问题，比如是否需要改进我们的优化目标，模型是否能代表所有用户等等，这两年采用NN来做搜索排序
91830发布于 2021-08-20 - 来自专栏张善友的专栏
Compass: 在你的应用中集成搜索功能
驱动力 在许多应用程序中，用户总会提出搜索和查询领域实例的需求。他们或者希望构建一个进入应用程序的入口或者希望填充表单的机制。 很快，大家意识到大部分应用程序需要搜索引擎。所有实体的字段可以像只有一个文件那样被索引，并且是正则文本搜索可以匹配的实体。现在非常流行的搜索引擎之一是Luence。 Lucene是相当不错的搜索引擎，在很多项目中应用成功。它提供了底层的搜索引擎API，能够使用Lucene数据结构（Document/Field）去索引数据，能供使用查询API或搜索引擎在索引上检索。 它允许把应用对象的领域模型映射到搜索引擎。 Compass支持多种XML DOM框架（为XML内容作映射），包括JSE5， dom4j（SAX 和XPP），当然定制的实现也很好做。
1.8K90发布于 2018-01-22
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