- 综合排序
- 最热优先
- 最新优先
- 来自专栏mathor
搜索（8）
我们按照从上到下，从左到右的顺序将3x3的矩阵拉伸为1x9，则每一个状态都可以通过一个包含数字0~8的字符串表示。 因此搜索过程中，我们需要记录下每一个状态是否被搜索到过，避免重复搜索 我们先来分析一下状态空间，也就是一共有多少种不同的状态。显然每一个状态都对应了0~8的一个排列，所以一共有9! 2 3 4 5 6 7 8 距离：0 + 1 + 3 + 3 + 1 + 0 + 0 + 2 = 10 得到该状态的h值为10 在A星搜索中，每一次我们从候选队列中选取状态也不再按照先进先出的顺序 若openlist为空，结束搜索。 这里9个格子的位置依次是：0 1 2 3 4 5 6 7 8 f用来保存每个状态的f值。g_step保存的是状态的g值，也就是从初始状态到这个状态的步数。
1K40发布于 2018-07-05 - 来自专栏Android开发指南
8.搜索
搜索 1.在res/xml/下创建searchable.xml文件 label hint * 注意：值不能直接写字符串，必须指向一个资源ID，例如@string/search_sms 2.创建SearchActivity intent-filter> <action name /> </intent-filter> <meta-data name resource /> </activity> 3.为了能让整个应用都可以调出搜索框 android.app.default_searchable" android:value=".SearchableActivity" /> 4.通过onSearchRequested()方法调出搜索框 5.在SearchableActivity中获取Intent,获取SearchManager.QUERY参数的值 进行搜索，搜索完之后获得Cursor,绑定数据 6.如果想要类似AutoCompleteTextView savedInstanceState) { super.onCreate(savedInstanceState); listView = getListView(); // 通过intent 获得，在搜索框中输入的内容
94850发布于 2018-05-14 - 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 xml version="1.0" encoding="UTF-8"? DOCTYPE html> <html lang="zh-en" xmlns:th="http://www.thymeleaf.org"> <head> <meta charset="UTF-<em>8</em>" > <title>全栈自学社区搜索</title> <link rel="stylesheet" href="https://v4.bootcss.com/docs/4.6/dist/ <em>搜索</em>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 新场景 AI搜索 实战：8 个 AI 搜索新场景怎么布局？
这个数据直接说明一件事：AI搜索引擎不是一个大池子，是多个引用偏好完全不同的信息通道。本文基于对8个AI搜索场景的引用源实测，拆解不同平台的内容抓取逻辑，以及技术内容如何通过平台适配提升被引概率。 背景：AI搜索的引用链路与传统搜索的本质差异传统搜索引擎返回的是链接列表，优化目标是在列表中排到更靠前的位置。AI搜索返回的是合成答案，优化目标变成了在答案中被引用、被当作可信信息源。 8个场景的引用源分布实测AI搜索目前可以拆分为8个典型场景：通用问答（豆包、DeepSeek的日常提问）、专业垂询（秘塔这类学术向搜索）、本地生活、购物决策、编程开发、健康咨询、投资理财、学术研究。 实测中，一篇关于MySQL索引优化的文章，版本A按CSDN公式写成8500字，包含12个执行计划对比表格和8段EXPLAIN输出代码块，发布后3周内被豆包和DeepSeek共引用7次；版本B将同一内容压缩成 实测总结AI搜索的8个场景各有各的引用偏好，但底层逻辑一致：先搞清楚自己行业在各个AI引擎上的引用源分布，再按平台内容公式改写不同版本分发，最后用固定提问词每月追踪出现率变化。
26310编辑于 2026-08-13- 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. xml version="1.0" encoding="utf-8"? " /> // 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。 ,使用prepareGet搜索datum索引库中 索引类型为datum,的索引记录唯一id值为150得记录 GetResponse response = node.client().prepareGet execute().actionGet(); //对象映射模型 ObjectMapper mapper = new ObjectMapper(); //将搜索结果 client.addTransportAddress(new InetSocketTransportAddress("192.168.0.162", 9300)); //搜索 client.transport.sniff", true).build(); TransportClient client = new TransportClient(settings); 实例应用
64320编辑于 2022-07-04 - 来自专栏新智元
AI时代市场营销生存指南：8大应用方向，无限搜索与超级个性化
作为连载文章中的第一篇，本文将为您介绍营销领域 8 个核心 AI 应用门类的前 2 个：无限搜索和营销自动化。 AI 已经撕掉了科幻的标签，切实影响着我们的生活。 在这篇由四部分构成的文章中，我将讨论商业技术中 8 个核心的 AI 应用门类，带大家了解认知和预测学习对理解消费者行为的作用和意义，以及 AI 在达成业务目标的过程中达到或超越人类的前景。 每次搜索将基于历史数据、预测性分析和建议快速进行。 使用搜索引擎搜索“一切”现在有了一个新的含义——“无限”搜索。 谷歌爬虫和网页抓取工具通过互联网用户的眼睛来索引动态内容。 预测性的产品推荐会自动填充搜索库来管理和适应浏览习惯。这将提供更好的以移动为中心的搜索，轻松实现个性化。 基于复杂的搜索意图算法，AI 驱动的引擎将拥有无限搜索能力（infinite search）。 目前，营销技术中使用 AI 实现个性化推荐的最优秀应用是电子邮件营销。根据 Boomtrain 的报告，个性化电子邮件的打开率超过了 60％。
1.5K130发布于 2018-03-28 - 来自专栏互联网数据官iCDO
【营销101】Facebook图谱搜索应用指南
摘要：作者通过详尽的介绍，手把手教你玩转Facebook图谱搜索 社交搜索很长时间以来都被誉为“下一个大牛”，因为给人类创造搜索引擎的机会太诱人了，有获得创造另一个Google比赛胜利的荣誉感。 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。
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 （A(n, r)、C(n, r) 问题） ---- 【1】搜索与回溯算法基本思想 为了求得问题的解，先选择某一种可能情况向前探索，在探索的过程中，一旦发现原来的选择是错误的，就退回一步重新选择，继续向前探索 ---- 【2】模板算法1及其应用（素数环问题） 2.1 模板算法1： int search(int k) { for (i = 1; i <= 算符种数; i++) { if 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 - 来自专栏学弱猹的精品小屋
Leetcode | 第8节：记忆化搜索，树（上）
今天我们来讲一讲记忆化搜索和树这个数据结构。记忆化搜索是对搜索算法的一个优化，涉及到记忆化搜索的题目都或多或少有一点技巧。至于树，它的定义非常简单，也有非常多的应用。 例如说matrix = [[9,9,4],[6,6,8],[2,1,1]]，那么输出就是4。这对应着下面这一张图 ? 如果输入是stones = [0,1,3,5,6,8,12,17]，那么输出就是true。 数据结构6：树（上） 树是一个很有意思的数据结构，在很多时候都有重要的应用（例如文件索引）。Leetcode中对于树相关的问题考察的也尤其多，所以估计很明显，也是需要我们多花时间来总结总结的。 Problem 8: Leetcode 230 给定一个二叉搜索树的根节点 root ，和一个整数 k ，请你设计一个算法查找其中第 k 个最小元素（从 1 开始计数）。
68830发布于 2021-08-10 - 来自专栏用户6109341的专栏
影响搜索引擎排名8大因素
影响搜索引擎排名8大因素： 1、服务器：即网站存储空间（是否被惩罚或稳定及速度） 2、网站导航结构 3、域名和文件名 4、网页标签的设置（Title、keywords、discription） 5、优秀网页的内容 （一般都是伪原创） 6、关键词在网页中的密度（一般为2%~8%） 7、反链（友情链接及在论坛、贴吧、博客、知道发布的有关网站的连接都算） 8、robots.txt文件（这个是禁止搜索引擎收录的）
99410发布于 2021-07-19 - 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-<em>8</em>"> <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。 搜索引擎映射 Compass的主要功能之一就是从应用程序模型到搜索引擎的声明式映射。Compass搜索引擎的领域模型由资源（Lucene Document）和属性（一个Lucene Field）组成。 它允许把应用对象的领域模型映射到搜索引擎。
1.8K90发布于 2018-01-22 - 来自专栏EdisonTalk
Elastic学习之旅 (8) 深入词项和全文搜索
基于Term的查询 Term（词项）是ES中表达语义的最小单位，搜索和利用统计语言模型进行自然语言处理都需要处理Term。 别急，这恰恰是因为Term查询不对输入做分词，会将输入作为一个整体，进而导致我们搜索不到。 我们进一步将上面的查询改为以下方式就可以查询到记录：将iPhone改为全小写的iphone即可。 篇Query DSL中学习的就是全文查询）： Match Query / Match Phrase Query / Query String Query 基于全文的查询具有以下的特点： 特点1：索引和搜索时都会进行分词
53310编辑于 2024-04-10
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