Solr Facet技术的应用与研究

问题背景

在《搜索引擎关键字智能提示的一种实现》一文中介绍过，美团的CRM系统负责管理销售人员的门店(POI)和项目(DEAL)信息，提供统一的检索功能，其索引层采用的是SolrCloud。在用户搜索时，如果能直观地给出每个品类的POI数目，各个状态的DEAL数目，可以更好地引导用户进行搜索，进而提升搜索体验。

需求分析

例如，下图是用户搜索项目(DEAL)的界面，当选中一个人或者组织节点后，需要实时显示状态分组和快捷分组的每个项的DEAL数目： 项目搜索界面

为了实现上述导航效果，可以采用以下两个方案：

方案一, 针对每个导航项发送一个Ajax请求，去Solr服务器查询对应的DEAL数目。该方案问题在于，当导航项比较多时，扩展性不好。方案二, 应用Solr自带的Facet技术实现以导航为目的的搜索，查询结果根据分类添加count信息。

DEAL的Solr索引设计如下：

schema.xml：
<field name="deal_id" type="int" indexed="true" stored="true" />       //deal id
<field name="title" type="text_ika" indexed="true" stored="false" />   //标题      
<field name="bd_id" type="int" indexed="true" stored="false" />        //负责人id
<field name="begin_time" type="long" indexed="true" stored="false" />  //项目开始时间
<field name="end_time" type="long" indexed="true" stored="false" />    //项目结束时间
<field name="status" type="int" indexed="true" stored="false" />       //项目状态
<field name="can_buy" type="boolean" indexed="true" stored="false" />  //是否可以购买
...省略     
本文的例子中用于facet的字段有status，can_buy，begin_time，end_time

注： Facet的字段必须被索引，无需分词，无需存储。无需分词是因为该字段的值代表了一个整体概念，无需存储是因为一般而言用户所关心的并不是该字段的具体值，而是作为对查询结果进行分组的一种手段，用户一般会沿着这个分组进一步深入搜索。

Solr Facet简介

Facet是Solr的高级搜索功能之一，Solr作者给出的定义是导航(Guided Navigation)、参数化查询(Paramatic Search)。Facet的主要好处是在搜索的同时，可以按照Facet条件进行分组统计，给出导航信息，改善搜索体验。Facet搜索主要分为以下几类：

1. Field Facet 搜索结果按照Facet的字段分组并统计，Facet字段通过在请求中加入”facet.field”参数加以声明，如果需要对多个字段进行Facet查询，那么将该参数声明多次，Facet字段必须被索引。例如，以下表达式是以DEAL的status和can_buy属性为facet.field进行查询：

select?q=*:*&facet=true&facet.field=status&facet.field=can_buy&wt=json

Facet查询需要在请求参数中加入”facet=on”或者”facet=true”让Facet组件起作用，返回结果：

"facet_counts”: { "facet_queries": {}, "facet_fields":  { "status": [ "32", 96, "0", 40, "8", 81, "16", 50, "127", 80, "64", 27 ] ,"can_buy": [ "true", 236, "false", 21 ]}, "facet_dates": {}, "facet_ranges": {} }

分组count信息包含在“facet_fields”中，分别按照”status”和“can_buy”的值分组，比如状态为32的DEAL数目有96个，能购买的DEAL数目(can_buy=true)是236。

Field Facet主要参数：

 facet.field：Facet的字段facet.prefix：Facet字段前缀facet.limit：Facet字段返回条数facet.offset：开始条数，偏移量，它与facet.limit配合使用可以达到分页的效果facet.mincount：Facet字段最小count，默认为0facet.missing：如果为on或true，那么将统计那些Facet字段值为null的记录facet.method：取值为enum或fc，默认为fc，fc表示Field Cachefacet.enum.cache.minDf：当facet.method=enum时，参数起作用，文档内出现某个关键字的最少次数

2. Date Facet 日期类型的字段在索引中很常见，如DEAL上线时间，线下时间等，某些情况下需要针对这些字段进行Facet。时间字段的取值有无限性，用户往往关心的不是某个时间点而是某个时间段内的查询统计结果，Solr为日期字段提供了更为方便的查询统计方式。字段的类型必须是DateField(或其子类型)。需要注意的是，使用Date Facet时，字段名、起始时间、结束时间、时间间隔这4个参数都必须提供。 与Field Facet类似，Date Facet也可以对多个字段进行Facet。并且针对每个字段都可以单独设置参数。

3. Facet Query Facet Query利用类似于filter query的语法提供了更为灵活的Facet。通过facet.query参数，可以对任意字段进行筛选。

基于Solr facet的实现

本文的例子，需要查询DEAL的“状态”和“快捷选项”导航信息。由于，有的状态DEAL数目不仅与状态(status)字段有关，还与开始时间(begin_time)和(end_time)相关，且各个快捷选项的DEAL数目的计算字段各不相同，要求比较灵活的查询，所以本文拟采用Facet Query方式实现。 以下代码是采用solrJ构造facet查询对象的过程：

public SolrQuery buildFacetQuery(Date now) {SolrQuery solrQuery = new SolrQuery();solrQuery.setFacet(true);//设置facet=onsolrQuery.setFacetLimit(10);//限制facet返回的数量solrQuery.setQuery("*:*");long nowTime = now.getTime() / 1000;long minTime = minTimeStamp;long maxTime = maxTimeStamp;solrQuery.addFacetQuery("status:0");  //待撰写solrQuery.addFacetQuery("status:8");  //撰写中solrQuery.addFacetQuery("status:16"); //已终审solrQuery.addFacetQuery("status:32 AND " + "begin_time:[" + nowTime + " TO " + maxTime + " ]");      //已上架-待上线solrQuery.addFacetQuery("status:32 AND " + "begin_time:[" + minTime + " TO " + nowTime + "] AND " +  //已上架-上线中"end_time:[" + nowTime + " TO " + maxTime + " ]");solrQuery.addFacetQuery("status:32 AND " + "end_time:[" +  minTime + " TO " + nowTime + "]");  //已上架-已下线return solrQuery;
}

说明： “status:0” 查询满足条件的结果集中status=0的Deal数目, “status:32 AND “ + “begin_time:[” + nowTime + “ TO ” + maxTime + “ ]”，查询满足条件的结果集中，status=32且begin_time大于现在时间的Deal数目, 依次类推

返回结果:

"status:0":756, 
"status:8":28,  
"status:16":21,  
"status:32 AND begin_time:[1401869128 TO 1956499199 ]":4,  
"status:32 AND begin_time:[0 TO 1401869128] AND end_time:[1401869128 TO 1956499199 ]":41,   
"status:32 AND end_time:[0 TO 1401869128]":10}

上述结果可知，“已上架-待上线”导航项对应的DEAL数为4个。

Solr Facet查询分析

1. Solr HTTP请求分发

当一个Restful(HTTP)查询请求到达SolrCloud服务器，首先由SolrDispatchFilter(实现javax.servlet.Filter)处理，该类负责分发请求到相应的SolrRequestHandler。具体分发操作在SolrDispatchFilter的doFilter方法中进行：

public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain, boolean retry) {......                 handler = core.getRequestHandler( path );if( handler == null && parser.isHandleSelect() ) {if( "/select".equals( path ) || "/select/".equals( path ) ) {solrReq = parser.parse( core, path, req );String qt = solrReq.getParams().get( CommonParams.QT );handler = core.getRequestHandler( qt );                 //分发到相应的handler.......if( handler != null ) {......                this.execute( req, handler, solrReq, solrRsp );       //处理请求HttpCacheHeaderUtil.checkHttpCachingVeto(solrRsp, resp, reqMethod);                ......              return; }}
}protected void execute( HttpServletRequest req, SolrRequestHandler handler, SolrQueryRequest sreq, SolrQueryResponse rsp) {sreq.getContext().put( "webapp", req.getContextPath() );sreq.getCore().execute( handler, sreq, rsp );
}

接着，调用solrCore的execute方法：

public void execute(SolrRequestHandler handler, SolrQueryRequest req, SolrQueryResponse rsp) {......    
handler.handleRequest(req,rsp);   // handler处理请求
postDecorateResponse(handler, req, rsp);......
}

从上述代码逻辑可以看出，请求的实际处理是由SolrRequestHandler来完成的。

2. SolrRequestHandler处理过程

SolrRequestHandler的类继承结构，如下图所示： SolrRequestHandler的类集成结构

SolrRequestHandler请求处理器的接口，只有两个方法，一个是初始化信息，主要是配置时的默认参数，另一个就是处理请求的接口。 具体处理逻辑主要由SearchHandler类实现。

public interface SolrRequestHandler extends SolrInfoMBean {public void init(NamedList args);   //初始化信息public void handleRequest(SolrQueryRequest req, SolrQueryResponse rsp);  //处理请求
}

SearchHandler实现SolrRequestHandler，SolrCoreAware，在SolrCore初始化的过程中调用SolrRequestHandler中的inform(SolrCore core)，首先是将solrconfig.xml里配置的各个处理组件按一定顺序组装起来，先是first-Component，默认的component，last-component，这些处理组件会按照它们的顺序来执行。如果没有配置，则加载默认组件，方法如下：

protected List<String> getDefaultComponents()
{ArrayList<String> names = new ArrayList<String>(6);names.add( QueryComponent.COMPONENT_NAME );names.add( FacetComponent.COMPONENT_NAME );names.add( MoreLikeThisComponent.COMPONENT_NAME );names.add( HighlightComponent.COMPONENT_NAME );names.add( StatsComponent.COMPONENT_NAME );names.add( DebugComponent.COMPONENT_NAME );names.add( AnalyticsComponent.COMPONENT_NAME );return names;
}

SearchHandler中的component对象包含有QueryComponent、FacetComponent、HighlightComponent等，其中QueryComponent主要负责查询部分，FacetComponent处理facet、HighlightComponent负责高亮显示。SearchHandler在请求处理过程中，由SearchHandler.handleRequestBody(SolrQueryRequest req, SolrQueryResponse rsp)方法依次调用component的prepare、process、distributedProcess方法(分布式搜索本文暂不讨论) 。QueryComponent调用SolrIndexSearcher，SolrIndexSearcher继承了lucene的IndexSearcher类进行搜索，FacetComponent实现对Term的层面的统计，下图是SearchComponent的类图结构： SearchComponent的类图结构

3. FacetComponent Facet查询分析

由上述分析可知，Solr的Facet功能实际上是由FacetComponent组件来实现的，具体实现在FacetComponent.process方法中：

public void process(ResponseBuilder rb) throws IOException
{if (rb.doFacets) {SolrParams params = rb.req.getParams();SimpleFacets f = new SimpleFacets(rb.req, rb.getResults().docSet,params, rb );   //最终facet查询委托给SimpleFacets类进行处理 NamedList<Object> counts = f.getFacetCounts();   ......  }
}

首先QueryComponent处理q参数里的查询，查询的结果的DocID保存在docSet里，这里是一个无序的document ID 的集合。然后把docSet封装在SimpleFacets中，调用SimpleFacets.getFacetCounts()获取统计结果：

public NamedList<Object> getFacetCounts() {......facetResponse = new SimpleOrderedMap<Object>();facetResponse.add("facet_queries", getFacetQueryCounts());facetResponse.add("facet_fields", getFacetFieldCounts());facetResponse.add("facet_dates", getFacetDateCounts());facetResponse.add("facet_ranges", getFacetRangeCounts());     ......return facetResponse;
}

由上可知，返回给客户端的结果有四种类型facet_queries、facet_fields、facet_dates、facet_ranges，分别调用getFacetQueryCounts()，getFacetFieldCounts()，getFacetDateCounts()，getFacetRangeCounts()完成查询。

4. getFacetQueryCounts统计count过程

由于篇幅原因，上述四个方法不一一展开分析，本文用到的查询主要是Facet Query，下面分析一下getFacetQueryCounts方法源码：

public NamedList<Integer> getFacetQueryCounts() throws IOException,SyntaxError {NamedList<Integer> res = new SimpleOrderedMap<Integer>();String[] facetQs = params.getParams(FacetParams.FACET_QUERY);if (null != facetQs && 0 != facetQs.length) {for (String q : facetQs) {                    // 循环统计每个facet query的countparseParams(FacetParams.FACET_QUERY, q);Query qobj = QParser.getParser(q, null, req).getQuery();if (qobj == null) {res.add(key, 0);} else if (params.getBool(GroupParams.GROUP_FACET, false)) {res.add(key, getGroupedFacetQueryCount(qobj));} else {res.add(key, searcher.numDocs(qobj, docs));   //}}}return res;
}

该方法的返回类型NamedList是一个有序的name/value容器，保存每个facet query和对应的count值。由代码可知，在for循环体中逐个统计facet query的count值，其中，parseParams方法中把”key”设置成本次循环的facet query变量“q“，由于GroupParams.GROUP_FACET的值是false(group类似与mysql的group by功能，一般不会打开)，所以count值实际是由searcher.numDocs(qobj, docs)方法负责计算，这里的searcher类型是SolrIndexSearcher。

SolrIndexSearcher的numDocs方法源码如下：

public int numDocs(Query a, DocSet b) throws IOException {if (filterCache != null) {   Query absQ = QueryUtils.getAbs(a);              //如果为negative，则返回相应的补集DocSet positiveA = getPositiveDocSet(absQ);     //查询absQ 获取docSet集合return a==absQ ? b.intersectionSize(positiveA) : b.andNotSize(positiveA);} else {TotalHitCountCollector collector = new TotalHitCountCollector();BooleanQuery bq = new BooleanQuery();bq.add(QueryUtils.makeQueryable(a), BooleanClause.Occur.MUST);bq.add(new ConstantScoreQuery(b.getTopFilter()), BooleanClause.Occur.MUST);super.search(bq, null, collector);return collector.getTotalHits();
}

}

参数a传入facet query对象，参数b传入经过QueryComponent组件处理后得到DocSet集合。DocSet存储的是无序的文档标识号(ID)，ID并不是我们在schema.xml里配置的unique key，而是Solr内部的一个文档标识，其次，DocSet还封装了集合运算的方法，如“求交集”、”求差集”。

由于，我们在solrconfig.xml中配置了filterCache：

<filterCache class="solr.FastLRUCache" size="512" initialSize="512" autowarmCount="0”/>

于是，numDocs方法中filterCache对象不为null，运行到下面三行代码：

Query absQ = QueryUtils.getAbs(a);              //如果为negative，则返回相应的补集
DocSet positiveA = getPositiveDocSet(absQ);     //查询absQ 获取docSet集合
return a==absQ ? b.intersectionSize(positiveA) : b.andNotSize(positiveA);  //集合运算

首先，通过QueryUtils.getAbs(a)将查询对象a统一转化为一个“正向查询对象”absQ，getPositiveDocSet(absQ)方法查询absQ对应的DocSet集合：getPositiveDocSet方法首先查询filterCache中是否存在absQ查询对象对应的结果，存在，则直接返回结果，否则，从索引中查询并把结果保存到filterCache中。

接下来进行集合运算，如果Query对象a和absQ是同一个对象，表明本次查询是“正向查询”，则进行”交集“运算b.intersectionSize(positiveA)，否则进行”差集“运算，最终返回结果集的size。由此可见，facet query对应的count值是集合交集和差集运算后的集合的size。

BTW，如果没有用到filterCache，会每次都构造一个BooleanQuery查询对象到索引中去查询。

5. FacetComponent Facet排序 Solr的FacetComponet支持两种排序: count和index。count是按每个词出现的次数，index是按词的字典顺序。如果查询参数不指定facet.sort，Solr默认是按count排序。排序功能是在FacetComponet的finishStage方法中完成的，详见源码。

总结

本文介绍了Solr Facet技术，并在此基础上实现了DEAL搜索的导航功能，然后从源码级别分析了Solr处理Facet请求的详细过程。

参考资料

  • SimpleFacetParameters http://wiki.apache.org/solr/SimpleFacetParameters
  • 使用Apache Lucene和Solr 4实现下一代搜索和分析 http://www.ibm.com/developerworks/cn/java/j-solr-lucene/
  • Faceted Search with Solr http://searchhub.org/2009/09/02/faceted-search-with-solr/

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/477872.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

LeetCode 129. 求根到叶子节点数字之和（DFS）

LeetCode 129. 求根到叶子节点数字之和（DFS）

1. 题目 给定一个二叉树&#xff0c;它的每个结点都存放一个 0-9 的数字&#xff0c;每条从根到叶子节点的路径都代表一个数字。 例如&#xff0c;从根到叶子节点路径 1->2->3 代表数字 123。 计算从根到叶子节点生成的所有数字之和。 说明: 叶子节点是指没有子节点的…
阅读更多...
推荐精排之锋：FM的一小步，泛化的一大步

推荐精排之锋：FM的一小步，泛化的一大步

文 | 水哥源 | 知乎1.如果说LR是复读机&#xff0c;那么FM可以算作是电子词典2.泛化就是我没见过你&#xff0c;我也能懂你&#xff0c;但是泛化有时候和个性化有点矛盾&#xff0c;属于此消彼长的关系3.实践中的泛化往往来源于拆解&#xff0c;没见过组成的产品&#xff0c;但…
阅读更多...
图谱实战 | 阿里周晓欢：如何将实体抽取从生成问题变成匹配问题？

图谱实战 | 阿里周晓欢：如何将实体抽取从生成问题变成匹配问题？

转载公众号 | DataFunSummit分享嘉宾&#xff1a;周晓欢 阿里巴巴 算法专家编辑整理&#xff1a;刘香妍 中南财经政法大学出品平台&#xff1a;DataFunSummit导读&#xff1a;实体抽取或者说命名实体识别 ( NER ) 在信息抽取中扮演着重要角色&#xff0c;常见的实体抽取多是对文…
阅读更多...
剖析 Promise 之基础篇

剖析 Promise 之基础篇

随着浏览器端异步操作复杂程度的日益增加&#xff0c;以及以 Evented I/O 为核心思想的 NodeJS 的持续火爆&#xff0c;Promise、Async 等异步操作封装由于解决了异步编程上面临的诸多挑战&#xff0c;得到了越来越广泛的应用。本文旨在剖析 Promise 的内部机制&#xff0c;从实…
阅读更多...
LeetCode 318. 最大单词长度乘积（位运算）

LeetCode 318. 最大单词长度乘积（位运算）

1. 题目 给定一个字符串数组 words&#xff0c;找到 length(word[i]) * length(word[j]) 的最大值&#xff0c;并且这两个单词不含有公共字母。你可以认为每个单词只包含小写字母。如果不存在这样的两个单词&#xff0c;返回 0。 示例 1: 输入: ["abcw","baz&…
阅读更多...
百度研究院商业智能实验室招聘研究实习生！

百度研究院商业智能实验室招聘研究实习生！

致力于连接最靠谱的算法岗与最强的求职者招聘贴投放请联系微信xixiaoyao-1岗位职责&#xff1a;同实验室的数据科学家和工程师一起参与研发前沿的机器学习技术&#xff0c;主要内容为对前沿技术进行调研&#xff0c;复现前沿科研成果在顶级会议和期刊上发表论文支持及落地百度飞…
阅读更多...
论文浅尝 | KGNLI: 知识图谱增强的自然语言推理模型

论文浅尝 | KGNLI: 知识图谱增强的自然语言推理模型

笔记整理 | 韩振峰&#xff0c;天津大学硕士链接&#xff1a;https://aclanthology.org/2020.coling-main.571.pdf动机自然语言推理 (NLI) 是自然语言处理中的一项重要任务&#xff0c;它旨在识别两个句子之间的逻辑关系。现有的大多数方法都是基于训练语料库来获得语义知识从而…
阅读更多...
block在美团iOS的实践

block在美团iOS的实践

说到block&#xff0c;相信大部分iOS开发者都会想到retain cycle或是__block修饰的变量。 但是本文将忽略这些老生常谈的讨论&#xff0c;而是将重点放在美团iOS在实践中对block的应用&#xff0c;希望能对同行有所助益。 本文假设读者对block有一定的了解。 从闭包说起 在Lisp…
阅读更多...
写Rap，编菜谱，你画我猜……这些 AI demo 我可以玩一天！

写Rap，编菜谱，你画我猜……这些 AI demo 我可以玩一天！

文 | ZenMoore编 | 小轶上次写的那篇 《Prompt 综述15篇最新论文梳理]》 有亿点点肝。这次给大家整点轻松好玩的&#xff08;顺便给这篇推文打个广告&#xff0c;快去看&#xff01;&#xff09;。不知道读者朋友们有没有遇到这样的情况&#xff1a;有新的论文发表了&#xff0…
阅读更多...
LeetCode 1254. 统计封闭岛屿的数目（图的BFS DFS）

LeetCode 1254. 统计封闭岛屿的数目（图的BFS DFS）

文章目录1. 题目2. 解题2.1 DFS2.2 BFS1. 题目 有一个二维矩阵 grid &#xff0c;每个位置要么是陆地&#xff08;记号为 0 &#xff09;要么是水域&#xff08;记号为 1 &#xff09;。 我们从一块陆地出发&#xff0c;每次可以往上下左右 4 个方向相邻区域走&#xff0c;能…
阅读更多...
技术动态 | 图对比学习的最新进展

技术动态 | 图对比学习的最新进展

转载公众号 | DataFunSummit 分享嘉宾&#xff1a;朱彦樵 中国科学院自动化研究所编辑整理&#xff1a;吴祺尧 加州大学圣地亚哥分校出品平台&#xff1a;DataFunSummit导读&#xff1a;本文跟大家分享下图自监督学习中最近比较热门的研究方向&#xff1a;图对比学习&#xff0…
阅读更多...
如何把Android手机变成一个WIFI下载热点? — 报文转发及DNS报文拦截

如何把Android手机变成一个WIFI下载热点? — 报文转发及DNS报文拦截

随着WiFi的普及&#xff0c;移动运营商的热点也越来越多了&#xff0c;如中国移动的CMCC、中国电信的ChinaNet、中国联通的ChinaUnicom等&#xff0c;一般来说&#xff0c;连上此类的热点&#xff0c;打开浏览器上网时都会自动跳转到一个验证页面&#xff0c;最近有个项目也有类…
阅读更多...
OpenKG 祝大家新春快乐

OpenKG 祝大家新春快乐

OpenKG 祝各位读者新春快乐&#xff0c;虎虎生威&#xff01;OpenKGOpenKG&#xff08;中文开放知识图谱&#xff09;旨在推动以中文为核心的知识图谱数据的开放、互联及众包&#xff0c;并促进知识图谱算法、工具及平台的开源开放。点击阅读原文&#xff0c;进入 OpenKG 网站。…
阅读更多...
推荐中使用FNN/PNN/ONN/NFM优化特征交叉

推荐中使用FNN/PNN/ONN/NFM优化特征交叉

文 | 水哥源 | 知乎sayingDNN时代来临的时候&#xff0c;LR没打过&#xff0c;也很难加入。FM打不过&#xff0c;但他可以加入FM的精髓&#xff0c;最上在于latent embedding&#xff0c;有了它才能把交互拆解到基底上&#xff1b;居中在于element-wise乘&#xff0c;能让两个特…
阅读更多...
LeetCode 310. 最小高度树（图 聪明的BFS，从外向内包围）

LeetCode 310. 最小高度树（图 聪明的BFS，从外向内包围）

文章目录1. 题目2. 解题2.1 暴力BFS2.2 聪明的BFS1. 题目 对于一个具有树特征的无向图&#xff0c;我们可选择任何一个节点作为根。图因此可以成为树&#xff0c;在所有可能的树中&#xff0c;具有最小高度的树被称为最小高度树。给出这样的一个图&#xff0c;写出一个函数找到…
阅读更多...
Emma使用与分析

Emma使用与分析

什么是Emma EMMA 是一个开源、面向 Java 程序测试覆盖率收集和报告工具。 它通过对编译后的 Java 字节码文件进行插装&#xff0c;在测试执行过程中收集覆盖率信息&#xff0c;并通过支持多种报表格式对覆盖率结果进行展示。 EMMA 所使用的字节码插装不仅保证 EMMA 不会给源代码…
阅读更多...
论文浅尝 | WWW2022 - “知识提示”之知识约束预训练微调

论文浅尝 | WWW2022 - “知识提示”之知识约束预训练微调

本文作者 | 陈想&#xff08;浙江大学&#xff09;、张宁豫&#xff08;浙江大学&#xff09;、谢辛&#xff08;陈想&#xff09;、邓淑敏&#xff08;浙江大学&#xff09;姚云志&#xff08;浙江大学&#xff09;、谭传奇&#xff08;阿里巴巴&#xff09;&#xff0c;黄非&…
阅读更多...
吐血整理：论文写作中注意这些细节，能显著提升成稿质量

吐血整理：论文写作中注意这些细节，能显著提升成稿质量

文 | python编 | 小轶前言不知诸位在科研的起步阶段&#xff0c;是否曾有过如下的感受&#xff1a;总感觉自己写的论文就是和自己读过的论文长得不太一样&#xff0c;也不知道为啥。投稿的时候&#xff0c;审稿人也总是 get 不到论文的核心&#xff0c;只揪着论文的次要细节不放…
阅读更多...
LeetCode 1237. 找出给定方程的正整数解

LeetCode 1237. 找出给定方程的正整数解

1. 题目 给出一个函数 f(x, y) 和一个目标结果 z&#xff0c;请你计算方程 f(x,y) z 所有可能的正整数 数对 x 和 y。 给定函数是严格单调的&#xff0c;也就是说&#xff1a; f(x, y) < f(x 1, y) f(x, y) < f(x, y 1)函数接口定义如下&#xff1a; interface Cu…
阅读更多...
基于Wi-Fi的室内定位在美团总部的实践和应用（上）

基于Wi-Fi的室内定位在美团总部的实践和应用（上）

室内定位技术的商业化必将带来一波创新高潮&#xff0c;尤其是在O2O领域&#xff0c;各种基于此技术的应用将出现在我们的面前。我们可以想象一些比较常见的应用场景&#xff0c;比如在大型商场里面借助室内导航快速找到目标商铺&#xff0c;商店根据用户的具体位置向用户推送更…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023