gaussian discriment analyse

1.hnsw 原理: 建立graph，目标是索引查询时候，可以从全局查找到距离最近点；为了在海量数据提速， 每个点的临近点要可以索引到全局变量，同时减少索引数据数量，所以要建立树形结构一样的数据形式，通过有限的节点搜索，得到全局的点。方式就是在插入时候，根据插入的先后，先插入的数据数量少，可以全局进行检索建立关联，后插入的数据。 建立多层 索引树， 每层的节点是下层的随机子元素，如此进行循环处理。 相似度检索，每次从最上层检索最相近的点，然后继续进行检索，...

基于 keyword deep semantic matching paper, keyword方面的关键代码复现 应用：1.对同一个embed-represent 的表达， 从 a,b-keyword角度进行attenion生成新的向量，再进行拼接，生成整体的表示向量 2.基于a,b的keyword-mask，和 a,b的mask真实表示，生成新的attention-mask矩阵，keyword-b和seq-a有交互的地方标记为1，如此作为attention添加到s......

decoder本质是一个lm问题 常用框架：encoder+decoder， 技术： seq2seq+attention-mechasim encoder处理trick：增加feature输入维度要远好于语料累加； feature维度：tfidf，ner，pos decoder：利用 encoder-sequence+encoder-word-attention+encoder-sentence+attention oov问题解决：lvt，利用decoder时候门口机制，generator/po..

1.机器人工厂，快速创建机器人，可视化托拉硬拽实现逻辑 　逻辑由面向intent,改为面向dialogue; if else then turnIn-function-turnOut 2.robot 测试　robot, 说白了自动脚本，脚本内涵盖机器人可能出问题的各个方面; 系统架构 1.单纯的对话太单薄，需要综合技术能力 智能摘要、预测排班、工具矩阵、知识健康检...

1.Hierarchical Attention Networks for Document Classification word encode char encode =>sentence encode ==>attented-sentence encode=>document encode==>softmax

利用堆栈方式，入栈出栈&运算符运算等级，进行计算； 同一级的运算符，递归计算完，作为一个整体，压入栈；如此反复；按照运算优先级递增的顺序压栈，如果出现非此顺序计算符，则将原来的运算符&数字出栈计算，结果再压栈； # ELEMENT=['+','-','*','/'] import re LEVEL_1=['+','-'] LEVEL_2=['*','/'] LEVEL_3=['('] LEVEL_4=[')'] def is_symbol(element): if ...

整体公式如下: 总结: 门控机制引入，类比于lstm/gru， 进行e_i 和 e_mask的融合，门控机制通过sigmoid(gru) 进行计算, 同时 ce(fc(gru))可以计算是否coef的判别 纠错和预测作为multi-task 创新点: 门控机制的类比，是参差网络的一种类似的结构，更多的信息处理， 对e_mask和e_i进行门控融合;业务层面引入e_mask作为对coef错误的替代; bert-enc...

a deep cascade model for multi-document reading comprehension 1.先排序检索，后精过滤排序 2. 先　　document paragraph rank, 再　model-rank 3.model-rank,　self-attention, embedding=embedding+cnn-embedding ...

智能音箱 https://www.jiqizhixin.com/articles/2019-09-30-6 不再补贴硬件 家庭智能大脑入口 无屏,带屏 阿里 aiLab 迅猛扩张,十几人到800人的团队 小度打通百度体系账号 阿里蓝牙模组 清华　　极睿科技 https://www.jiqizhixin.com/articles/2019-07-17-8 行业痛点：每个服装...

pretrain: nsp任务，调用 cls 进行训练优化 mask任务，调用sequence_embedding进行训练优化 bert+dynamic_rnn-states+fc fc->[residual_layers,fc] bert transformer+fc->重新训练 为想输出的向量维度。 bert+submodel 架...

1.apriori:对每个关联关系中的元素进行所有xi 2.fp-growth

1.爬虫系统，网站，帖子定向攫取中产维权相关信息，投诉信息 扩充业务线，攫取其他方面信息。 2.toB定向提供给各个新闻报社,自媒体等;

二分查找 常规思路: 1.找到中间值，判断与待查找值大小，分别去左右序列中的中间值比较大小 2.如果某序列为空，则返回 依据生成的文本摘要，从原文中找出对应的相似的句子，作为当前节点，由于summary的前后顺序性，所以可以理解为二分查找的思路，分别从左右继续进行查找 核心逻辑 def extract_matching(texts, summaries, start_i=0, start_j=0): ##?? 怎么抽取匹配 """在texts中找若干句子...

<div class="hello"> <h3>{{ title }}</h3> <p>Vue3 工程化组件使用成功！</p> </div> // Vue3 主流语法：setup 语法糖 const title = '欢迎使用 Vue3 + Vite' .hello { padding: 20px;}

从 0 到 1 全端开发可视化监控系统，搭建后端工程 01

这不仅仅是一个简单的个人博客系统，更是一个集成了 Vue.js 前端框架、D3.js 数据可视化库以及 Node.js 后端服务的综合性技术实践平台。该项目通过模块化的设计，实现了从内容管理、Markdown 渲染到复杂图表交互的完整闭环，特别适合希望构建具有高度定制化视觉效果的技术博主或前端开发者参考。它摒弃了传统博客系统千篇一律的模板，转而采用组件化的开发模式，赋予了内容极高的表现力。在当今的前端开发领域，单纯的文字博客已难以满足技术传播的需求，开发者们越来越追求内容的交互性与数据的可视化呈现。

在接手一个全新的电商或支付类项目时，最让人头疼的往往不是功能有多复杂，而是那些看不见的“暗礁”。很多团队在初期只关注业务逻辑是否跑通，却忽略了架构参数是否合理、高并发下的数据一致性以及第三方接口的真实稳定性。等到上线后流量涌入，数据库死锁、接口超时、验证码延迟等问题集中爆发，这时候再想修补，成本往往是初期的十倍不止。最近我在重构一套基于 PHP + Vue 的易支付系统时，特意将重心从“功能实现”转移到了“极限压测与边界探索”上。

TS + Vue 3 系列开篇，介绍 Vue 3 项目使用 TypeScript 的原因，以及基础类型、类型推断与联合类型、any/unknown/never 的区别。文章涵盖 Vue + Vite 的 tsconfig 核心配置、路径别名与 env.d.ts，以及 Volar 与 vue-tsc 的分工。重点说明 strict 建议开启、paths 需与 vite alias 对齐，以及 vite build 不自带类型检查。