1回答
我有一个事实数据库，其中有类似这个片段的条目。
symptom(shingles,headache).
symptom(shingles,fever).
symptom(shingles,malaise).
symptom(shingles,headache).
symptom(shingles,itching).
symptom(shingles,hyperesthesia).
symptom(shingles,paresthesia).
test(shingles,blood).
test(shingles,pcr).
浏览 1提问于2019-02-15得票数 1
回答已采纳
我有一个HashSet<String>，里面充满了名为shingles的字符串(如果将字符串"Fizzbuzz“分解成带状，就会得到"Fi”、"iz“、"zz”、"zb“、"bu”、"uz“、"zz”。)不重要，但这就是板子在这种情况下的含义)。
我试图通过以下方法返回HashSet内容的字符串：
public String getShinglesAsString() {
String shingles = "";
for (String shingle : this.shingles)
浏览 1提问于2015-02-16得票数 0
回答已采纳
3回答
我有一些教程中的代码-：
list1 = [['hello','there','you','too'],['hello','there','you','too','there'],['there','you','hello']]
def get_shingle(size,f):
#shingles = set()
for i in range (0,len(f)-2+1):
浏览 6提问于2016-10-17得票数 2
回答已采纳
当将通配符筛选应用于带状区域时，我仍然得到与过滤器不匹配的桶键.
"aggregations": {
"test": {
"filter": {
"wildcard": {
"name.shingles": {
"value": "*red*"
}
}
},
"aggs": {
"shingles"
浏览 6提问于2022-06-29得票数 0
我正在处理200k个句子，我想使用minhash算法找到Jaccard相似度。但由于有两个for循环，它变得非常慢。有人能给我推荐一些好的实现方法吗？
下面是我当前的代码
from datasketch.minhash import MinHash
def eg1(data1, data2):
m1 = MinHash()
m2 = MinHash(enter code here)
for d in data1:
m1.update(d.encode('utf8'))
for d in data2:
m2.upd
浏览 9提问于2020-06-19得票数 0
1回答
在里你怎么称呼瓦
这是一个简单的例子，它在"name“字段中搜索短语，在”姓氏“字段中搜索另一个短语。
import json
from elasticsearch import Elasticsearch
from elasticsearch_dsl import Search, Q
def make_dsl_query(fields):
"""
Construct a query
"""
es_client = Elasticsearch()
my_query = Search(using=e
浏览 5提问于2017-02-17得票数 2
回答已采纳
我正在尝试用k-shingles分隔一个文本，遗憾的是我不能使用扫描仪。如果最后一块瓦片太短，我想填上"_“。我走了这么远：
public class Projektarbeit {
public static void main(String[] args) {
testKShingling(7, "ddssggeezzfff");
}
public static void testKShingling(int k, String source) {
//first eliminate whitespace
浏览 8提问于2020-05-14得票数 0
回答已采纳
我正在尝试使用以下查询从多个表中删除
mysql> DELETE
-> info, pagelets, shingles, links
-> FROM
-> info
-> INNER JOIN pagelets
-> ON info.page_key=144
-> AND info.page_key=pagelets.page_key
-> INN
浏览 0提问于2009-09-06得票数 0
我一直在使用Lucene中的标准Analyzer进行索引和搜索。我最近遇到了Shingles (2单词shingles\bigram)，到目前为止，我在研究中发现的唯一优势是，短语搜索会更快。不利的一面是，我的索引大小增加了。我不太确定我的应用程序使用Shingles会有什么真正的优势和功能。如果我使用Shingles/NGramTokenizer对我的文档进行标记化来建立索引，它会如何影响我的其他现有搜索(Stem\Fuzzy等搜索)？
有没有人能解释一下这个话题？
浏览 3提问于2016-12-05得票数 1
1回答
两个集合之间的Jaccard距离是它们相交的大小除以它们合并的大小。例如，{1, 2, 3}和{2, 3, 4}之间的距离是2 ({2,3}) /4 ({1,2,3,4}) = 0.5。
Jaccard距离可以通过将字符串分割成单词或字符n克来表示字符串的相似性。例如，具有两个字符的n-克：
"Pear" vs "Peach"
`{"Pe", "ea", "ar"}` vs `{"Pe", "ea", "ac", "ch"}` = 2/5 = 0.4
浏览 0提问于2015-11-01得票数 6
回答已采纳
2回答
我需要最快的方法，从一个数据帧中标记字符串，然后创建一个主列表。
鉴于以下数据框架：
import pandas as pd
d=['Hello', 'Helloworld']
f=pd.DataFrame({'strings':d})
f
strings
0 Hello
1 Helloworld
我想要生成一个列表带状字符串(长度3)如下：(所有可能的三个字母组合都包括在内。)
[['Hel', 'ell', 'llo'],['Hel', 'ell'
浏览 6提问于2016-11-17得票数 4
回答已采纳
我有以下字符串"Word1 Word2 StopWord1 StopWord2 Word3 Word4“。当我使用"bool""match“查询此字符串时，我希望返回与"Word1Word2”和/或"Word3Word4“匹配的所有文本。
我已经创建了一个分析器，我想使用它来索引和搜索。使用analyze API，我已经确认索引是正确完成的。返回的带状疱疹是"Word1Word2“和"Word3Word4”
我想进行查询，以便返回匹配"Word1Word2“和/或"Word3Word4”的文本。我如何才能动态地做到
浏览 0提问于2020-06-09得票数 0
因此，在ES中编写(右)查询并使用sense插件对本地ES安装进行测试之后，我现在面临的问题是:如何使用ES JAVA API从我的代码中执行相同的操作。下面是我要翻译的查询：
{
"size": 5,
"query": {
"multi_match": {
"query": "physics",
"type": "most_fields",
"fields": [
"document.title^10
浏览 1提问于2016-05-28得票数 1
回答已采纳
我对此有点陌生，我需要帮助，我在网上找不到任何答案。基本上，我试图做的是基于从某些文本字段派生的关键字来实现自动完成。
举个例子说明我的指数：
"name": "One liter of Chocolate Milk"
"name": "Milo Milk 250g"
"name": "HiLow low fat milk"
"name": "Yoghurt strawberry"
"name": "Milk Nutrisoy"
所以当
浏览 2提问于2017-03-24得票数 0
回答已采纳
我已经熟悉了shingle分析器，并且我能够创建一个shingle分析器，如下所示：
"index": {
"number_of_shards": 10,
"number_of_replicas": 1
},
"analysis": {
"analyzer": {
"shingle_analyzer": {
"filter": [
"standard"
浏览 5提问于2020-06-14得票数 0
我一直在寻找一种方法来将由shingle令牌过滤器创建的令牌附加到字段数据中，因为它正在被解析为Logstash。到目前为止，我找到的所有文档都主要讨论如何使用shingle令牌过滤器来使用REST来分析已经记录和索引的数据的文本，但在数据字段值被索引时，我还没有找到将这些文本附加到数据字段值的方法。
简而言之，我想要强调的是:假设我收到了一条信息
STORE THE SHINGLES。
应用一个最大和最小板条大小为2的板条过滤器，我们得到了令牌：
STORE THE和THE SHINGLES。
我想找到一种将消息解析为Logstash的方法，以便将其索引如下：
{
...
&
浏览 2提问于2017-07-18得票数 0
回答已采纳
1回答
可以使用shingles在ggplot2中定义特定范围。据我所知，shingles是一种生成群组的方式。我们可以创建这样的shingle并在ggplot2 facet_grid中使用它们来获得图形吗？
浏览 4提问于2011-03-05得票数 9
回答已采纳
为什么这个映射设置(我的索引模板的一部分)给我这个错误：
"error": "MapperParsingException[mapping [properties]]; nested: MapperParsingException[Root type mapping not empty after parsing! Remaining fields: [cache : {type=string}] [metatag.description : {index=no, type=string}] [title : {type=string}] [content
浏览 0提问于2016-09-04得票数 0
回答已采纳
3回答
我在我的.NET项目中使用NEST 2.3.1。
我对它很陌生。
正如我在一个教程中所看到的，我已经完成了这段代码。
using System;
using System.Collections.Generic;
using System.Data.Linq;
using System.Xml.Linq;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using Nest;
using Newtonsoft.Json;
using System.Data.Entity;
namespace Elasti
浏览 4提问于2016-05-24得票数 1
回答已采纳
使用udf处理数组列并返回另一个数组 下面是我的输入： docID Shingles D1 23，25，39,59 D2 34，45，65 我想通过处理shingles数组列来生成一个名为hashes的新列:例如，我想提取min和max (这只是一个示例，以表明我想要一个固定长度的数组列，实际上我并不想找到min或max) docID Shingles散列D1 23、25、39、59 D2 34、45、65 我创建了udf，如下所示： def generate_minhash_signatures(shingles, coeffA, coeffB):
signature = []
浏览 139提问于2019-02-07得票数 0
回答已采纳
有一个包含1200万行的表。
CREATE TABLE `shingles` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`shingle` text NOT NULL,
`count` int(11) NOT NULL,
`used` tinyint(1) DEFAULT NULL,
`stop` tinyint(1) DEFAULT NULL,
`date` tinyint(1) DEFAULT NULL,
PRIMARY KEY (`id`),
UNIQUE KEY `sh
浏览 0提问于2018-03-11得票数 1
我只需要在使用Lucene的文档中找到像“1年”这样的短语的出现次数。
我知道使用TermDocs.seek( Term )和TermDocs.freq()我们找不到任何出现"1“或"year”的术语。
有没有办法找出这样的短语没有任何出现的地方？
浏览 0提问于2012-09-06得票数 0
回答已采纳
1回答
函数返回由逗号分隔的相同变量。
、、、、
我不明白这个函数返回两个变量的意义，这两个变量是相同的：
def construct_shingles(doc,k,h):
#print 'antes -> ',doc,len(doc)
doc = doc.lower()
doc = ''.join(doc.split(' '))
#print 'depois -> ',doc,len(doc)
shingles = {}
for i in xrange(len(doc)):
substr = '
浏览 1提问于2018-11-16得票数 0
回答已采纳
1回答
我想获取从多个词(如“绿色能量”)组合而成的火的频率。
我可以获得“绿色”和“能源”的信托基金，例如：
"function_score":
{
"filter" : {
"terms" : { "content" : ["energy","green"]}
},
"script_score": {
"script": "_index['content']['energy']
浏览 3提问于2014-10-28得票数 0
回答已采纳
1回答
板条的二值矩阵表示法
、、、
我有大量的新闻文章，准确地说是48000篇。我对n = 3的每一篇文章都做了一些记录。我的奶奶长得像这样
[[(tikro, enters, into), (enter, into, research), (into, research, and),...]]
现在，我需要为每个板块和文章建立一个二进制矩阵：
article1 article2 article3
shingle1 1 0 0
shingle2 1 0 1
shingle3 0 1 0
起初，我把所有
浏览 2提问于2019-03-13得票数 0
回答已采纳
1回答
我正在处理一个问题，我必须使用PySpark中的map()函数将大约700万个列表值对转换为键值对，其中给定列表值对中使用的列表长度最多可以是20。
例如：
listVal= [(["ank","nki","kit"],21),(["arp","rpi","pit"],22)]
现在，我想要键值对作为
keyval= [("ank",21),("nki",21),("kit",21),("arp",22),("rpi"
浏览 3提问于2020-10-31得票数 0
回答已采纳
我正在调查熊猫，以便在NLP和文本挖掘上做一些简单的计算，但我不太了解如何做它们。
假设我有以下数据框架，将人们的姓名和性别联系起来：
import pandas
people = {'name': ['John Doe', 'Mary Poppins', 'Jane Doe', 'John Cusack'], 'gender': ['M', 'F', 'F', 'M']}
df = pandas.DataFrame(people)
对
浏览 3提问于2013-03-06得票数 3
1回答
我在Octave/Matlab中创建了MinHash和LSH。但我试图从给定的文档中获取一组k大小的瓦片(单元数组或数组)，但我不知道该怎么做。
我现在拥有的是这个简单的代码：
doc = fopen(document);
i = 1;
while (! feof(doc) )
txt{i} = strread(fgetl(doc), '%s');
i++;
endwhile
fclose(doc);
这将创建一个单元格数组，其中包含文档每一行中的所有单词，这是一个参数，也是我要执行的函数。
浏览 8提问于2015-12-13得票数 1
1回答
我已经为一个使用elasticsearch的小型搜索应用程序构建了一个自动完成功能。当我测试分析器和令牌时，一切似乎都是正确的。
PUT /autocomplete
{
"settings": {
"index": {
"number_of_shards": 1,
"number_of_replicas": 1
},
"analysis": {
"filter": {
"autocomplete_shin
浏览 4提问于2016-05-24得票数 0
我对一个自动完成/建议索引有一个查询，如下所示：
{
"size": 10,
"query": {
"multi_match": {
"query": "'"+search_text+"'",
"type": "bool_prefix",
"fields": [
"company_name
浏览 2提问于2020-12-05得票数 1
回答已采纳
1回答
我一直在编写函数，这些函数可以在Java中找到两个集合的联合和交集，但是我的算法在某个地方似乎有问题。例如，当我输入以下两个数字向量时：
A = {0, 1, 3, 4, 5}
B = {1, 1, 2, 3, 4, 5, 6, 7, 8}
我收到以下消息：
Union = {1, 1, 2, 3, 4, 5, 6, 7, 8}
Intersection = {0, 1, 3, 4, 5}
这显然是不正确的。我应该收到：
Union = {0, 1, 2, 3, 4, 5, 6, 7, 8}
Intersection = {1, 3, 4, 5}
下面是我的主代码中关于交叉口/联合的代码：
浏览 5提问于2014-08-05得票数 0
回答已采纳
嗨，这是我的索引细节：
PUT shingle_test
{
"settings": {
"analysis": {
"analyzer": {
"evolutionAnalyzer": {
"tokenizer": "standard",
"filter": [
"standard",
"custom_shingle"
浏览 10提问于2021-02-09得票数 0
回答已采纳
使用elasticsearch批量api可以对文档进行索引，如下所示： for doc in shingles:
actions.append({
"_op_type": "index",
"_index": index_name,
'_id': hashed_id,
"content_completion": {
浏览 10提问于2020-06-20得票数 1
回答已采纳
当你试图用奇数“否”搜索时。用我的板条分析仪说的话没有结果。
‘新德里abcd’不返回任何结果，但‘新德里abcd xyz’返回
我的分析器如下所示
{
"search": {
"settings": {
"index": {
"analysis": {
"filter": {
"my_shingle_filter": {
浏览 3提问于2017-02-23得票数 1
回答已采纳
我是elasticsearch的新手。我有点糊涂了，elasticsearch匹配和multimatch查询。这两种查询类型之间有什么区别？他们中的每一个都必须使用吗？使用它们中的每一个对性能有什么影响？
提前谢谢。
浏览 3提问于2017-02-25得票数 4
回答已采纳
1回答
函数在极端语料库中的应用
、、、
我有一个数据框架如下：
df<-data.frame(revtext=c('the dog that chased the cat', 'the dog which chased the cat', 'World Cup Hair 2014 very funny.i can change', 'BowBow', 'this is'), rid=c('r01','r02','r03','r04','r05'), stringsAsF
浏览 0提问于2018-03-01得票数 2
回答已采纳
我试图通过使用带有best_fields的multi_match和自定义分析器从不同的多字段文档中找到最匹配的字段，并将带状结构和/或ngram应用于每个字段。我希望得到最佳匹配字段的分数，但实际上我得到的是最佳匹配文档的不同字段的合并分数。为什么会发生这种情况？有没有不同的方法呢？谁能告诉我怎样才能得到最佳匹配域的分数？ 这是我正在做的一个例子： PUT /my-index1
{
"mappings": {
"_doc": {
"properties": {
"name1": {
浏览 8提问于2020-08-23得票数 1
我使用Lucene在下面的文件夹层次结构中搜索文件。默认的根文件夹总是“文档”。“文档”文件夹也包含文件。当我所有的文件夹名都是整字时，它是工作的，但是当文件夹名是多个单词时，它就不像预期的那样工作了。
Sample Folder Hierarchy
Documents
Folder One
Folder Two and Three
Folder Four and Five
Folder Six and Seven
Folder Eight
我尝试下面的查询来搜索特定文件夹层次结构中的文件。但是它没有起作用。
Sample Query
浏览 3提问于2022-08-09得票数 0
我试图使用多个条件从dataset中删除行，但正在接收一些不同的错误。我尝试填充一个新的df，同时也从我现有的df中删除。
clean_df = df[df["assessment.Year_Built"] >= 1900
& df["assessment.Roof_Cover"] != 'Asbestos', '2', '3', 'Built-up', 'Roll Composition', 'Other', 'T
浏览 4提问于2022-06-07得票数 0
1回答
我已经使用标准分析器索引文档。
foo 1 bar
foo 2 bar
foo 3 bar
以此类推。
当我进行类似于"asdf foo 1 bar 2“的mach查询时，foo 2 bar的得分高于foo 1 bar，尽管查询字符串中包含短语"foo 1 bar”。
我如何构造我的查询，以便它考虑到词序？主要问题是查询字符串可能包含比文档更多的单词。
浏览 1提问于2019-01-09得票数 3
回答已采纳
1回答
我想为hashtag做一个分词。我想在标签中分割单词。这是我的尝试，但显然没有成功。
我想做的是
#sometrendingtopicOUTPUT：输入:一些趋势主题
我的尝试：
s<- "#sometrendingtopic"
tokenize_character_shingles(s)
tokenize_words(s)
tokenize_characters(s)
我得到了一些信息，但是对于python 来说，谢谢你未来的想法和指导。
浏览 3提问于2021-08-16得票数 0
回答已采纳
当我第一次创建索引，然后添加带有映射的类型时，所有的工作都完成了。但是，当我试图在一个调用中创建一个具有映射的索引时，我会得到错误：
"type": "mapper_parsing_exception",
"reason": "Failed to parse mapping [my_type]: Expected map for property [fields] on field [type] but got a class java.lang.String",
怎么修呢？我的代码如下：
创建：
PUT /my_index
{
浏览 4提问于2016-01-12得票数 3
回答已采纳
1回答
我已经纠结于simhash算法有一段时间了。我根据我在爬虫上的理解实现了它。然而，当我做一些测试时，它对我来说似乎不是那么可靠。
我计算了200.000个不同文本数据的指纹，发现一些不同的内容具有相同的指纹。所以碰撞的可能性很大。
我的实现代码如下。
我的问题是:如果我的实现是正确的，那么这个算法就会有很大的冲突。谷歌怎么会用这个算法呢？否则，我的算法有什么问题？
public long CalculateSimHash(string input)
{
var vector = GenerateVector(input);
浏览 18提问于2015-10-16得票数 0
我有一个小测试规则，标题是：'Santos (SAN) X AvaíFC (AVAI) - Canindé(圣保罗-SP)‘
如果我试图搜索“san”、“avai”、“avaí”或“santos”这样的单词，它就能正常工作。但是如果我试图搜索'Santos (SAN) X AvaíFC (AVAI)'，它应该只返回1 reg，并返回所有3条规则。
下面是测试数据：
这是分析器&映射
下面是搜索：
提前感谢
{
"settings": {
"analysis": {
"anal
浏览 0提问于2017-05-10得票数 0
回答已采纳
2回答
因为我在搜索建议的"shingle_filter“过滤器中使用了选项"output_unigrams_if_no_shingles"：true”在搜索结果中只显示瓦片，但是建议显示ngram
"shingle_filter": {
"type": "shingle",
"min_shingle_size": 2,
"max_shingle_size": 3,
"output_unigrams_if_no_
浏览 2提问于2020-06-28得票数 1
我有一个索引，我想从其中搜索一个文本&获取前100个结果并执行聚合，以便从这100个结果中检索uniqueIds，并根据它们的max_value/sum_value对它们进行排序。目前，我正在使用下面的查询，它对大约100K的结果执行聚合。但是我希望这个聚合仅限于我的前100个结果
{
"size": 0,
"query": {
"multi_match": {
"query": "game of thrones",
"fields": ["T
浏览 1提问于2018-06-14得票数 0
1回答
我要在星火中实现一个k均值算法。当我运行下面的代码时，我会得到一个酸洗错误(如下图所示)。如果我修改它，并将所有东西放置在循环之外，它将正确地计算质心。
sc = SparkContext(appName="Document Similarity")
lines = sc.wholeTextFiles(sys.argv[1])
articles = lines.flatMap(lambda x: re.split(r' ',x[1]))
shingles = articles.flatMap(shingle_pairs.get_pairs)
sig_vec
浏览 0提问于2017-10-18得票数 2
回答已采纳
我已经用THREE.js创建了一个场景。大多数曲面都是宽度为零且应用了纹理的BoxGeometries。一切都很好，包括房子的透明窗户。当我添加屋顶时，我需要制作成角度的平板和三角形空间。我决定使用从另一个StackOverflow页面(How to create a custom mesh on THREE.JS?)借用的技术。渲染的是网格，而不是纹理。我尝试了不同的纹理图像，它确实改变了渲染面板的颜色，但仍然没有可见的纹理。我漏掉了什么。如果我能做到这一点，我将开始使用更多基于顶点的网格来填充我的建筑。为什么纹理渲染不是？ //texture
var texture =
浏览 41提问于2020-01-03得票数 1
回答已采纳
我正在使用tokenizers包在R中标记文本，但是"@“或"&”等非字母数字符号丢失了，我需要保留它们。下面是我使用的函数：
tokenize_ngrams("My number & email address user@website.com", lowercase = FALSE, n = 3, n_min = 1,stopwords = character(), ngram_delim = " ", simplify = FALSE)
我知道tokenize_character_shingles有允许保留标点符号的stri
浏览 0提问于2017-10-13得票数 3
我对弹性有一个纯粹的召唤。它返回29个文档：
GET /idxsearch-test/movies/_search
{
"size": 20,
"query": {
"bool": {
"must": {
"bool" : {
"should": [
{"term": {"tag.name":
浏览 3提问于2017-06-06得票数 0
回答已采纳
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议
腾讯云开发者
