上回只是把模拟的账户充值窗口实现了，不过还是一个李鬼，充值信息也不可能只有一项吧。 那么就先来改造这个窗口吧，打开\themes\mall\default文件夹下的account.form.html，看到它只有可怜的几行，最主要的form里是这么个情况 <form method="POST" target="iframe_post" action="index.php?ap
转载
2024-09-05 12:27:24
60阅读
CVE-2013-2551漏洞成因与利用分析1. 简介 VUPEN在Pwn2Own2013上利用此漏洞攻破了Win8+IE10，5月22日VUPEN在其博客上公布了漏洞的细节。它是一个ORG数组整数溢出漏洞，由于此漏洞的特殊性，使得攻击者可以通过整数溢出修改数组的长度，获取任意内存读写的能力，最终绕过ASLR并获取控制权限实现远程代码执行。 在漏洞公布不久，就有人写出了对应的metasploi
转载
2024-05-23 10:59:29
12阅读
2008年03月21日10：15来源：赛迪网－软件世界IBM ECM大中华区技术经理杨晓阳博士可以说是企业内容管理（ECM）在中国最早的传教士，1996年开始，杨晓阳博士带领的团队便开始了在中国进行ECM的推广和普及工作。但是杨晓阳说直到2005年，企业才真正开始认识到ECM的价值和必要性。 如果说外力的推动是一种催化剂，那么内在的需求才是ECM发展的真正动力。在中国ECM的发展过程中，图书
转载
2024-09-13 22:34:25
79阅读
理解 组件-实体-系统 （ECS \CES）游戏编程模型 一般来说，我们实现游戏实体都是采用面向对象的方法进行编程。每一个实体都是一个对象，并且需要一个基于类的实例化系统，允许实体通过多态来扩展。但是，这样的方法，往往导致系统中出现大量的类，造成类爆炸的情况出现。随着新的实体出现，我们发现很难在类继承图中添加新的实体，特别是当这个实体需要很多不同类型的功能的时候。你可以看下
转载
2024-05-31 01:04:20
60阅读
传统模型 VS 敏捷开发模型1.传统模型瀑布模型把关键的活动明确的划分，并且以线性的顺序依次完成，所以我们可以让活动之间的联系降低。这是一种优秀的性质，意味着我们在进行一个活动的时候，只需要和上一个活动进行交互，而不需要关注过多的活动。一旦某一个活动出现问题，那么我们只需要去纠正上一个活动的问题即可。同时，这种线性的方式很简单，方便了过程过程管理。
转载
2024-08-22 19:30:13
71阅读
PersonRank的原理同PageRank与TextRank算法，其基本原理都是基于随机游走而来。要想从深层次的理解PersonRank这类算法，必须从微观上观察数据的具体流向过程，所以这次就把随机游走前两步的过程描述出来，在心里有个大概的印象。1. 随机游走下图描述的是三个用户与四件商品之间的关系，连线表示购买记录，所以边不设置权重，由图可以看出A 购买过： a、c
B 购买过： a、b、c、
转载
2023-10-11 08:57:15
162阅读
作者：18cyl时间：2021-8-22一、推荐系统的定义推荐算法的本质是通过一定的方式将用户和物品联系起来，而不同的推荐系统利用了不同的方式。（搜索引擎满足了用户有明确目的时的主动查找需求，而推荐系统能够在用户没有明确目的的时候帮助他们发现感兴趣的新内容）二、推荐系统的应用电子商务——亚马逊
推荐结果的标题、缩略图推荐结果的平均分推荐理由：
基于物品的推荐算法：给用户推荐那些和他
转载
2023-11-30 12:49:50
104阅读
1.二分查找算法（非递归）/**
* @desc 二分查询（非递归方式）
* 案例：
* {1,3,8,10,11,67,100}，编程实现二分查找，要求使用非递归方式完成。
* @Author xw
* @Date 2019/9/27
*/
public class BinarySearchNonRecursive {
public static void main(Stri
转载
2024-07-03 12:33:35
82阅读
Elasticsearch是一款流行的分布式开源搜索和数据分析引擎，具备高性能、易扩展、容错性强等特点。它强化了Apache Lucene的搜索能力，把掌控海量数据索引和查询的方式提升到一个新的层次。本文结合开源社区和阿里云平台的实践经验，探讨如何调优Elasticsearch的性能提高索引和查询吞吐量。一. Elasticsearch部署建议1.选择合理的
转载
2024-03-25 13:44:26
106阅读
五 重排序算法
原创
2021-08-19 11:28:03
246阅读
推荐算法推荐算法推荐算法商品推荐系统学习资料（一）商品推荐系统学习资料（一）商品推荐系统学习资料（二）2020 KDD比赛指导视频学习kdd2020比赛模型商品推荐系统学习资料（三）----python实现基本的协同过滤kdd-17日汇报item协同过滤和隐语义模型item2vecPandas常用操作kdd环境安装教程推荐算法逻辑思路KDD推荐系统baseline运行KDD Cup 2020 Challenges for Modern E-Commerce Platform:Deb
原创
2021-08-10 11:54:08
366阅读
NCF知识总结代码实现1. NeuralCF 模型的结构1.1 回顾CF和MF1.2 NCF 模型结构1.3 NeuralCF 模型的扩展---双塔模型2. NCF代码实现2.1 tensorflow2.2 pytorch NeuralCF：如何用深度学习改造协同过滤？随着技术的发展，协同过滤相比深度学习模型的弊端就日益显现，因为它是通过直接利用非常稀疏的共现矩阵进行预测的，所以模型的泛化能力非
转载
2024-02-23 18:01:30
131阅读
前言接收者操作特征曲线(ROC)可以用来对分类器的表现可视化，可以依据分类器在ROC上的表现来选择最终的模型。分类性能TP、FP、TN、FN以二分类问题为例，每个实例I将会被映射到正例和负例上{p，n}。模型会将每个实例一个预测结果，结果可能是连续的，也可能是离散的；对于连续的结果，需要根据阈值再进行分类。为了和分类标签区分，我们使用{Y，N}表示每个样本的预测结果。给定一个分类器和一个样本，会有
转载
2023-12-15 10:25:22
64阅读
1. 什么是推荐算法推荐算法最早在1992年就提出来了，但是火起来实际上是最近这些年的事情，因为互联网的爆发，有了更大的数据量可以供我们使用，推荐算法才有了很大的用武之地。最开始，所以我们在网上找资料，都是进yahoo，然后分门别类的点进去，找到你想要的东西，这是一个人工过程，到后来，我们用google，直接搜索自己需要的内容，这些都可以比较精准的找到你想要的东西，但是，如果我自己都不知道自己要找
1基于内容的推荐基于内容的信息推荐方法的理论依据主要来自于信息检索和信息过滤，所谓的基于内容的推荐方法就是根据用户过去的浏览记录来向用户推荐用户没有接触过的推荐项。主要是从两个方法来描述基于内容的推荐方法：启发式的方法和基于模型的方法。启发式的方法就是用户凭借经验来定义相关的计算公式，然后再根据公式的计算结果和实际的结果进行验证，然后再不断修改公式以达到最终目的。而对于模型的方法就是根据以往的数据
转载
2023-10-08 10:51:48
108阅读
在上网购物、看小说、买电影票的时候，都会遇到各种各样的推荐，给我们推荐一些我们曾经买过或收藏过的同类型产品，或者是推荐一些我们看过的小说题材相同的小说。那这些产品推荐都是如何实现的呢？我们今天就来聊聊这些“无聊”的算法。在互联网的应用中，常用的推荐算法有：协同过滤推荐算法（Collaborative Filtering Recommendation）、内容推荐算法（Content-based Re
转载
2023-09-18 19:05:29
225阅读
1.基于行为的协同过滤该算法分为基于用户的协同推荐和基于项目的协同推荐。基于用户的协同过滤，将目标用户对项目的历史评价与其他用户匹配，找到相似用户，再将相似用户感兴趣的项目推荐给目标用户。基于项目的协同过滤是指利用项目间的相似性，而非用户间的相似性来计算预测值，从而实施推荐。协同过滤流程：依据行为记录挖掘用户偏好特征，构建用户画像；然后根据评分数据集进 行相似度计算为用户或项目寻找最近邻集合；再根
转载
2024-02-15 14:53:16
93阅读
1 混淆矩阵TP（true positive）：表示样本的真实类别为正，最后预测得到的结果也为正；FP（false positive）：表示样本的真实类别为负，最后预测得到的结果却为正；FN（false negative）：表示样本的真实类别为正，最后预测得到的结果却为负；TN（true negative）：表示样本的真实类别为负，最后预测得到的结果也为负.acc的不适用场景：在正负样本不平衡的情
转载
2023-12-05 21:18:35
58阅读
1. 推荐系统 1.1 总体框架 主要包括：样本选择、数据清洗、特征提取与选择、模型训练、在线预估和排序。 1.2 目的 帮助用户找到想要的商品，挖掘数据分布。 降低信息过载。 提高站点的点击率/转化率。 为用户提供定制化服务。 2. 推荐算法 基于流行度/协同过滤/基于内容/基于模型/多路混合 2.1 基于流行度算法 按照流行度/热度排
转载
2023-07-04 09:52:43
191阅读
题记：推荐引擎依据的分类依据数据源，分为基于人口统计学的（用户年龄或性别同样判定为类似用户）、基于内容的（物品具有同样关键词和Tag，没有考虑人为因素）。以及基于协同过滤的推荐（发现物品。内容或用户的相关性推荐。分为三个子类，下文阐述）；
依据其建立方式。分为基于物品和用户本身的（用户-物
转载
2023-06-14 22:55:57
253阅读
