先自我介绍一下,小编浙江大学毕业,去过华为、字节跳动等大厂,目前阿里P7
深知大多数程序员,想要提升技能,往往是自己摸索成长,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年最新大数据全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
如果你需要这些资料,可以添加V获取:vip204888 (备注大数据)
正文
t.getBoost()
.tf(t in d)
· idf(t)
· norm(t,d)
) (t in q)
- score(q,d) 文档d对查询q的相关性得分
- queryNorm(q) 查询的规范化因子
- coord(q,d) 协调因子
- ∑ 文档d的查询q中每个词t的权重之和
- tf(t in d) 文档d中t词的词频(出现次数)
- idf(t) t词的逆文档频率
- t.getBoost() 已应用于查询的boost
- norm(t,d) 是字段长度归一值,与检索时字段的Boost (如果存在)相结合。
BM25
整体而言 BM25 就是对 TF-IDF 算法的改进,对于 TF-IDF 算法,TF(t) 部分的值越大,整个公式返回的值就会越大。BM25 就针对这点进行来优化,随着TF(t) 的逐步加大,该算法的返回值会趋于一个数值。如下图所示:
公式
该公式前半部分是IDF, 后半部分是TF + NORM
- **IDF(qi,D):**查询项的逆文档频率
- **N:**索引中包含该字段的文档数(当前分区)
- n(qi) : 索引字段中包含查询项的文档数量
- f(qi,D): 查询项在文档D中出现的频次
- k1: 这个参数控制着词频结果在**词频饱和度中的上升速度。**默认值为1.2。值越小饱和度变化越快,值越大饱和度变化越慢
- b: 这个参数**控制着字段长归一值所起的作用,**0.0会禁用归一化,1.0会启用完全归一化。默认值为0.75
- |D|: 代表文档的长度,
- avgdl: 代表索引中平均字段长度
explain
PUT /blogs_index
{
"settings": {
"index": {
"number_of_shards": 1,
"number_of_replicas": 0
}
},
"mappings": {
"dynamic": false,
"properties": {
"title": {
"type": "text",
"analyzer": "ik_smart"
},
"content": {
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_smart"
}
}
}
}
POST /blogs_index/_bulk
{"index":{"_id":"1"}}
{"title":"es的相关度","content":"这是关于es的相关度的文章"}
{"index":{"_id":"2"}}
{"title":"相关度","content":"这是关于相关度的文章"}
{"index":{"_id":"3"}}
{"title":"es","content":"这是关于关于es和编程的必看文章"}
{"index":{"_id":"4"}}
{"title":"关注我,系统学习es","content":"这是关于es的文章,介绍了一点相关度的知识"}
GET /blogs_index/_analyze
{
"text": ["es的相关度"],
"field": "title"
}
{
"tokens" : [
{
"token" : "es",
"start_offset" : 0,
"end_offset" : 2,
"type" : "ENGLISH",
"position" : 0
},
{
"token" : "的",
"start_offset" : 2,
"end_offset" : 3,
"type" : "CN_CHAR",
"position" : 1
},
{
"token" : "相关",
"start_offset" : 3,
"end_offset" : 5,
"type" : "CN_WORD",
"position" : 2
},
{
"token" : "度",
"start_offset" : 5,
"end_offset" : 6,
"type" : "CN_CHAR",
"position" : 3
}
]
}
GET /blogs_index/_search
{
"query": {
"match": {
"title": "es的相关度"
}
},
"explain": true
}
文档总分
查询结果中文档一得分2.5933092是有四个分词es,的,相关,度的分数相加所得
2.5933092 = 0.31387398 + 1.0594962 + 0.60996956 + 0.60996956
单个词得分
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
需要这份系统化的资料的朋友,可以添加V获取:vip204888 (备注大数据)
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
技术提升。**
需要这份系统化的资料的朋友,可以添加V获取:vip204888 (备注大数据)
[外链图片转存中…(img-g7I7cDhz-1713281580983)]
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!