基于“深度”度量排序

在一定条件下,我们可能对 更深 的度量进行排序,比如孙子桶或从孙桶。

我们可以定义更深的路径,将度量用尖括号( > )嵌套起来,像这样: my_bucket>another_bucket>metric 。

需要提醒的是嵌套路径上的每个桶都必须是 单值 的。 filter 桶生成 一个单值桶:所有与过滤条件匹配的文档都在桶中。 多值桶(如:terms )动态生成许多桶,无法通过指定一个确定路径来识别。

目前,只有三个单值桶: filter 、 global 和 reverse_nested。

请求

"devEnv" : 
    {
           "terms" : {
              "field" : "devEnv",
              "size" : 15,
              "order" : {
                "hitOne" : "desc"
              }
            },
            "aggregations" : {
              "hitOne" : {
                "filter" : {
                  "term" : {
                    "hit" : "1"
                  }
                }
              }
            }
          }

响应:

"devEnv": {

    "doc_count_error_upper_bound": -1,
    "sum_other_doc_count": 2972603,
    "buckets": [
        {
            "key": "",
            "doc_count": 8433036,
            "hitOne": {
                "doc_count": 1127957
            }
        }
        ,
        {
            "key": "2dbee12531e36d8ef1fa691418d75ec5cb14a4bc",
            "doc_count": 522,
            "hitOne": {
                "doc_count": 368
            }
        }
        ]
        }

结果就会根据hitOne下的doc_count倒序排列,默认是按照hitOne上面的doc_count倒序排列

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
帮我降重:针对上述问题,另一种方法考虑到空中交通复杂性是一系列复杂性因素之间相互作用的结果,因此许多学者通过综合多个紧密相关的因素来产生更全面的复杂性度量指标,结合机器学习技术来计算复杂性,并取得了一些令人满意的效果[94,95]。然而,基于机器学习的方法非常依赖所构建的特征集,这可能需要根据复杂性因素进行更多的特征选择或特征构造的工作。因此,最新的研究使用深度学习方法来自动提取原始数据的高级语义特征。谢等人[96]于2021年首次提出了一种扇区运行场景的图像表示法,进而结合深度学习技术提出了一种基于深度卷积神经网络(DCNN)的SOC评估方法,有效地提高了SOC评估的准确性。这种新的扇区运行场景信息的图像表示方法,为SOC评估方法的发展打开了新思路,使得在图像处理领域表现出色的多种深度学习技术,可以用于解决SOC评估问题。 受此启发,本章节尝试利用深度度量学习方法在联合学习特征表示和语义嵌入方面的优势,提出了一种基于深度度量学习的SOC评估方法(SOCDML)。该方法以多通道空中交通场景图像(Multi-channels Air Traffic Scenario Image,MTSI)[96]作为输入,首先利用DCNN提取扇区交通信息相关的深层特征。然后,设计了一种基于排序代理锚损失的深度度量学习算法,并用该算法对所提取原始数据的嵌入向量进行度量,使具有相似交通场景的嵌入向量之间的距离变小,而不同嵌入向量之间的距离变大。最后将提取到的嵌入向量作为后续1NN分类算法的输入,实现SOC评估。
02-21
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值