elasticsearch提供了search template功能，其会在实际执行查询之前，对search template进行预处理并将参数填充到template中。我们新建id为search_template_test.match_name的search template，其主要是查询match 字段name；执行search template也支持使用profile来调试查看elastics

一、elasticsearch智能推荐简介elasticsearch作为一个流行搜索引擎，通过用户输入的关键字来寻找匹配的文档，以便用户触达想要的信息；而推荐系统也是类似的处理过程，其首先拿到一个可以表征用户或者物品的数据记录，然后找到跟此记录最接近的记录推荐给用户；the more link this query查询与给定文档类似的文档，其首先选择一些可以代表输入文档的关键字，然后使用这些关键词

一、词项相似度elasticsearch支持拼写纠错，其建议词的获取就需要进行词项相似度的计算；今天我们来通过不同的距离算法来学习一下词项相似度算法；二、数据准备计算词项相似度，就需要首先将词项向量化；我们可以使用以下两种方法字符向量化，其将每个字符映射为一个唯一的数字，我们可以直接使用字符编码即可；import numpy as npdef vectorize_words(words):lowe

我们知道elasticsearch提供了很多的字段类型，当我们索引结构化的简单字段的时候可以使用keyword类型，例如id，email、主机名、状态码、标签、邮政编码等；但是keyword字段类型在索引的时候，并不会对字段的值进行一些预处理，也就是直接保留字段的原值。当我们使用如下文档进行索引的时候，es到底是怎样进行索引处理的呢？{"id":1,"name":"code"}Es字段的索引是通过

match是elasticsearch提供的一个跟terms类似的查询，由于goods.id的type是keyword，所以需要给match指定一个查询时的analyzer，才能保证输入的几个id分开作为不同的查询；我们需要查询购买过某种商品的顾客，一般我们可以通过ui的业务逻辑得到需要筛选的一些商品的id，由于id字段是一个不需要分词的keyword字段，所以我们会直接使用term级别的查询；我

Ctrl + R输入intl.cpl命令，在弹出的框体中选择Admintrative标签，然后选择change system local，然后选中最下方的复选框 “Beta:Use Unicode UTF-8 for worldwide language support”,然后重启操作系统即可；我这里选择的是cmd.exe，既然输出中文乱码，那么肯定跟cmd.exe的编码有关系；使用visual

平时除了遇到二分类问题，碰到最多的就是多分类问题，例如我们发布blogs时候选择的tag等。如果每个样本只关联一个标签则是单标签多分类，如果每个样本可以关联多个样本，则是多标签多分类。今天我们来看下新闻的多分类问题。一、数据集这里使用路透社在1986年发布的数据集，它包含很多的短新闻及其对应的主题，它包含46个主题，是一个简单的被广泛使用的分类数据集。def load_data(self):ret

Ctrl + R输入intl.cpl命令，在弹出的框体中选择Admintrative标签，然后选择change system local，然后选中最下方的复选框 “Beta:Use Unicode UTF-8 for worldwide language support”,然后重启操作系统即可；我这里选择的是cmd.exe，既然输出中文乱码，那么肯定跟cmd.exe的编码有关系；使用visual

3.从 PowerShell 对象生成 JSON 字符串。1.定义JSON字符串变量。

平时除了遇到二分类问题，碰到最多的就是多分类问题，例如我们发布blogs时候选择的tag等。如果每个样本只关联一个标签则是单标签多分类，如果每个样本可以关联多个样本，则是多标签多分类。今天我们来看下新闻的多分类问题。一、数据集这里使用路透社在1986年发布的数据集，它包含很多的短新闻及其对应的主题，它包含46个主题，是一个简单的被广泛使用的分类数据集。def load_data(self):ret