摘要：大体思路 分解user-item矩阵，将user和item embedding到低维稠密的（维度默认为20）空间，然后利用ES的dense vector字段来计算user和item的相关性分数，或item和item之间的相似度分数。 步骤 准备数据 训练模型 模型导入es 生成推荐结果 依赖软件的版 阅读全文

摘要：入门操作 设置built-in用户的密码 默认情况下，连接ES是不需要用户名密码的，但如果要增加此功能可以在命令行中修改默认密码： 首先修改conf/elasticsearch.yml，添加下面语句： xpack.security.enabled: true 重启ES 然后在CMD中执行： elas 阅读全文

摘要：需求 对于英语单词，也就是<ALPHANUM>类型，分析出前缀数组，如果是中文字符，也即是象形文字类型，都切成单字。比如“EVA新世纪福音战士”会被切成[E, EV, EVA, 新，世，纪，福，音，战，士]； “EVA EGG京”则会被切成[E, EV, EVA, E, EG, EGG, 京]。 过 阅读全文