개발잡부

keyword 에 따라 맵핑된 rank 로 상품 정렬 [ { "name": "고야드 플로트 백 숄더 쁘띠 플로 버킷백 PETIT 스페셜-그레이", "keyword": "고야드", "rank": 269 }, { "name": "고야드 쁘띠플로 버킷백 PETITFLOT 스페셜 03098 10237403", "keyword": "고야드", "rank": 75 }, { "name": "해외고야드 방돔백 패브릭 스트랩 VENDOME BAG 기본컬러 블랙브라운 VENDOMEBAGFABRI", "keyword": "고야드", "rank": 624 }, { "name": "고야드 알핀 알팡 미니 백팩 스폐셜 컬러", "keyword": "고야드", "rank": 952 }, { "name": "고야드 보잉 25 클러치..

random 파이썬에서 난수(random number)를 사용하기 위해서는 기본적으로 제공되는 random 모듈을 사용 randint(최소, 최대) : 입력 파라미터인 최소부터 최대까지 중 임의의 정수를 리턴 random() : 0 부터 1 사이의 부동소수점(float) 숫자를 리턴 uniform(최소, 최대) : 입력 파라미터인 최소부터 최대까지 중 임의의 부동소수점(float) 숫자를 리턴 randrange(시작,끝[,간격]) : 입력 파라미터인 시작부터 끝값까지 (지정된 간격으로 나열된) 숫자 중 임의의 정수를 리턴 from random import * i = randint(1, 100) # 1부터 100 사이의 임의의 정수 print(i) f = random() # 0부터 1 사이의 임의의 flo..

script 를 수정해서 score 를 수정 할 수 있을꺼 같은데? 라는 생각이 들어 테스트를 진행 TF, IDF, NORM 에 문서에 색인된 데이터의 가중치로 계산 결과를 바꿔보자 프로젝트 경로 /Users/doo/project/tf-embeddings/script_similarity (venv) (base) ➜ data git:(main) ✗ conda info --envs # conda environments: # base * /Users/doo/opt/anaconda3 900gle /Users/doo/opt/anaconda3/envs/900gle doo /Users/doo/opt/anaconda3/envs/doo image /Users/doo/opt/anaconda3/envs/image nlp /..

Elasticsearch 7.9.2 에 payload plugin 설치 settings { "home-leaflet_2022.06.30.16.20" : { "settings" : { "index" : { "search" : { "slowlog" : { "threshold" : { "fetch" : { "warn" : "3s" }, "query" : { "warn" : "3s" } } } }, "refresh_interval" : "5s", "number_of_shards" : "3", "provided_name" : "home-leaflet_2022.06.30.16.20", "creation_date" : "1656573604579", "analysis" : { "analyzer" : { "payload..

https://github.com/jgraph/drawio-desktop/releases/tag/v19.0.3 Release v19.0.3 · jgraph/drawio-desktop Releases Notes for 19.0.3 Windows Installer Windows No Installer macOS - Universal Linux - deb, snap, AppImage or rpm Google Chrome OS Windows intel x32 releases are marked -ia32- ChangeLog: Plugi... github.com macOS - Universal 을 다운받는다 실행 및 사용

data set 준비 900gle shopping data 색인 similarity_data.json [ { "name": "고야드 플로트 백 숄더 쁘띠 플로 버킷백 PETIT 스페셜-그레이" }, { "name": "고야드 쁘띠플로 버킷백 PETITFLOT 스페셜 03098 10237403" }, { "name": "해외고야드 방돔백 패브릭 스트랩 VENDOME BAG 기본컬러 블랙브라운 VENDOMEBAGFABRI" }, { "name": "고야드 알핀 알팡 미니 백팩 스폐셜 컬러" }, { "name": "고야드 보잉 25 클러치 파우치 전" }, { "name": "고야드 클러치 세나 PM 스페셜-레드" }, { "name": "명품가죽끈 뉴고야드-엠보카멜 카멜 Q-H805" }, { "name"..

데이터 셋으로 활용할 test 데이터를 만들어 보자 원천데이터는 900gle shopping 의 데이터를 활용. create_dataset.py # -*- coding: utf-8 -*- import json from elasticsearch import Elasticsearch def create(): script_query = { "match_all": {} } response = client.search( index=INDEX_NAME, body={ "size": SEARCH_SIZE, "query": script_query, "_source": ["name"] } ) es_data = [] for hit in response["hits"]["hits"]: row = dict(name=str(hi..

from elasticsearch import Elasticsearch import pprint as ppr import json index_name = "script-similarity-index" query = { "query_string": { "query": "foo^1.7", "default_field": "field" } } class EsAPI: es = Elasticsearch(hosts="localhost", port=9200, http_auth=('elastic', 'elastic1!')) # 객체 생성 @classmethod def srvHealthCheck(cls): health = cls.es.cluster.health() print (health) @classmethod def ..

7.9 https://www.elastic.co/guide/en/elasticsearch/reference/7.9/index-modules-similarity.html 7.9환경으로 세팅하고 테스트 setting 에서 my_similarity 를 생성하고 mapping 에서 similarity를 my_similarity 로 맵핑 BM25 similarity (default) TF/IDF based similarity that has built-in tf normalization and is supposed to work better for short fields (like names). See Okapi_BM25 for more details. This similarity has the following..

file:///Users/doo/project/5amsung/lotto/web.html https://github.com/900gle/5amsung GitHub - 900gle/5amsung: 5amsung elec 5amsung elec. Contribute to 900gle/5amsung development by creating an account on GitHub. github.com