tag 結構化

標籤
貢獻18
29
04:46 PM · Nov 15 ,2025
u_17562481 頭像 u_15469972 頭像 u_17567677 頭像 u_16099344 頭像 u_14125 頭像 u_14767244 頭像 u_17513570 頭像 u_13357275 頭像 u_16747707 頭像 u_16213723 頭像 u_13594311 頭像 AmbitionGarden 頭像

@結構化 / 博客 RSS 訂閱

u_17567677 頭像

沃觀態勢感知 - 核心技術解析：出海輿情監控網站如何實現全球多平台數據抓取？

出海輿情監控網站的本質是“以儘可能低的成本、儘可能高的速度、儘可能高的準確度，抓取全平台、跨語言、跨區域的輿論數據”。要做到這一點，技術難點極其複雜：全球各平台結構不同、數據權限政策差異巨大、多語言內容格式多樣、商家發佈頻率極高、用户表達碎片化嚴重，而出海輿情監控網站必須在最短時間內把這些信號轉化為統一結構的數據，為品牌提供可靠洞察。因此，理解出海輿情監控網站的數據抓取核心技術，

數據 , 人工智能 , 數據分析 , 數據抓取 , 結構化

收藏 評論

u_13778063 頭像

u_13778063 - 為什麼 RAG 落地難？解析數據處理 “三重困境”，事件驅動架構如何破局？

作者：稚柳 前言 當企業想用大模型和內部非公開信息打造智能問答系統時，RAG（Retrieval-Augmented Generation，檢索增強生成）已成為必備技術。然而，在實際落地中，構建 RAG 應用的數據準備過程繁瑣複雜且充滿挑戰，讓很多企業和開發者望而卻步。本文將介紹構建 RAG 的最佳實踐：通過阿里雲事件總線 EventBridge 提供的多源 RAG

EventBridge , 數據 , 雲計算 , 阿里雲 , 雲服務 , 數據處理 , 結構化

收藏 評論

u_14306318 頭像

咚咚王哲 - 人工智能之數據分析 numpy：第十二章 數據持久化

人工智能之數據分析 numpy 第十二章 數據持久化 前言 NumPy 提供了多種數據持久化（Persistence） 方式，用於高效地保存和加載數組數據。根據數據規模、結構複雜度、跨平台需求等不同場景，可選擇不同的方法。 本文系統講解： 基礎二進制/文本保存（.npy, .npz, .txt） 結構化數組（Structured Arrays） 與

數組 , yyds乾貨盤點 , 後端開發 , 結構化 , Python

收藏 評論

u_16213704 頭像

mob64ca14154457 - 乾貨分享 | 深度學習零基礎進階第二彈 -

Abstract 隱式神經表示 （INR） 已成為使用神經網絡將離散信號編碼為連續、可微函數的強大工具。然而，不幸的是，這些模型通常依賴單體架構來表示高維信息，隨着維度的增長，導致計算成本過高。我們提出了 F-INR，這是一個框架，它依據函數張量分解重新制定 INR 學習，將高維任務分解為輕量級的、特定於軸的子網絡。每個子網絡學習一個低維資料組件（例如，空間或時間）。然後，

數據 , 神經網絡 , 後端開發 , 結構化 , Python

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - 【論文閲讀】Sparks of Science - 指南

目錄 Abstract Introduction Related Work Methodology and the Bit-Flip-Spark+Chain-of-Reasoning Format Preprocessing and Dataset Construction Fine-tuning and Inference Pipeline

數據集 , redis , 語言模型 , 數據庫 , 結構化

收藏 評論

u_16827017 頭像

全棧技術開發者 - 結構化協作（structured collaboration）本質是什麼？什麼是「語義編排」？語義編排在FoA中核心原理是什麼？

在現代人工智能中，智能體的規模和複雜性正在以前所未有的速度擴展。單個智能體在處理複雜任務時往往面臨計算能力和知識覆蓋的限制，而多智能體系統的出現為解決這一問題提供了可能。然而，隨着智能體數量的增加和任務複雜度的提升，如何確保智能體之間能夠高效、可靠地協作，成為設計分佈式智能系統的核心挑戰。 傳統的多智能體系統通常依賴於同步調用或點對點通信來完成任務分配與結果收集。這種模式在

yyds乾貨盤點 , 智能體 , 異構 , 人工智能 , 深度學習 , 子任務 , 結構化

收藏 評論

u_17567677 頭像

沃觀態勢感知 - 從數據到決策：海外社交媒體分析服務如何指引企業的市場戰略

在全球競爭迅速加劇的環境中，企業的市場戰略不再能依賴單一渠道或過往經驗來制定，而必須以海量數據為基礎，通過結構化的洞察模型去判斷趨勢、識別機會並預判風險。海外社交媒體作為用户意見、消費行為、文化趨勢最集中的場域，已經成為企業戰略規劃中最關鍵的前置數據源。海外社交媒體分析服務的價值，也因此從“輔助工具”升級為“戰略基礎設施”，決定了企業在海外能否看得更準、走得更穩。 市場戰略

數據 , 人工智能 , 數據分析 , 社交媒體 , 結構化

收藏 評論

u_17562481 頭像

思考的袋鼠 - 2025年數據分類分級產品選型排名與深度解析：可視化、自適應、一鍵部署成關鍵能力

在新一輪數字化治理要求持續強化的背景下，《數據安全法》《個人信息保護法》以及最新的《數據安全技術 數據分類分級規則（2024）》共同推動數據分類分級從“建議性建設”邁入“強制性治理能力”。面對企業數據規模指數增長與監管壓力持續加大，具有可視化與易用性、自適應分類、一鍵化部署等特徵的智能化數據分類分級產品，正成為企業構建數據安全體系的基礎性設施。 根據 IDC《2024年度中國數據

數據 , 數據安全 , 人工智能 , 深度學習 , 結構化

收藏 評論

u_17587833 頭像

mb6923acc0735dc - 鴻蒙AI實戰之模型優化：端側模型壓縮、量化與加速技術詳解

引言：讓大模型在端側設備"輕裝上陣" 隨着AI大模型參數規模從億級邁向萬億級，如何在資源受限的端側設備上高效部署這些"龐然大物"成為行業核心挑戰。HarmonyOS通過創新的輕量化技術棧，實現了大模型從"龐大笨重"到"小巧精悍"的蜕變。本文將深入解析端側模型壓縮的三大核心技術：剪枝、量化和知識蒸餾，以及它們在HarmonyOS生態中的實戰應用，幫助開發者打造真正"小而強大"

移動開發 , 壓縮率 , 權重 , Android , 結構化

收藏 評論

u_17420180 頭像

合合信息解決方案 - 合合信息亮相澳門HKBN JOS Solution Day，分享企業知識庫建設新路徑

近日，由香港寬頻集團成員HKBN JOS主辦的“HKBN JOS Solution Day 2025”在澳門隆重舉行。本次大會以“智創先行、成果共創”為主題，匯聚了全球科技領域的領軍企業、行業專家及資深從業者，共同探討人工智能技術在企業數字化轉型中的創新應用與實踐成果。 大會上，合合信息智能解決方案事業部總經理李明發表了《如何利用AI為企業建立內部知識庫》主題演講，

機器學習 , 數據 , 人工智能 , 解決方案 , 結構化

收藏 評論

AmbitionGarden 頭像

Ambition的後花園 - 對於不斷變化的開發需求，該如何應對

應對不斷變化的開發需求，是現代軟件開發中的核心挑戰。有效應對的關鍵在於從根本上轉變管理思維，從抗拒變化轉向主動擁抱和靈活管理變化。為此，我整理了一個綜合性的策略表格，希望能為你提供清晰的行動指南。 應對維度

scrum , 後端開發 , JAVA , 迭代 , 結構化

收藏 評論

u_16099344 頭像

風華正茂的AI - 交互式分析（Hologres）2020年4月刊

2025年雲棲大會，Hologres發佈全新4.0版本升級，以“AI時代的一站式多模態分析平台”為核心理念，全面展示了Hologres在結構化、半結構化與非結構化數據分析能力上的重大突破，特別是在OLAP分析、點查、向量檢索、全文檢索、湖倉協同及AI Function集成等方面的領先優勢，刷新ClickBench、JSONBench、VectorDBBench等多項榜單，登頂第一

數據 , 模態 , 前端開發 , 結構化 , Javascript

收藏 評論

u_13594311 頭像

Geo專家於磊老師 - 知識圖譜時代的內容重塑：Geo優化中“概念-屬性-實例”三元組的設計與實踐

概述：從SEO到GEO，內容生產的範式革命 如果説傳統SEO（搜索引擎優化）是圍繞關鍵詞和鏈接的“狩獵”遊戲，那麼在以大模型和知識圖譜為核心的AI搜索時代，我們正在經歷一場內容生產的範式革命，它被稱為GEO（生成式引擎優化）。這場革命的核心，不再是簡單地堆砌關鍵詞，而是如何讓你的內容被AI“理解”並“信任”，進而被主動引用和推薦。 在AI的認知世界裏，信息不再是扁平的

數字化轉型 , 三元組 , 搜索 , 結構化

收藏 評論

u_16213723 頭像

mob64ca1419e0cc - 提示詞（prompt）工程指南（一）：提示介紹_mb618b7a3518a5a的技術博客

效率的關鍵。想象一下：讓 LLM 生成的 JSON 直接被代碼解析，讓報告自動符合公司模板，讓客服回覆精準匹配品牌調性 —— 這些都得經過 Prompt Engineering 實現對輸出的精確控制。本文將環境拆解控制 LLM 輸出的核心技能，從格式約束到內容雕琢，再到風格塑造，幫你從 "能用" 升級到 "善用" 大模型。就是在大模型應用中，"得到答案"

字段 , 後端開發 , harmonyos , 結構化 , Json

收藏 評論

u_16747707 頭像

自由的瘋 - 《日誌與監控：打造可觀測的應用(十五)》

可觀測性是現代應用的核心能力，通過日誌（Logging）、指標（Metrics）和追蹤（Tracing）幫助開發者快速定位問題、優化性能。本文將重點介紹Serilog/NLog 集成、Application Insights 配置和結構化日誌實踐，幫助構建高效、可維護的日誌與監控體系。 1. Serilog/NLog 集成：結構化日誌框架 1.1 Serilo

yyds乾貨盤點 , c++ , 後端開發 , c , 結構化 , Json

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - 多輪智能對話環境架構方案（可實戰）：從基礎模型到自我優化的對話智能體，數據飛輪的重要性

第 1 節：多輪對話系統的架構演進 智能多輪對話系統正在經歷一場深刻的架構變革。為了全面理解現代系統的設計理念，我們必須開始回顧其經典藍圖，並在此基礎上分析大型語言模型（LLM）所帶來的範式轉移。這一演進過程並非簡單的技術替代，而是一種能力的融合與重構，其中經典架構的諸多核心原則在新的範式下依然至關重要。 1.1 經典藍圖：模塊化對話系統的解構 傳統上，

對話系統 , 數據 , Css , 前端開發 , 結構化 , HTML

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI輔助病歷書寫系統：醫生的“AI速記員”與“智能質控員”

你有沒有想過，醫生一天中除了看病，做得最多的事情是什麼？ 答案是：寫病歷。從問診、查體到開處方，每一個環節都需要被詳細、規範地記錄下來。這項工作繁瑣、耗時，且極易出錯。一位醫生可能要花掉近一半的時間在文書工作上，這無疑擠佔了本該留給患者的寶貴時間。 “AI輔助病歷書寫系統”的出現，就是為了將醫生從這種“文書枷鎖”中解放出來。它不是一個簡單的語音輸入法，而是一位集“速記員”、“翻譯官”

自然語言生成 , NLP , 人工智能 , 自然語言理解 , 結構化

收藏 評論

u_17513570 頭像

玫瑰互動GEO - 騰訊新聞短視頻的“AI相關搜索”:企業GEO優化的黃金新陣地

摘要： 當你在騰訊新聞刷到一條介紹智能家居的短視頻時，屏幕下方突然彈出“AI相關搜索”選項：“智能鎖安裝貴嗎？”、“本地有哪些靠譜智能家居品牌？”——這不僅僅是用户的便捷工具，更是企業進行GEO優化（生成引擎優化） 不可錯失的戰略機遇。在AI重塑信息分發的時代，騰訊新聞這一功能為企業精準觸達目標客户打開了全新通道。 目錄： 1.騰訊新聞-短視頻出

智能家居 , 搜索 , AI寫作 , aigc , 結構化

收藏 評論

u_14767244 頭像

u_14767244 - 深入理解 Doris Variant：如何讓 JSON 查詢性能追平列存，還能承載萬列索引字段？｜Deep Dive

摘要：在如 Snowflake、ElasticSearch、ClickHouse.... 等傳統系統中，對於 JSON 的處理往往面臨靈活性及性能無法兼得的困境，而 Apache Doris 的 VARIANT 類型，通過動態子列、稀疏列存儲、延遲物化和路徑索引等能力，實現了靈活結構 + 列存性能的平衡。本文將對該能力的實現一一講解，全面展示其優勢。 在大數據時代，JSON 已

大數據 , 數據 , 數據倉庫 , 結構化 , Json

收藏 評論

u_17562481 頭像

思考的袋鼠 - 從規則到智能：企業數據分類分級的先進實踐與自動化轉型

一、概要 （提示：在數據激增與合規壓力下，企業亟需一種既高效又可靠的數據管理方式。） 隨着數字化轉型的加速，企業數據正以前所未有的速度增長。據國際數據公司（IDC）預測，到 2025 年全球數據總量將超過 175ZB。數據量龐大帶來的直接挑戰是管理複雜度急劇增加，尤其是敏感數據散佈於企業內部多系統、多終端和雲環境中，泄露與濫用風險不斷攀升。與此同時，我國《網絡安全法》

數據管理 , 數據 , 人工智能 , 深度學習 , 結構化

收藏 評論

u_14125 頭像

jacksky - 人工智能的現狀及未來發展 - wyx129140的個人空間 -

Ai元人文：新的期待——基於現狀的共情協同架構 核心論點：在真正的“情感計算”成熟之前，Ai元人文倡導一種 “結構化共情”——通過制度設計、交互規則和價值原語框架，在缺乏直接情感感知的技術條件下，系統性地模擬和達成共情的結果，即：對個體與社羣福祉的深度尊重與促進。 一、 現狀下的“共情協同”：何以可能？ 沒有情感模擬技術，我們如何實現“共情協同”？答案是：將“共

數據 , 後端開發 , 原語 , 結構化 , Python

收藏 評論