人员联想模糊匹配

这个博客展示了如何在前端应用中使用`el-autocomplete`和`el-select`组件实现用户和群组的搜索选择。组件支持单选和多选,并具备清空、禁用、远程数据加载等功能。用户输入时会触发异步数据请求,从后端获取匹配的用户信息。当用户选择项目负责人时,会更新表单并触发相关处理函数。
单选
<el-autocomplete size="mini" v-model="form.projectLeader" :fetch-suggestions="userAutoSearch" @select="val => userAutoSelect(1, val)" clearable @clear="handleProjectNumberOfPeople" :disabled="currentPhase == '项目已完成'" placeholder="请输入项目负责人">
  <template slot-scope="{ item }">
    {{ item.pinyin + ' ' + item.userCode }}
  </template>
</el-autocomplete>
userAutoSearch(queryString, cb) {
  if (queryString.trim() == '') {
    cb([])
  }
  else {
    let that = this
    let _data = {
      searchParam: queryString,
      returnDataType: 1 //1:只返回用户,2:只返回群组,3:全部返回
    }
    that.$store.dispatch('peopleAccosiation', _data).then((res) => {
      cb(res.data)
    }, (err) => {
      console.log(err.message)
    })
  }
},
userAutoSelect(_no, val) {
  let _user = val.pinyin + ' ' + val.userCode
  if (_no == 1) {
    this.form.projectLeader = _user
    this.handleProjectNumberOfPeople()
  }
  else {
  }
}
多选
<el-select size="mini" v-model="form.TC" :disabled="currentPhase == '项目已完成'" multiple filterable clearable remote :remote-method="userSearch" @change="handleReportTo" placeholder="请输入TC" :loading="userLoading">
  <el-option v-for="(user, index) in userSearchData" :key="index" :value="user.pinyin + ' ' + user.userCode"></el-option>
</el-select>
userSearch(val) {
  let that = this
  if (val.trim() == '') {
    that.userSearchData = []
  }
  else {
    that.userLoading = true
    let _data = {
      searchParam: val,
      returnDataType: 1 //1:只返回用户,2:只返回群组,3:全部返回
    }
    that.$store.dispatch('peopleAccosiation', _data).then((res) => {
      that.userSearchData = res.data
      that.userLoading = false
    }, (err) => {
      console.log(err.message)
      that.userLoading = false
    })
  }
},
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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