ElasticSearch学习(二)------查询

本文深入探讨了Elasticsearch中DSL查询的使用技巧,重点讲解了match查询与term查询的区别,以及如何利用bool查询实现复杂条件的组合。match查询会将查询条件进行分词,适合模糊搜索;term查询则直接匹配完整词条,适用于精确查询。bool查询则适用于多种“与”、“或”条件的组合,是复杂查询场景中的首选。

通过url get 查询的方法不够灵活,此处不讨论,仅讨论 DSL 方式。

一、match 查询和 term 查询

简单来说, 这两个的区别就是 match 查询会对查询条件进行分词操作,而 term 查询不会。比如你输入的查询条件是 “东南大学”,那么 match 查询的条件就可能变成 “东南”“大学”匹配这两个词汇进行查询(分词的粒度由使用的分词器决定);而 term 查询就只会查询 “东南大学”。

curl -XPOST http://localhost:9200/myindex/mytype/_search -d '
{
    "query": {
        "match": {
            "title": "东南大学"
        }
    }
}
'
curl -XPOST http://localhost:9200/myindex/mytype/_search -d '
{
    "query": {
        "term": {
            "title": "东南大学"
        }
    }
}
'

查询一个字段被分词的情况

curl -X GET http://localhost:9200/myindex/mytype/1/_termvectors?fields=title

二. bool 查询

在复杂的查询中我们使用的最多的就是bool查询,适用于多种 “与” “或” 条件的组合

 

 

 

 

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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