Алгоритм для предложения продуктов

Question

Алгоритм для предложения продуктов

Оформить заказ https://pythex.org/ и узнать, как использовать RegEx

Если вы введете свою строку в текстовый пример и используете (\ d. \ D. \ D . \ d / \ d \ d) в качестве шаблона он будет собирать каждый IP-адрес.

import re

ip_address = re.findall(r'(\d.\d.\d.\d/\d\d)', string)

print(ip_address)
>>> 1.1.1.1/32, 1.1.1.2/31

В качестве альтернативы, если ваши выходные данные всегда одинаковы, вы можете разбить строку на '\' и получить индекс каждого элемента.

пример:

feedback = "[hostname router\r\n!\r\ninterface Loopback0\r\n ip address 1.1.1.1/32\r\n no shutdown\r\n isis " \
              "enable 2222\r\n isis passive\r\n!\r\nvrf definition MGMT\r\n rd 200:200\r\n!\r\n!\r\nvrf definition" \
              " VRF_DDOS\r\n rd 2222:100\r\n description VRF_DDOS\r\n!\r\n!\r\n interface ethernet1/1\r\n no sflow " \
              "enable\r\n ip address 1.1.1.2/31\r\n no shutdown\r\n isis enable 2222\r\n isis passive\r\n!\r\nvrf " \
              "definition MGMT\r\n rd 200:200\r\n!\r\n!\r\nvrf definition VRF_DDOS\r\n rd 2222:100\r\n description " \
              "VRF_DDOS\r\n!\r\n!\r\n ]".replace('\r\n','').split(' ')

print(feedback[2:6])

output >>> ['Loopback0', 'ip', 'address', '1.1.1.1/32']

19

algorithm autosuggest

задан Jonas 5 August 2011 в 10:33

10 ответов

Другие вопросы по тегам:

algorithm autosuggest

Похожие вопросы:

score 3 · Answer 1

Рассмотрите вопрос « Что такое алгоритм хорошей рекомендации? » и его обсуждение на Hacker News.

3

ответ дан 30 November 2019 в 04:40

score 14 · Answer 2

Просто и понятно (корзина заказов):

Вести список транзакций с точки зрения того, какие товары были заказаны вместе. Например, когда кто-то покупает видеокамеру в Amazon, он также покупает носители для записи одновременно.

Принимая решение о том, что «предложено» на данной странице продукта, просмотрите все заказы, в которых этот продукт был заказан, подсчитайте все другие предметы, купленные в то же время, и затем отображать 5 самых популярных предметов, которые были куплены в то же самое время.

Вы можете расширить его оттуда, основываясь не только на заказах, но и на том, что люди последовательно искали на веб-сайт и т. д.

С точки зрения системы рейтинга (т. е. рейтингов фильмов):

Сложнее становится, когда вы добавляете рейтинги. Вместо отдельной корзины предметов, которые вы приобрели, у вас есть история покупок оценок предметов.

В этот момент вы смотрите на интеллектуальный анализ данных, и сложность огромна.

Простой алгоритм, однако, не так уж далек от вышесказанного, но он принимает другую форму. Возьмите предметы с наивысшим рейтингом клиента и наименьший рейтинг, и найдите других клиентов с аналогичными списками с самым высоким рейтингом и самым низким рейтингом. Вы хотите сопоставить их с другими людьми, которые имеют подобные экстремальные симпатии и антипатии - если вы сосредоточитесь только на симпатиях, то когда вы предложите что-то, что они ненавидят, вы дадите им плохой опыт. В системах предложений вы всегда хотите ошибиться на стороне «теплого» опыта, а не «ненависти», потому что один плохой опыт отравит их от использования предложений.