Какова технология позади резкого звука? Его собственная версия карты - уменьшает алгоритм или что-то еще?

Это старый вопрос, но вот мое решение, использующее Log4J программно.

LogFactory class

import org.apache.log4j.Logger;
import org.apache.log4j.PropertyConfigurator;

import java.util.Properties;

public class LogFactory {

    private final static ThreadLocal<Logger> logFactory = new ThreadLocal<>();

    public static void createNewLogger(String className) {

        Logger log = Logger.getLogger("Thread" + className);

        Properties props = new Properties();
        props.setProperty("log4j.appender.file", "org.apache.log4j.RollingFileAppender");

        props.setProperty("log4j.appender.file.maxFileSize", "100MB");
        props.setProperty("log4j.appender.file.Append", "false");
        props.setProperty("log4j.", "100MB");
        props.setProperty("log4j.appender.file.maxBackupIndex", "100");
        props.setProperty("log4j.appender.file.File", "logs/" + className + ".log");
        props.setProperty("log4j.appender.file.threshold", "info");
        props.setProperty("log4j.appender.file.layout", "org.apache.log4j.PatternLayout");
        props.setProperty("log4j.appender.file.layout.ConversionPattern", "%d{yyyy-MM-dd HH-mm-ss} | %-5p | %C{1}:%L | %m%n");
        props.setProperty("log4j.appender.stdout", "org.apache.log4j.ConsoleAppender");
        props.setProperty("log4j.appender.stdout.Target", "System.out");
        props.setProperty("log4j.logger." + "Thread" + className, "INFO, file");
        PropertyConfigurator.configure(props);
        logFactory.set(log);
    }

    public static Logger getLogger() {
        return logFactory.get();
    }

}

Затем для инициализации регистратора используйте следующий подход

logFactory.createNewLogger(String.valueOf(Thread.currentThread().getId()));
logFactory.getLogger().info(" TEST . Thread id is: " + id);
9
задан Murali VP 23 October 2009 в 21:22
поделиться

2 ответа

Microsoft исторически использовала функцию ранжирования нейронной сети в качестве своей функции ранжирования. Нейронная сеть объединяет сотни переменных, которые URL-адрес будет связывать с ним, связанных с рейтингом. Бумага Обычно они оценивают более 100 документов с помощью детального ранжатора. Каждому узлу запроса нужно будет отдельно оценить свои основные документы и вернуть их агрегатору. Ранжирование на самом деле очень сложное, и алгоритмы подсчета очков обычно многоуровневые.

Для вычислительных задач, генерации факторов и т. Д. Microsoft Search использует SCOPE , который, как мне кажется, построен на основе Dryad но не использует DryadLINQ. SCOPE - это, по сути, язык SQL на вершине кластера.

На самом деле Microsoft гораздо более открыта в отношении своих технологий поиска, чем Google. Microsoft Research Asia и Microsoft Research Silicon Valley

8
ответ дан 4 December 2019 в 22:28
поделиться

The is second-hand information, but I understand they use inverted indexes (indices?) for finding the top 100 or so results, and then they use a set of neural networks to narrow it down several times to the top 10, top 3, and then to find the first one.

They do this because they reason the first hit is what makes a user thing the search engine works or not. If you search for CNN and you don't get CNN.com as the first hit, users think the engine doesn't work.

Again, this is second-hand knowledge. I heard this from a friend who worked at MS for a while on their search team.

0
ответ дан 4 December 2019 в 22:28
поделиться
Другие вопросы по тегам:

Похожие вопросы: