归档 2014年4月

Django设置301域名重定向

Django网站域名发生迁移变更时,如何告知搜索引擎?

这时需要使用301重定向,把通过旧域名URL访问站点的用户引导至新的域名。

301 Moved Permanently是服务器返回的HTTP头信息(header)中的状态码的一种。当用户或搜索引擎向网站服务器发出浏览请求时,返回301状态码代表网页永久性地迁移到了另一个URL。

例如,网站迁移到了新的域名:www.example.com,修改wsgi.py,在尾部添加如下代码:


import django.core.handlers.wsgi
_application = django.core.handlers.wsgi.WSGIHandler()

DOMAIN_NAME = 'www.example.com'
def application(environ, start_response):
  if environ ...

继续阅读

通过cloudbbs论坛申请SAE开发者认证

通过cloudbbs论坛渠道也可以申请SAE开发者认证了

中级开发者认证:
1) 论坛等级为中级工程师
2) 论坛积分达5000分
3) 论坛原创文章达到3篇,且加精华

cloudbbs论坛渠道申请SAE中级开发者认证

高级开发者认证:
1) 论坛等级为技术总监
2) 论坛积分达50000分
3) 论坛原创文章达到10篇,且加精华

cloudbbs论坛渠道申请SAE高级开发者认证

下表为cloudbbs论坛的积分规则:

动作名称 周期范围 周期内最多奖励次数 威望 金豆 贡献
文章评论 每天 40 1 0 0
评论 每天 40 1 0 0
参与投票 每天 10 1 ...

继续阅读

推荐系统中的主要推荐方法

在推荐系统简介中,我们给出了推荐系统的一般框架。很明显,推荐方法是整个推荐系统中最核心、最关键的部分,很大程度上决定了推荐系统性能的优劣。目前,主要的推荐方法包括:基于内容推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐和组合推荐。

一、基于内容推荐

基于内容的推荐(Content-based Recommendation)是信息过滤技术的延续与发展,它是建立在项目的内容信息上作出推荐的,而不需要依据用户对项目的评价意见,更多地需要用机 器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料。在基于内容的推荐系统中,项目或对象是通过相关的特征的属性来定义,系统基于用户评价对象 的特征,学习用户的兴趣,考察用户资料与待预测项目的相匹配程度。用户的资料模型取决于所用学习方法,常用的有决策树、神经网络和基于向量的表示方法等。 基于内容的用户资料是需要有用户的历史数据,用户资料模型可能随着用户的偏好改变而发生变化。

基于内容推荐方法的优点是:
1)不需要其它用户的数据,没有冷开始问题和稀疏问题。
2)能为具有特殊兴趣爱好的用户进行推荐 ...

继续阅读

360代备案申请流水账及注意事项

3月12日通过360代备案专员提交备案申请,
4月11日收到管局发来的备案成功提醒短信,一共用时30天。
期间申请失败一次,3月26日管局短信通知审核NG,联系360代备案专员查明失败原因为“住址未精确到门牌号”。
个人网站通信地址须详致门牌号 
说几点注意事项:
1. 360备案专员提示申请审核期间最好停止解析(可能会造成搜索引擎K站,审核人员一般在申请提交后的第14进行审核),不过据说不停止解析也有可能会通过审核,有兴趣的看官可以尝试一下。关站停止解析 
2. 个人资料住址应当精确到门牌号不精确到门牌号也有一定概率通过审核,但是看RP
个人地址详至门牌号 
3. 备案成功后绑定域名发送邮件到saemail@sina.cn进行申请
4. 绑定国内线路后需要关闭360网站卫士,解析时cname到xxx.sinaapp.com,否则可能造成访问404
备案详细流程请参阅此贴:http://cloudbbs.org/forum.php ...

继续阅读

基于内容的推荐(Content-based Recommendations)

Collaborative Filtering Recommendations (协同过滤,简称CF) 是目前最流行的推荐方法,在学术界和工业界得到大量使用。但是,工业界真正使用的系统一般都不会只有CF推荐算法,Content-based Recommendations (CB) 基本也会是其中的一部分。

CB应该算是最早被使用的推荐方法吧,它根据用户过去喜欢的产品(本文统称为 item),为用户推荐和他过去喜欢的产品相似的产品。例如,一个推荐饭店的系统可以依据某个用户之前喜欢很多的烤肉店而为他推荐烤肉店。 CB最早主要是应用在信息检索系统当中,所以很多信息检索及信息过滤里的方法都能用于CB中。

CB的过程一般包括以下三步:

1. Item Representation:为每个item抽取出一些特征(也就是item的content了)来表示此item;

2. Profile Learning:利用一个用户过去喜欢(及不喜欢)的item的特征数据,来学习出此用户的喜好特征(profile ...

继续阅读

每日归档

上个月

下个月

归档