推荐系统纪要

      • 推荐概念
      • Lambda 架构介绍
      • 推荐算法架构
      • 推荐模型构建流程
      • 协同过滤思路介绍
      • 相似度计算
      • 使用不同相似度计算方式实现协同过滤
      • 协同过滤 基于模型的算法
      • 推荐系统的评价
      • 推荐系统的冷启动
      • 基于内容的推荐
      • 基于内容的推荐 基于物品的协同过滤 区别
      • 矩阵分解
      • 基于内容的推荐
      • 基于内容推荐流程
      • 词向量

7天 基础

  • 推荐系统相关概念 基本算法
  • 推荐算法
    • 原生python 实现推荐算法
  • lambda架构 5天
    • hadoop
    • hive hbase
    • spark core
    • spark sql spark streaming
    • 案例 基于电商用户行为

7天 项目

推荐概念

  • 信息过滤系统 解决 信息过载 用户需求不明确的问题
    • 利用一定的规则将物品排序 展示给需求不明确的用户
  • 推荐 搜索区别
    • 推荐个性化较强,用户被动的接受,希望能够提供持续的服务
    • 搜索个性化弱,用户主动搜索,快速满足用户的需求
  • 推荐和 web项目区别
    • 构建稳定的信息流通通道
    • 推荐 信息过滤系统
    • web 对结果有明确预期
    • 推荐 结果是概率问题

Lambda 架构介绍

  • 离线计算和实时计算共同提供服务的问题
  • 离线计算优缺点
    • 优点 能够处理的数据量可以很大 比如pb级别
    • 缺点 速度比较慢 分钟级别的延迟
  • 实时计算
    • 优点 响应快 来一条数据处理一条 ms级别响应
    • 缺点 处理的数据量小一些
  • 离线计算的框架
    • hadoop hdfs mapreduce
    • spark core , spark sql
    • hive
  • 实时计算框架
    • spark streaming
    • storm
    • flink
  • 消息中间件
    • flume 日志采集系统
    • kafka 消息队列
  • 存储相关
    • hbase nosql数据库
    • hive sql操作hdfs数据

推荐算法架构

  • 召回

    • 协同过滤 算相似度 memory base

      ​ 基于模型的 model base 矩阵分解

    • 基于内容

      • 分词
      • 词权重(提取关键词) tf-idf
      • word2Vec 词向量
      • 物品向量
  • 排序

    • 逻辑回归
  • 策略调整

推荐模型构建流程

  • 数据收集

    • 显性评分
    • 隐性数据
  • 特征工程

    • 协同过滤:用户-物品 评分矩阵
    • 基于内容:分词 tf-idf word2Vec
  • 训练模型

    • 协同过滤
      • kNN
      • 矩阵分解 梯度下降 ALS
  • 评估、模型上线

协同过滤思路介绍

  • CF 物以类聚人以群分
  • 做协同过滤的话 首先特征工程把 用户-物品的评分矩阵创建出来
  • 基于用户的协同过滤
    • 给用户A 找到最相似的N个用户
    • N个用户消费过哪些物品
    • N个用户消费过的物品中-A用户消费过的就是推荐结果
  • 基于物品的协同过滤
    • 给物品A 找到最相似的N个物品
    • A用户消费记录 找到这些物品的相似物品
    • 从这些相似物品先去重-A用户消费过的就是推荐结果

相似度计算

  • 余弦相似度、皮尔逊相关系数
    • 向量的夹角余弦值
    • 皮尔逊会对向量的每一个分量做中心化
    • 余弦只考虑方向 不考虑向量长度
    • 如果评分数据是连续的数值比较适合中余弦、皮尔逊计算相似度
  • 杰卡德相似度
    • 交集/并集
    • 计算评分是0 1 布尔值的相似度

使用不同相似度计算方式实现协同过滤

  • 如果 买/没买 点/没点数据 0/1 适合使用杰卡德相似度

    • from sklearn.metrics import jaccard_similarity_score
    • jaccard_similarity_score(df[‘Item A’],df[‘Item B’])
    • from sklearn.metrics.pairwise import pairwise_distances
    • user_similar = 1-pairwise_distances(df,metric=‘jaccard’)
  • 一般用评分去做协同过滤 推荐使用皮尔逊相关系数

    • 评分预测

    • pred(u,i)=r^ui=∑v∈Usim(u,v)∗rvi∑v∈U∣sim(u,v)∣pred(u,i)=\hat{r}_{ui}=\cfrac{\sum_{v\in U}sim(u,v)*r_{vi}}{\sum_{v\in U}|sim(u,v)|} pred(u,i)=r^ui=vUsim(u,v)vUsim(u,v)rvi

  • 基于用户和基于物品的协同过滤 严格上说,属于两种算法,实践中可以都做出来,对比效果,选择最靠谱的

协同过滤 基于模型的算法

  • 用户-物品矩阵比较稀疏的时候 直接去取物品向量 用户向量计算相似度 不太适合
  • 基于模型的方法可以解决用户-物品矩阵比较稀疏的问题
  • 矩阵分解
    • 把大的矩阵拆成两个小的 用户矩阵 物品矩阵 MXN 大矩阵 M X K K X N K<<M k<<N
    • 大矩阵 约等于 用户矩阵 乘 物品矩阵
    • 使用als 交替最小二乘法来优化损失 spark ML recommandation 包封装了als
    • 优化之后的用户矩阵 取出用户向量
    • 优化之后的物品矩阵 取出物品向量
    • 用户向量点乘物品向量 得到最终评分的预测

推荐系统的评价

  • 准确率 覆盖率

    • 准确率
      • 学术 rmse mas 点击率预估 精准率
      • 工程 A/B test 对比不同的算法 在线上运行对关键指标的影响
        • baseline 基准线 热门排行
        • 灰度发布
  • EE

    • Exploitation & Exploration 探索与利用问题
    • Exploitation 利用用户的历史行为 只给他曾经看过的/消费过的相似物品
    • Exploration(探测 搜索) 发现用户的新兴趣
    • ee问题 实际上是矛盾
  • 评估手段

    • 离线评估和在线评估结合, 定期做问卷调查
      • 在线评估
        • 灰度发布 & A/B测试

推荐系统的冷启动

  • 用户冷启动
    • 尽可能收集用户信息 构建用户画像(打标签)
    • 根据用户的标签可以做人群聚类 用以有用户的行为做推荐
    • 更多的使用流行度推荐
  • 物品冷启动
    • 物品打标签 构建物品画像
    • 基于内容的推荐
  • 系统冷启动
    • 如果应用缺少用户行为数据->基于内容的推荐
    • 随着用户行为积累的越来越多->协同过滤
    • 基于内容和协同过滤共同工作

基于内容的推荐

  • 给物品打标签
    • 系统自己提取从业务数据库中提取
    • 用户填写
    • 中文分词 利用算法计算词的权重
      • tf-idf tf term frequency 词频 5/100 *2
        • idf 逆文档频率 log 10 文本库篇数/出现关键词的文章篇数
        • 1000 10python 1000/10 100 2
        • 1000/1000 log(1) = 0
      • textrank
  • 利用标签的文字 转换成词向量
    • word2Vec 词->向量
    • 用向量来表示语义
    • 如果两个词的词向量相似度比较高 认为这两个词的语义相近
  • 利用词向量 构建物品的向量
    • 一个物品有N个关键词 每一个关键词对应一个词向量
    • 求和(权重*词向量)/N
    • 利用N个关键词的词向量获取物品向量
  • 通过物品向量计算相似度
    • 皮尔逊 相关系数 计算物品向量的相似度

基于内容的推荐 基于物品的协同过滤 区别

  • content_base :词向量->物品向量->计算相似度

  • item_based cf :user-item matrix->物品向量->相似度

  • content_base item_based cf 不一样

    • 物品向量构建过程有区别
    • 基于内容的推荐
      • 物品向量 文本(物品描述信息,系统填标签,用户填标签)
    • 基于物品的协同过滤
      • 用户对物品的评分矩阵 用户的行为数据中来
  • baseline思想来解决协同过滤的问题

    • 计算出所有用户对所有物品评分的平均值

    • 预测的评分= 在平均值的基础上 + 用户评分偏置 +物品的评分偏置

    • 求解所有用户的评分偏置 和 所有物品的得分偏置

    • 这个问题可以转换成损失优化的过程

  • 梯度下降

  • 交替最小二乘法

矩阵分解

  • SVD 奇异值分解
    • 一个大矩阵 分成3个小矩阵 中间的是一个k方阵
    • SVD只适用于没有缺失 必须是稠密矩阵
  • Funk SVD
    • 一个大的 分成两个小矩阵
    • LFM 原理
  • BiasSVD 矩阵分解+baseline
  • SVD++ 矩阵分解+baseline+其它影响(点击,收藏,购买)

基于内容的推荐

  • 画像构建 给用户/物品打标签
    • 物品画像
      • 分类信息
      • 标题
      • 电影/音乐 主演、歌手
    • 用户画像
      • 喜好的物品类别 行为偏好
      • 基本人口学属性
      • 活跃程度
      • 风控纬度
  • PGC 应用自己生成
  • UGC 用户来生成
  • 基于内容推荐的算法流程
    • 用户画像/物品画像
    • 匹配用户画像 物品画像
  • 物品冷启动问题
    • 画像->词向量->物品向量->计算物品相似度了
    • 从文本描述的角度找相似的物品
    • 当用户在浏览A的时候 通过上述套路找到跟物品A相似的一系列物品

基于内容推荐流程

① 建立物品画像

  • ①用户打tag ②电影的分类值
  • 根据电影的id 把tag和分类值合并起来 求tf-idf
  • 根据tf-idf的结果 为每一部电影筛选出 top-n(tf-idf比较大的)个关键词
  • 电影id-关键词-关键词权重

② 建立倒排索引

  • 通过关键词找到电影
  • 遍历 电影id-关键词-关键词权重 数据, 读取每一个关键词,用关键词作为key [(关键词对应的电影id,tfidf)] 作为value 保存到dict当中

③ 用户画像

  • 看用户看过那些电影, 到电影的 电影id-关键词-关键词权重 数据中 找到电影所对应的关键词
  • 把用户看过的所有的关键词放到一起 统计词频 每个词出现了几次
  • 出现次数多的关键词 作为用户的兴趣词,这个兴趣词实际上就是用户画像的关键词

④ 根据用户的兴趣词 找到兴趣词对应的电影 多个兴趣词可能对应一个电影 {电影id:[关键词1权重,关键词2权重]}

  • 把每一个部电影对应的关键词权重求和之后 排序 权重比较高的排在前面 推荐给用户

词向量

  • 用向量来表示词语 可以表示语义层面的含义

  • 如果用word2vec模型创建的词向量, 两个词向量相似度比较高,说明这两个词是近义词

  • 词向量作用 把含义相近的判断转换成 向量的相似度计算

  • 使用 gensim Word2Vec模块训练词向量模型

import gensim
#准备所有用来训练词向量模型的文本内容
sentences = list(movie_profile["profile"].values)
# 参数1 文本 参数2 window 观察上下文关系的窗口长度
# min_count 训练模型时要保留下的词语出现的频率 iter=20 迭代20词
model = gensim.models.Word2Vec(sentences, window=3, min_count=1, iter=20)
  • 通过词向量模型找到topn相似词

    model.wv.most_similar(positive=['要找到相似的词的词语'], topn=10)
    
  • 文档向量

from gensim.models.doc2vec import Doc2Vec,TaggedDocument
documents = [TaggedDocument(words, [movie_id]) for movie_id, words in movie_profile["profile"].iteritems()]
# 训练模型并保存 Doc2Vec 通过向量来表示一篇文档  一篇文档就对应一个电影
#向量的相似度 代表了电影额相似程度
model = Doc2Vec(documents, vector_size=100, window=3, min_count=1, workers=4, epochs=20)
words = movie_profile["profile"].loc[6]
inferred_vector = model.infer_vector(words) #传入电影的标签 找到电影文档所对应的向量# 通过docvecs找到传入的向量最相似的n个向量 每一个向量代表了一个电影
sims = model.docvecs.most_similar([inferred_vector], topn=10)
查看全文
如若内容造成侵权/违法违规/事实不符,请联系编程学习网邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!

相关文章

  1. QT与PCIE交互加载SetupAPI.h报错

    setupapi.h依赖这些头文件 #include <Windows.h> #include <assert.h> #include <stdlib.h> #include <stdio.h> #include <strsafe.h> #include <stdint.h> #include <SetupAPI.h> #include <INITGUID.H> #include <WinI…...

    2024/3/15 0:13:10
  2. 图的用矩阵存储的代码实现(c++)

    图的代码实现 头文件 #include <iostream> using namespace std;#define MAXV 7 //最大顶点个数typedef int weight; //邻接矩阵元素类型 typedef char ElemType; //顶点数据元素类型//邻接矩阵类型 typedef struct { weight arcs[MAXV][MAXV]; //邻接矩阵ElemType d…...

    2024/3/6 10:29:29
  3. 图的代码实现(c++)

    图的代码实现 头文件 #include <iostream> using namespace std;#define MAXV 7 //最大顶点个数typedef int weight; //邻接矩阵元素类型 typedef char ElemType; //顶点数据元素类型//邻接矩阵类型 typedef struct { weight arcs[MAXV][MAXV]; //邻接矩阵ElemType d…...

    2024/3/6 10:29:29
  4. 国内HuggingFace,预训练模型镜像使用

    Hugging Face Transformers 是自然语言处理领域的重要开源项目&#xff0c;提供了基于通用架构&#xff08;如 BERT&#xff0c;GPT-2&#xff0c;RoBERTa&#xff09;的数千个预训练模型&#xff0c;并提供了 PyTorch 和 TensorFlow 的良好互操作性。 我们镜像了 Hugging Fac…...

    2024/3/6 10:29:27
  5. 非计算机专业的人要如何学python?

    对于零基础的初学者来说&#xff0c;python是一门十分友好的语言&#xff0c;所以越来越多的人想要学python。那么非计算机专业的人要如何学python?下面&#xff0c;千锋给大家分享几个学习方法&#xff0c;希望大家在学习python的路上能少走弯路。 1、看入门书籍 关于书籍的…...

    2024/3/6 10:29:26
  6. 飞行员兄弟

    飞行员兄弟 题目 “飞行员兄弟”这个游戏&#xff0c;需要玩家顺利的打开一个拥有 16 个把手的冰箱。 已知每个把手可以处于以下两种状态之一&#xff1a;打开或关闭。 只有当所有把手都打开时&#xff0c;冰箱才会打开。 把手可以表示为一个 44 的矩阵&#xff0c;您可以…...

    2024/3/6 10:29:26
  7. 小程序 - audio

    <view><audio id"audio1" src"http://music.163.com/song/media/outer/url?id189540.mp3" loop"{{false}}" controlsname"关不上的窗" author"周传雄"poster"https://nimg.ws.126.net/?urlhttp%3A%2F%2Fdin…...

    2024/3/6 10:29:24
  8. SSM项目错误:Error during artifact deployment. See server log for details.

    把IDEA项目的文件夹的字改了之后运行报了这个错 点击Build -> buildArtifacts -> buildAllArtifacts 等待IDEA build结束就可以了...

    2024/3/4 15:03:50
  9. (c++)这道题年仅13岁的我做不出来,大神们帮帮我吧。

    定义一个函数&#xff0c;用于判断三角形的三条边能否构成三角形&#xff0c;如果能&#xff0c;则判断是普通三角形&#xff0c;等腰三角形&#xff0c;还是等边三角形。   例如&#xff1a;输入1 2 3&#xff0c;输出“buneng"   输入1 1 1&#xff0c;输出”dengbi…...

    2024/3/4 15:03:50
  10. jupyter notebook隐藏导出html文件中的代码

    暴力解决。 1. 隐藏代码但保留代码运行结果和markdown&#xff1a; 打开html文件源码&#xff0c;在原来的style标签下面加上&#xff1a; <style>.jp-InputArea {display: None;} </style> 2.下面这段是代码和代码运行结果都隐藏 <style>.jp-CodeCell {…...

    2024/3/4 15:03:48
  11. Dijkstra算法的思想

    1. Dijkstra算法是求图中某一点到其他点的最短距路。即单源最短路径问题&#xff0c;该算法不能处理负权边&#xff0c;该算法求出的是图中某一点src&#xff0c;到其他所有点的最短距离。 2. 该算法的思想是将图中的点分为两类&#xff0c;一类是已经确定最短距离的点S&#x…...

    2024/3/10 23:00:18
  12. Hive与HBase之间的区别和联系

    首先要知道Hive和HBase两者的区别&#xff0c;我们必须要知道两者的作用和在大数据中扮演的角色 概念 Hive 1.Hive是hadoop数据仓库管理工具&#xff0c;严格来说&#xff0c;不是数据库&#xff0c;本身是不存储数据和处理数据的&#xff0c;其依赖于HDFS存储数据&#xff0…...

    2024/3/6 10:29:23
  13. CSS 浮动

    浮动语法&#xff1a; 选择器{ float:属性值&#xff1b;} none&#xff1b; left&#xff1b; right &#xff1b; 浮动的元素最重要特征1&#xff1a; 1.脱离标准普通流的控制&#xff08;浮&#xff09;&#xff1b; 移动到指定位置&#xff08;动&#xff09;&#xf…...

    2024/3/21 16:27:45
  14. IntelliJ IDEA 2017 提示“Unmapped Spring configuration files found.Please configure Spring facet.”解决办法

    最近在学习使用IDEA工具,觉得与Eclipse相比,还是有很多的方便之处。 但是,当把自己的一个项目导入IDEA之后,Event Log提示“Unmapped Spring configuration files found.Please configure Spring facet.” 这个提示不影响工程正常运行,但是,作为一个强迫症~~每天看到这个…...

    2024/3/28 21:34:32
  15. JAVA web第一次作业

    1.安装tomcat 2.在eclipse里配置tomcat...

    2024/3/6 10:29:19
  16. BeanCreationException: Could not autowire field: private

    BeanCreationException: Could not autowire field: private 本次错误原因:dubbo消费者 没有配置...

    2024/3/6 10:29:18
  17. ubuntu执行sudo apt-get update时报错‘Could not resolve ‘mirrors.cloud.aliyuncs.com‘

    ubuntu执行sudo apt-get update时报错‘Could not resolve ‘mirrors.cloud.aliyuncs.com’ Err:1 http://mirrors.cloud.aliyuncs.com/ubuntu focal InReleaseCould not resolve mirrors.cloud.aliyuncs.com Err:2 http://mirrors.cloud.aliyuncs.com/ubuntu focal-updates I…...

    2024/3/28 21:59:33
  18. 自动计算预计工时

    需求&#xff1a;根据预计开始时间和预计截止日期计算预计工时自动填入上图输入框&#xff0c;一天算作8个工时。 实现&#xff1a; /*** 根据预计开始日期和截止日期自动填写预计工时&#xff0c;一天当作8个工时*/ $(function(){$(#deadline).change(function(){var endTi…...

    2024/3/6 10:29:17
  19. java单例类

    1. 什么是单例类 单例类就是不允许随意建造对象&#xff0c;只允许有一个对象&#xff0c;这就是单例类2.单例类的实现步骤 A:私有化构造方法 B:造一个私有静态的对象 C:写一个公开的方法来获取获取上次的对象 3.代码展示 public class Person {String name;int age;private…...

    2024/3/6 10:29:15
  20. 21天养成好习惯_第十三天

    21天养成好习惯_第十三天 今天结束Java 的 GUI 编程的学习 先作个整体回顾 第一大类&#xff1a;AWT 可参考资料&#xff1a;Java GUI入门 AWT编程相关知识 组件和容器布局管理器事件监听输入框TextField监听综合实例: 简易计算器 源码: 简易计算器画笔窗口监听键盘监听 第…...

    2024/3/6 10:29:14

最新文章

  1. 【学习】企业为什么要做信创适配性测试

    信创产业的发展不仅关乎国家的信息安全和自主可控&#xff0c;也直接关系到经济社会的创新和转型升级。因此&#xff0c;国家积极出台了一系列支持政策&#xff0c;以促进信创产业的快速发展。在各项政策出台的推动下&#xff0c;信创产品已经成为越来越多企业和机构的首选。信…...

    2024/3/29 20:36:54
  2. 梯度消失和梯度爆炸的一些处理方法

    在这里是记录一下梯度消失或梯度爆炸的一些处理技巧。全当学习总结了如有错误还请留言&#xff0c;在此感激不尽。 权重和梯度的更新公式如下&#xff1a; w w − η ⋅ ∇ w w w - \eta \cdot \nabla w ww−η⋅∇w 个人通俗的理解梯度消失就是网络模型在反向求导的时候出…...

    2024/3/20 10:50:27
  3. Controller中接收数组参数

    1、场景 需要根据用户id集合批量删除用户数据&#xff0c;前端使用post请求&#xff0c;controller中参数接收数组参数并根据用户id删除用户基本信息 2、分析处理&#xff1a; 2.1、前端请求类型contentType:application/json 请求体中为json字符串&#xff0c;后端新建一个U…...

    2024/3/29 7:25:45
  4. 【C++练级之路】【Lv.15】AVL树(双子旋转,领略绝对平衡之美)

    快乐的流畅&#xff1a;个人主页 个人专栏&#xff1a;《C语言》《数据结构世界》《进击的C》 远方有一堆篝火&#xff0c;在为久候之人燃烧&#xff01; 文章目录 引言一、AVL树的概念二、AVL树的模拟实现2.1 结点2.2 成员变量2.3 插入2.4 旋转2.4.1 左单旋2.4.2 右单旋2.4.3 …...

    2024/3/27 22:17:55
  5. 【外汇早评】美通胀数据走低,美元调整

    原标题:【外汇早评】美通胀数据走低,美元调整昨日美国方面公布了新一期的核心PCE物价指数数据,同比增长1.6%,低于前值和预期值的1.7%,距离美联储的通胀目标2%继续走低,通胀压力较低,且此前美国一季度GDP初值中的消费部分下滑明显,因此市场对美联储后续更可能降息的政策…...

    2024/3/29 18:08:39
  6. 【原油贵金属周评】原油多头拥挤,价格调整

    原标题:【原油贵金属周评】原油多头拥挤,价格调整本周国际劳动节,我们喜迎四天假期,但是整个金融市场确实流动性充沛,大事频发,各个商品波动剧烈。美国方面,在本周四凌晨公布5月份的利率决议和新闻发布会,维持联邦基金利率在2.25%-2.50%不变,符合市场预期。同时美联储…...

    2024/3/29 18:08:34
  7. 【外汇周评】靓丽非农不及疲软通胀影响

    原标题:【外汇周评】靓丽非农不及疲软通胀影响在刚结束的周五,美国方面公布了新一期的非农就业数据,大幅好于前值和预期,新增就业重新回到20万以上。具体数据: 美国4月非农就业人口变动 26.3万人,预期 19万人,前值 19.6万人。 美国4月失业率 3.6%,预期 3.8%,前值 3…...

    2024/3/29 2:45:46
  8. 【原油贵金属早评】库存继续增加,油价收跌

    原标题:【原油贵金属早评】库存继续增加,油价收跌周三清晨公布美国当周API原油库存数据,上周原油库存增加281万桶至4.692亿桶,增幅超过预期的74.4万桶。且有消息人士称,沙特阿美据悉将于6月向亚洲炼油厂额外出售更多原油,印度炼油商预计将每日获得至多20万桶的额外原油供…...

    2024/3/29 16:26:39
  9. 【外汇早评】日本央行会议纪要不改日元强势

    原标题:【外汇早评】日本央行会议纪要不改日元强势近两日日元大幅走强与近期市场风险情绪上升,避险资金回流日元有关,也与前一段时间的美日贸易谈判给日本缓冲期,日本方面对汇率问题也避免继续贬值有关。虽然今日早间日本央行公布的利率会议纪要仍然是支持宽松政策,但这符…...

    2024/3/29 5:19:52
  10. 【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响

    原标题:【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响近日伊朗局势升温,导致市场担忧影响原油供给,油价试图反弹。此时OPEC表态稳定市场。据消息人士透露,沙特6月石油出口料将低于700万桶/日,沙特已经收到石油消费国提出的6月份扩大出口的“适度要求”,沙特将满…...

    2024/3/29 18:08:00
  11. 【外汇早评】美欲与伊朗重谈协议

    原标题:【外汇早评】美欲与伊朗重谈协议美国对伊朗的制裁遭到伊朗的抗议,昨日伊朗方面提出将部分退出伊核协议。而此行为又遭到欧洲方面对伊朗的谴责和警告,伊朗外长昨日回应称,欧洲国家履行它们的义务,伊核协议就能保证存续。据传闻伊朗的导弹已经对准了以色列和美国的航…...

    2024/3/29 11:11:56
  12. 【原油贵金属早评】波动率飙升,市场情绪动荡

    原标题:【原油贵金属早评】波动率飙升,市场情绪动荡因中美贸易谈判不安情绪影响,金融市场各资产品种出现明显的波动。随着美国与中方开启第十一轮谈判之际,美国按照既定计划向中国2000亿商品征收25%的关税,市场情绪有所平复,已经开始接受这一事实。虽然波动率-恐慌指数VI…...

    2024/3/29 1:13:26
  13. 【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试

    原标题:【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试美国和伊朗的局势继续升温,市场风险情绪上升,避险黄金有向上突破阻力的迹象。原油方面稍显平稳,近期美国和OPEC加大供给及市场需求回落的影响,伊朗局势并未推升油价走强。近期中美贸易谈判摩擦再度升级,美国对中…...

    2024/3/29 8:28:16
  14. 【原油贵金属早评】市场情绪继续恶化,黄金上破

    原标题:【原油贵金属早评】市场情绪继续恶化,黄金上破周初中国针对于美国加征关税的进行的反制措施引发市场情绪的大幅波动,人民币汇率出现大幅的贬值动能,金融市场受到非常明显的冲击。尤其是波动率起来之后,对于股市的表现尤其不安。隔夜美国股市出现明显的下行走势,这…...

    2024/3/29 7:41:19
  15. 【外汇早评】美伊僵持,风险情绪继续升温

    原标题:【外汇早评】美伊僵持,风险情绪继续升温昨日沙特两艘油轮再次发生爆炸事件,导致波斯湾局势进一步恶化,市场担忧美伊可能会出现摩擦生火,避险品种获得支撑,黄金和日元大幅走强。美指受中美贸易问题影响而在低位震荡。继5月12日,四艘商船在阿联酋领海附近的阿曼湾、…...

    2024/3/29 18:07:15
  16. 【原油贵金属早评】贸易冲突导致需求低迷,油价弱势

    原标题:【原油贵金属早评】贸易冲突导致需求低迷,油价弱势近日虽然伊朗局势升温,中东地区几起油船被袭击事件影响,但油价并未走高,而是出于调整结构中。由于市场预期局势失控的可能性较低,而中美贸易问题导致的全球经济衰退风险更大,需求会持续低迷,因此油价调整压力较…...

    2024/3/29 9:57:23
  17. 氧生福地 玩美北湖(上)——为时光守候两千年

    原标题:氧生福地 玩美北湖(上)——为时光守候两千年一次说走就走的旅行,只有一张高铁票的距离~ 所以,湖南郴州,我来了~ 从广州南站出发,一个半小时就到达郴州西站了。在动车上,同时改票的南风兄和我居然被分到了一个车厢,所以一路非常愉快地聊了过来。 挺好,最起…...

    2024/3/29 0:49:46
  18. 氧生福地 玩美北湖(中)——永春梯田里的美与鲜

    原标题:氧生福地 玩美北湖(中)——永春梯田里的美与鲜一觉醒来,因为大家太爱“美”照,在柳毅山庄去寻找龙女而错过了早餐时间。近十点,向导坏坏还是带着饥肠辘辘的我们去吃郴州最富有盛名的“鱼头粉”。说这是“十二分推荐”,到郴州必吃的美食之一。 哇塞!那个味美香甜…...

    2024/3/29 18:06:57
  19. 氧生福地 玩美北湖(下)——奔跑吧骚年!

    原标题:氧生福地 玩美北湖(下)——奔跑吧骚年!让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 啊……啊……啊 两…...

    2024/3/29 17:27:19
  20. 扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!

    原标题:扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!扒开伪装医用面膜,翻六倍价格宰客!当行业里的某一品项火爆了,就会有很多商家蹭热度,装逼忽悠,最近火爆朋友圈的医用面膜,被沾上了污点,到底怎么回事呢? “比普通面膜安全、效果好!痘痘、痘印、敏感肌都能用…...

    2024/3/29 18:06:36
  21. 「发现」铁皮石斛仙草之神奇功效用于医用面膜

    原标题:「发现」铁皮石斛仙草之神奇功效用于医用面膜丽彦妆铁皮石斛医用面膜|石斛多糖无菌修护补水贴19大优势: 1、铁皮石斛:自唐宋以来,一直被列为皇室贡品,铁皮石斛生于海拔1600米的悬崖峭壁之上,繁殖力差,产量极低,所以古代仅供皇室、贵族享用 2、铁皮石斛自古民间…...

    2024/3/29 18:06:22
  22. 丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者

    原标题:丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者【公司简介】 广州华彬企业隶属香港华彬集团有限公司,专注美业21年,其旗下品牌: 「圣茵美」私密荷尔蒙抗衰,产后修复 「圣仪轩」私密荷尔蒙抗衰,产后修复 「花茵莳」私密荷尔蒙抗衰,产后修复 「丽彦妆」专注医学护…...

    2024/3/28 18:26:34
  23. 广州械字号面膜生产厂家OEM/ODM4项须知!

    原标题:广州械字号面膜生产厂家OEM/ODM4项须知!广州械字号面膜生产厂家OEM/ODM流程及注意事项解读: 械字号医用面膜,其实在我国并没有严格的定义,通常我们说的医美面膜指的应该是一种「医用敷料」,也就是说,医用面膜其实算作「医疗器械」的一种,又称「医用冷敷贴」。 …...

    2024/3/29 18:06:01
  24. 械字号医用眼膜缓解用眼过度到底有无作用?

    原标题:械字号医用眼膜缓解用眼过度到底有无作用?医用眼膜/械字号眼膜/医用冷敷眼贴 凝胶层为亲水高分子材料,含70%以上的水分。体表皮肤温度传导到本产品的凝胶层,热量被凝胶内水分子吸收,通过水分的蒸发带走大量的热量,可迅速地降低体表皮肤局部温度,减轻局部皮肤的灼…...

    2024/3/28 20:09:10
  25. 配置失败还原请勿关闭计算机,电脑开机屏幕上面显示,配置失败还原更改 请勿关闭计算机 开不了机 这个问题怎么办...

    解析如下&#xff1a;1、长按电脑电源键直至关机&#xff0c;然后再按一次电源健重启电脑&#xff0c;按F8健进入安全模式2、安全模式下进入Windows系统桌面后&#xff0c;按住“winR”打开运行窗口&#xff0c;输入“services.msc”打开服务设置3、在服务界面&#xff0c;选中…...

    2022/11/19 21:17:18
  26. 错误使用 reshape要执行 RESHAPE,请勿更改元素数目。

    %读入6幅图像&#xff08;每一幅图像的大小是564*564&#xff09; f1 imread(WashingtonDC_Band1_564.tif); subplot(3,2,1),imshow(f1); f2 imread(WashingtonDC_Band2_564.tif); subplot(3,2,2),imshow(f2); f3 imread(WashingtonDC_Band3_564.tif); subplot(3,2,3),imsho…...

    2022/11/19 21:17:16
  27. 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机...

    win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”问题的解决方法在win7系统关机时如果有升级系统的或者其他需要会直接进入一个 等待界面&#xff0c;在等待界面中我们需要等待操作结束才能关机&#xff0c;虽然这比较麻烦&#xff0c;但是对系统进行配置和升级…...

    2022/11/19 21:17:15
  28. 台式电脑显示配置100%请勿关闭计算机,“准备配置windows 请勿关闭计算机”的解决方法...

    有不少用户在重装Win7系统或更新系统后会遇到“准备配置windows&#xff0c;请勿关闭计算机”的提示&#xff0c;要过很久才能进入系统&#xff0c;有的用户甚至几个小时也无法进入&#xff0c;下面就教大家这个问题的解决方法。第一种方法&#xff1a;我们首先在左下角的“开始…...

    2022/11/19 21:17:14
  29. win7 正在配置 请勿关闭计算机,怎么办Win7开机显示正在配置Windows Update请勿关机...

    置信有很多用户都跟小编一样遇到过这样的问题&#xff0c;电脑时发现开机屏幕显现“正在配置Windows Update&#xff0c;请勿关机”(如下图所示)&#xff0c;而且还需求等大约5分钟才干进入系统。这是怎样回事呢&#xff1f;一切都是正常操作的&#xff0c;为什么开时机呈现“正…...

    2022/11/19 21:17:13
  30. 准备配置windows 请勿关闭计算机 蓝屏,Win7开机总是出现提示“配置Windows请勿关机”...

    Win7系统开机启动时总是出现“配置Windows请勿关机”的提示&#xff0c;没过几秒后电脑自动重启&#xff0c;每次开机都这样无法进入系统&#xff0c;此时碰到这种现象的用户就可以使用以下5种方法解决问题。方法一&#xff1a;开机按下F8&#xff0c;在出现的Windows高级启动选…...

    2022/11/19 21:17:12
  31. 准备windows请勿关闭计算机要多久,windows10系统提示正在准备windows请勿关闭计算机怎么办...

    有不少windows10系统用户反映说碰到这样一个情况&#xff0c;就是电脑提示正在准备windows请勿关闭计算机&#xff0c;碰到这样的问题该怎么解决呢&#xff0c;现在小编就给大家分享一下windows10系统提示正在准备windows请勿关闭计算机的具体第一种方法&#xff1a;1、2、依次…...

    2022/11/19 21:17:11
  32. 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”的解决方法...

    今天和大家分享一下win7系统重装了Win7旗舰版系统后&#xff0c;每次关机的时候桌面上都会显示一个“配置Windows Update的界面&#xff0c;提示请勿关闭计算机”&#xff0c;每次停留好几分钟才能正常关机&#xff0c;导致什么情况引起的呢&#xff1f;出现配置Windows Update…...

    2022/11/19 21:17:10
  33. 电脑桌面一直是清理请关闭计算机,windows7一直卡在清理 请勿关闭计算机-win7清理请勿关机,win7配置更新35%不动...

    只能是等着&#xff0c;别无他法。说是卡着如果你看硬盘灯应该在读写。如果从 Win 10 无法正常回滚&#xff0c;只能是考虑备份数据后重装系统了。解决来方案一&#xff1a;管理员运行cmd&#xff1a;net stop WuAuServcd %windir%ren SoftwareDistribution SDoldnet start WuA…...

    2022/11/19 21:17:09
  34. 计算机配置更新不起,电脑提示“配置Windows Update请勿关闭计算机”怎么办?

    原标题&#xff1a;电脑提示“配置Windows Update请勿关闭计算机”怎么办&#xff1f;win7系统中在开机与关闭的时候总是显示“配置windows update请勿关闭计算机”相信有不少朋友都曾遇到过一次两次还能忍但经常遇到就叫人感到心烦了遇到这种问题怎么办呢&#xff1f;一般的方…...

    2022/11/19 21:17:08
  35. 计算机正在配置无法关机,关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机...

    关机提示 windows7 正在配置windows 请勿关闭计算机 &#xff0c;然后等了一晚上也没有关掉。现在电脑无法正常关机以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容&#xff0c;让我们赶快一起来看一下吧&#xff01;关机提示 windows7 正在配…...

    2022/11/19 21:17:05
  36. 钉钉提示请勿通过开发者调试模式_钉钉请勿通过开发者调试模式是真的吗好不好用...

    钉钉请勿通过开发者调试模式是真的吗好不好用 更新时间:2020-04-20 22:24:19 浏览次数:729次 区域: 南阳 > 卧龙 列举网提醒您:为保障您的权益,请不要提前支付任何费用! 虚拟位置外设器!!轨迹模拟&虚拟位置外设神器 专业用于:钉钉,外勤365,红圈通,企业微信和…...

    2022/11/19 21:17:05
  37. 配置失败还原请勿关闭计算机怎么办,win7系统出现“配置windows update失败 还原更改 请勿关闭计算机”,长时间没反应,无法进入系统的解决方案...

    前几天班里有位学生电脑(windows 7系统)出问题了&#xff0c;具体表现是开机时一直停留在“配置windows update失败 还原更改 请勿关闭计算机”这个界面&#xff0c;长时间没反应&#xff0c;无法进入系统。这个问题原来帮其他同学也解决过&#xff0c;网上搜了不少资料&#x…...

    2022/11/19 21:17:04
  38. 一个电脑无法关闭计算机你应该怎么办,电脑显示“清理请勿关闭计算机”怎么办?...

    本文为你提供了3个有效解决电脑显示“清理请勿关闭计算机”问题的方法&#xff0c;并在最后教给你1种保护系统安全的好方法&#xff0c;一起来看看&#xff01;电脑出现“清理请勿关闭计算机”在Windows 7(SP1)和Windows Server 2008 R2 SP1中&#xff0c;添加了1个新功能在“磁…...

    2022/11/19 21:17:03
  39. 请勿关闭计算机还原更改要多久,电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机怎么办...

    许多用户在长期不使用电脑的时候&#xff0c;开启电脑发现电脑显示&#xff1a;配置windows更新失败&#xff0c;正在还原更改&#xff0c;请勿关闭计算机。。.这要怎么办呢&#xff1f;下面小编就带着大家一起看看吧&#xff01;如果能够正常进入系统&#xff0c;建议您暂时移…...

    2022/11/19 21:17:02
  40. 还原更改请勿关闭计算机 要多久,配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以...

    配置windows update失败 还原更改 请勿关闭计算机&#xff0c;电脑开机后一直显示以以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容&#xff0c;让我们赶快一起来看一下吧&#xff01;配置windows update失败 还原更改 请勿关闭计算机&#x…...

    2022/11/19 21:17:01
  41. 电脑配置中请勿关闭计算机怎么办,准备配置windows请勿关闭计算机一直显示怎么办【图解】...

    不知道大家有没有遇到过这样的一个问题&#xff0c;就是我们的win7系统在关机的时候&#xff0c;总是喜欢显示“准备配置windows&#xff0c;请勿关机”这样的一个页面&#xff0c;没有什么大碍&#xff0c;但是如果一直等着的话就要两个小时甚至更久都关不了机&#xff0c;非常…...

    2022/11/19 21:17:00
  42. 正在准备配置请勿关闭计算机,正在准备配置windows请勿关闭计算机时间长了解决教程...

    当电脑出现正在准备配置windows请勿关闭计算机时&#xff0c;一般是您正对windows进行升级&#xff0c;但是这个要是长时间没有反应&#xff0c;我们不能再傻等下去了。可能是电脑出了别的问题了&#xff0c;来看看教程的说法。正在准备配置windows请勿关闭计算机时间长了方法一…...

    2022/11/19 21:16:59
  43. 配置失败还原请勿关闭计算机,配置Windows Update失败,还原更改请勿关闭计算机...

    我们使用电脑的过程中有时会遇到这种情况&#xff0c;当我们打开电脑之后&#xff0c;发现一直停留在一个界面&#xff1a;“配置Windows Update失败&#xff0c;还原更改请勿关闭计算机”&#xff0c;等了许久还是无法进入系统。如果我们遇到此类问题应该如何解决呢&#xff0…...

    2022/11/19 21:16:58
  44. 如何在iPhone上关闭“请勿打扰”

    Apple’s “Do Not Disturb While Driving” is a potentially lifesaving iPhone feature, but it doesn’t always turn on automatically at the appropriate time. For example, you might be a passenger in a moving car, but your iPhone may think you’re the one dri…...

    2022/11/19 21:16:57