第312页，共1,740页。 显示 17,396 条结果 (0.1 秒)
树对话框
是一种以弹出对话框显示树形结构选项的控件，用法与下拉树参数类似。 与下拉树参数 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=44499170相比，树对话框同样支持动态加载子节点、检测子节点、自定义父子关系等设置，不同之处在于支持对备选值的搜索功能，以及不支持“自动勾选子孙”。 树对话框展示效果： image2019-7-15 14:26:9.png 树对话框控件设置项 不支持“自动勾选子孙”，其它设置项与下拉树控件一致。演示成员树参数
本示例演示：参数类型为“成员集”、控件类型为“对话框”、备选值设置方式为“成员树选择”的参数，并在多维分析中使用。 实现步骤 1、创建多维数据源参数，基本设置如下： image2019-11-18 9:4:49.png 2、设置成员所在层次、参数备选值、默认值 备选值使用“成员树选择”方式，不勾选限定级别。 image2021-8-27_10-32-15.png 3、在多维分析的自定义命名集中使用该参数 新建多维分析，在左侧自定义命名集—局部节点上新建自定义命名集，保存后将参数拖拉到查询面板中。MDX表达式设置如下： image2021-8-27_10-33-44.png 关于自定义成员的具体用法，请参考相关数据挖掘-词向量
概述 词向量是表示文档的单词序列，通过训练Word2vec模型，将词语转化为向量。该模型将每个单词映射到一个唯一的固定大小向量。Word2Vec模型通过文档中所有单词的平均值将每个文档转换为一个向量；然后可以将该向量用作预测、文档相似性计算的特征。 参数设置 参数名称 说明 生成向量的数量 词向量的维度，默认值为50 词频 默认值为2，词频大于该值的词才能入选词典 示例 图片9.png 效果 使用“垃圾短信识别”示例数据，词向量的参数生成向量数量为50.词频为2，特征选择后，输出结果如下： 图片10.png 词向量报表资源权限和操作权限的边界
?resid=[ID]&type=open 或者 http://<IP>:<port>/smartbi/vision/openresource.jsp?resid=[ID] image2020-12-25_14-9-20.png公共设置-服务器地址
用于设置服务器地址，包括Smartbi服务器、导出引擎、离线导出的url地址 界面介绍 image2021-8-24_14-56-43.png 各设置项说明如下： 设置项 说明 Smartbi服务器URL地址 填写Smartbi服务器URL地址，用于导出引擎、挖掘引擎等独立部署的服务器访问Smartbi资源及服务 导出引擎URL地址 用设置导出引擎的URL地址，如：http://localhost:3003 文件存储位置设置 用于设置文件存储的位置，有三种类型：FTP、SFTP和服务器 2022-02-14_9-49-32.png 其中，服务器是指当前Smartbi所在指标模型-业务员指标维护提交审批
当前文档以“合同金额”原子指标为例，演示业务员提指标的过程： 1、业务员登录系统，在“指标管理”界面单击 新建指标 按钮： 指标管理-8.png 2、进入到新建指标流程发起页面，业务员按照下图填写“合同金额”指标的属性： 指标管理-9.png 3、填写完指标的业务属性后，我们单击 下一步 按钮，进入到“维度设置”页面，选择指标依赖的维度：默认选取表达式中原子指标包含的所有维度。 指标管理-10.png 4、完成以上步骤后，单击右上角的 提交 按钮，当前“销售额”指标审批流转到主管部门审批 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=92090633。演示成员树参数
本示例演示：参数类型为“成员集”、控件类型为“对话框”、备选值设置方式为“成员树选择”的参数，并在多维分析中使用。 实现步骤 1、创建多维数据源参数，基本设置如下： image2019-11-18 9:4:49.png 2、设置成员所在层次、参数备选值、默认值 备选值使用“成员树选择”方式，不勾选限定级别。 image2021-8-27_10-32-15.png 3、在多维分析的自定义命名集中使用该参数 新建多维分析，在左侧自定义命名集—局部节点上新建自定义命名集，保存后将参数拖拉到查询面板中。MDX表达式设置如下： image2021-8-27_10-33-44.png 关于自定义成员的具体用法，请参考相关数据挖掘-词向量
概述 词向量是表示文档的单词序列，通过训练Word2vec模型，将词语转化为向量。该模型将每个单词映射到一个唯一的固定大小向量。Word2Vec模型通过文档中所有单词的平均值将每个文档转换为一个向量；然后可以将该向量用作预测、文档相似性计算的特征。 参数设置 参数名称 说明 生成向量的数量 词向量的维度，默认值为50 词频 默认值为2，词频大于该值的词才能入选词典 示例 图片9.png 效果 使用“垃圾短信识别”示例数据，词向量的参数生成向量数量为50.词频为2，特征选择后，输出结果如下： 图片10.png 词向量原生SQL数据集抽取失败：字段与查询列表字段不匹配
（本文档仅供参考） 问题现象 原生SQL数据集可以预览，但抽取失败。看系统日志存在报错：字段与查询列表字段不匹配:field size ：33; head size :34 image2024-6-5_10-9-51.png image2024-6-5_10-14-4.png 解决方案 一般是因为原生SQL数据集修改了语句，但没有检测输出字段，导致右侧输出字段列表与实际返回的字段列表不一致导致。只要有修改原生SQL数据集中的SQL语句，记得重新检测输出字段确保字段列表一致。 image2024-6-5_10-13-47.png引入第三方类库
脚本中需要引入第三方jar包，比如添加加解密算法包，对接口结果进行解密。如果将jar包放到smartbi.war的lib目录，虽然可以引入，但后续维护困难，换war包也需要重新放入jar包。本文档提供一个空的扩展包，可以将jar包放到扩展包，再将扩展包部署到Smartbi上。 1、下载ThirdPartyLibraries.ext扩展包，用压缩软件打开，将jar包放到扩展包的lib目录下； image2023-9-8_15-41-22.png 2、参照扩展包部署流程，将扩展包部署到Smartbi上，部署完整后，即可在脚本中引入第三方jar。 扩展包下载
