Term term = new Term("title", "fuzzy");
        FuzzyQuery fuzzyQuery = new FuzzyQuery(term);

        // Test with different boost values
        float[] boostValues = { 0.5f, 1.0f, 2.5f, 10.0f };
        for (float boost : boostValues) {
            QueryBuilder result = queryProcessor.execute(context, fuzzyQuery, boost);
            assertNotNull(result);

# Додаткові типи даних

До цього часу, ви використовували загальнопоширені типи даних, такі як:

* `int`
* `float`
* `str`
* `bool`

Але можна також використовувати більш складні типи даних.

І ви все ще матимете ті ж можливості, які були показані до цього:

* Чудова підтримка редактора.
* Конвертація даних з вхідних запитів.
* Конвертація даних для відповіді.
* Валідація даних.
* Автоматична анотація та документація.

     * The method evaluates the boost expression and converts the result to a float value.
     * Supports Integer, Long, Float, Double, and String representations of numbers.
     *
     * @param map the document data as a map of field names to values
     * @return the calculated boost value as a float, or 0.0f if evaluation fails
     */
    public float getValue(final Map<String, Object> map) {
        if (map == null || map.isEmpty()) {

# Extra Data Types { #extra-data-types }

Up to now, you have been using common data types, like:

* `int`
* `float`
* `str`
* `bool`

But you can also use more complex data types.

And you will still have the same features as seen up to now:

* Great editor support.
* Data conversion from incoming requests.
* Data conversion for response data.
* Data validation.
* Automatic annotation and documentation.

# Tipos de Datos Extra

Hasta ahora, has estado usando tipos de datos comunes, como:

* `int`
* `float`
* `str`
* `bool`

Pero también puedes usar tipos de datos más complejos.

Y seguirás teniendo las mismas funcionalidades como hasta ahora:

* Gran soporte de editor.
* Conversión de datos de requests entrantes.
* Conversión de datos para datos de response.
* Validación de datos.
* Anotación y documentación automática.

    @Override
    protected String getQueryClassName() {
        return TermQuery.class.getSimpleName();
    }

    @Override
    public QueryBuilder execute(final QueryContext context, final Query query, final float boost) {
        if (query instanceof final TermQuery termQuery) {
            if (logger.isDebugEnabled()) {
                logger.debug("{}:{}", query, boost);
            }

public class ElevateWord {

    /**
     * The elevate word.
     */
    protected final String elevateWord;

    /**
     * The boost value associated with the elevate word.
     */
    protected final float boost;

    /**
     * The list of readings associated with the elevate word.
     */
    protected final List<String> readings;

    /**
     * The list of fields associated with the elevate word.
     */

    //                                                                            ========
    public Float getBoost() {
        checkSpecifiedProperty("boost");
        return boost;
    }

    public void setBoost(Float value) {
        registerModifiedProperty("boost");
        this.boost = value;
    }

    public String getCreatedBy() {

TEST(CAPI, TestFromProto) {
  Tensor t_cc(DT_FLOAT, TensorShape({2, 3}));
  t_cc.flat<float>().setConstant(1.0);
  tensorflow::TensorProto t_proto;
  t_cc.AsProtoField(&t_proto);

  TF_Buffer* t_buffer = TF_NewBuffer();
  TF_CHECK_OK(MessageToBuffer(t_proto, t_buffer));

  const int num_bytes = 6 * sizeof(float);
  float* values =
      reinterpret_cast<float*>(tensorflow::cpu_allocator()->AllocateRaw(

    }

    /**
     * Retrieves a setting value as a float.
     * @param key The key of the setting.
     * @param defaultValue The default value if the setting is not found.
     * @return The setting value as a float.
     */
    public float getAsFloat(final String key, final float defaultValue) {
        final Object obj = get(key);

        final float value;
        if (obj == null) {