Twitter 的实时搜索引擎起步于一家被收购的小公司，随着流量的增长、功能的增加和服务对象的扩张，搜索引擎不断面临着新的挑战，设计经历了多次变化。本演讲将介绍该实时搜索引擎进化历程中的挑战和决策。 王天， Twitter Senior Staff Engineer, 2003 年清华计算机系本科毕 ....

1、诊断Spark 程序内存的消耗 A、Spark 程序中内存都花费在哪里？ Ø每个 Java 对象，都有一个对象头，会占用 16 个字节，主要是包括了一些对象的元信息，比如指向它的类的指针。如果一个对象本身很小，比如就包括了一个 int 类型的 field，那么它的对象头实际上占用的内存比对象自己 ....

[图片] 分享嘉宾：梁建煌 爱奇艺 编辑整理：张宇轩 内容来源：Flink Forward Asia 导读： 随着大数据的快速发展，行业大数据服务越来越重要。同时，对大数据实时计算的要求也越来越高。今天会和大家分享下爱奇艺基于 Apache Flink 的实时计算平台建设实践。 今天的介绍会围绕下面 ....

[图片] 文章作者：龙楚、丹鸥、晨宁、元涵 内容来源：阿里机器智能 导读： 用户建模是搜索与推荐模型的核心技术。我们力求从实际应用出发，和大家分享我们在搜索场景中用户建模的一些实践经验。同时将我们所观察到的现象、问题写出来，欢迎大家多讨论交流。 01 背景与意义 用户建模是搜索与推荐模型的核心技术。 ....

随机变量概述 统计学的本质是从具有不可预测性的数据中提取信息，随机变量则是为这种可变性建立模型的数学工具。 在每一次观测中，随机变量随机取不同的值。 我们无法提前预测随机变量的精确取值，但是可以对可能的取值做出概率性的刻画。 也就是说，我们可以描述随机变量的取值的分布。 本章简要回顾应用随机变量时所 ....

[图片] 分享嘉宾：羲农、里熙 @ 阿里飞猪 编辑整理：刘金鑫 出品平台：DataFunTalk、AI 启蒙者 导读： 在飞猪推荐场景中，除了对单一商品的推荐外，还包括对以主题形式组织的商品集合的推荐。飞猪旅行主题是一款兼具个性化和发现性心智的产品，在信息流中不但承担着精确匹配用户需求的作用，还扮演 ....

背景 58 同城作为中国最大的分类信息网站，为用户提供招聘、租房、二手车及黄页等多种信息服务，其中招聘业务是公司的主要业务之一。招聘平台有千万级的求职者用户，每天有百万级的新增职位发布，如何提高招聘方与求职者的双边匹配效率和用户体验，是招聘数据策略团队一直致力于解决的核心问题。此外，58 招聘求职者 ....

阅读原文 随着计算机行业的飞速发展，摩尔定律逐渐失效，多核 CPU 成为主流。使用多线程并行计算逐渐成为开发人员提升服务器性能的基本武器。J.U.C 提供的线程池：ThreadPoolExecutor 类，帮助开发人员管理线程并方便地执行并行任务。了解并合理使用线程池，是一个开发人员必修的基本功。 ....

作者：carloslin，腾讯 PCG 应用研究员 Embedding 技术目前在工业界以及学术界中应用非常广泛，关于 Embedding 的探索和应用从未停歇。Embedding 的训练方法主要分成 DNN 的端到端的方法以及序列学习的非端到端的方法，其中最经典的 word2vec 以及由此衍生出 ....

安妮 夏乙 李根 发自 凹非寺 量子位 报道 | 公众号 QbitAI 还有什么新趋势能比人工智能和区块链更火吗？ 2016 年 AlphaGo 大杀四方以来，2017 区块链狂飙突进以来，这两大新技术就迅速集聚了资本、人才和舆论关注。 一般而言，AI 被当做生产力进行类比，区块链则被认为在变革生产 ....

请问有大佬知道图中的数据集哪里来的吗，论文里面写的是 6 synthetic bivariate benchmark distributions，但是没给数据集来源，搜索图片也搜不到，这个数据我看很多生成式模型的验证里面都有，请问是哪里的数据呀？ [图片] 不一定要完全一样，我看很多文献里面长得略有 ....

[图片] 导读： 丰富准确的地图数据大大提升了我们在使用高德地图出行的体验。相比于传统的地图数据采集和制作，高德地图大量采用了图像识别技术来进行数据的自动化生产，而其中场景文字识别技术占据了重要位置。商家招牌上的艺术字、LOGO 五花八门，文字背景复杂或被遮挡，拍摄的图像质量差，如此复杂的场景下，如 ....

[图片] “数据智能” (Data Intelligence) 有一个必须且基础的环节，就是数据仓库的建设，同时，数据仓库也是公司数据发展到一定规模后必然会提供的一种基础服务。从智能商业的角度来讲，数据的结果代表了用户的反馈，获取结果的及时性就显得尤为重要，快速的获取数据反馈能够帮助公司更快的做出决 ....

[图片] 分享嘉宾：陈琳 58 同城 算法架构师 编辑整理：Duoli 出品平台：DataFunTalk 导读： 58 本地服务由数百个细分品类、多个创新业务和国际业务组成，如何构建智能化的流量分发体系是一项挑战，我们通过整合搜索和推荐场景构建了一套统一的流量分发系统，本次分享将主要介绍系统中的算法 ....

[图片] 配套 PPT 下载，请识别底部二维码关注社区公众号，后台回复【1220】 _ _ 分享嘉宾：郑晓东** **360 技术经理 编辑整理：王杰 内容来源：DataFun AI Talk**《AI，让广告投放进入“自动驾驶”》** 出品社区：DataFun 注：欢迎转载，转载请注明出处。 _ ....

[图片] 分享：杜立 腾讯高级工程师 整理：戴季国 校对：苗文婷 来源：Flink 中文社区 摘要： 本文由腾讯高级工程师杜立分享，主要介绍腾讯实时计算平台针对 Flink SQL 所做的优化，内容包括： Flink SQL 现状 窗口功能的扩展 回撤流的优化 未来的规划 01 背景及现状 1. 三 ....

导读： 在本文中，我们介绍了交付时间预估迭代的三个版本，分别为基于地址结构的树模型、向量召回方案以及轻量级的 End-to-End 的深度学习网络。同时介绍了如何在性能和指标之间取舍，以及模型策略迭代的中间历程，希望能给从事相关工作的同学们有所启发和帮助。 1. 背景 可能很多同学都不知道，从打开美 ....

原文出自 ： 丁香园大数据 NLP 两段式，可以大致认为 Deepwalk 就是「如何将带结构信息的数据喂给 word2vec」。我们知道 word2vec 的训练方式（原文采用 SkipGram）是通过中心词（target）预测窗口内的词（context），所以 Deepwalk 的采样过程可以看 ....