• Lucene 源码系列——LZ4

    原文地址：https://www.amazingkoala.com.cn/Lucene/yasuocunchu/2019/0226/37.html LZ4 是一种无损数据压缩算法，着重于压缩和解压的速度，并且应用广泛。在 Hadoop、Linux 内核、文件系统都有应用，而在 Lucene 中，则是 ....

  • 58 沈剑 - 分布式事务，原来可以这么玩？

    多个数据要同时操作，如何保证数据的完整性，以及一致性？ 答：事务，是常见的做法。 举个栗子： 用户下了一个订单，需要修改余额表，订单表，流水表，于是会有类似的伪代码： start transaction;  CURD table t_account;  any Exception ....

  • Kafka 设计解析（一）：Kafka 背景及架构介绍

    原文链接 ： https://www.infoq.cn/article/kafka-analysis-part-1 Kafka 是由 LinkedIn 开发的一个分布式的消息系统，使用 Scala 编写，它以可水平扩展和高吞吐率而被广泛使用。目前越来越多的开源分布式处理系统如 Cloudera、Ap ....

  • 理解计算 从根号 2 到 AlphaGo 第 3 季神经网络的数学模型

    1910 年，英国哲学家伯特兰·罗素（Bertrand Russell ）和其老师怀特海（Alfred North Whitehead）合著的《数学原理》一书问世，这本书是如此的深奥，尤其对中国人而言，因为直到 100 多年后的今天，仍然没有完整而权威的中译本(能看懂的人确实很少)。不过想想现在连一 ....

  • 向量召回在阿里躺平 APP 的实践

    作者：陈雷慧（豆苗） 背景 躺平 APP 是“躺平”这个大生态中生活记录社区，记录生活记录家。 [图片] 该业务场景中，个性化推荐在充分利用流量实现精细化运营、促进信息流动方面有着不可或缺的地位。在业务成长初期，其内容推荐也面临着如下两个问题： 用户冷启动： 对于无任何行为或行为稀疏的用户，难以有效 ....

  • 机器学习中的隐私保护

    [图片] 分享嘉宾：郭夏玮 第四范式 资深研究员 编辑整理：蒋瑞尧 内容来源：第四范式 | 先荐 出品平台：DataFun 导读： 近年来，随着 GDPR 通用数据保护条例出台以及一些互联网公司数据隐私泄漏等事件的发生，数据隐私的保护问题在行业应用中备受关注。与数据密切相关的机器学习算法的安全性成为 ....

  • BERT 在美团搜索核心排序的探索和实践

    美团点评技术团队 引言 美团搜索是美团 App 上最大的连接人和服务的入口，覆盖了团购、外卖、电影、酒店、买菜等各种生活服务。随着用户量快速增长，越来越多的用户在不同场景下都会通过搜索来获取自己想要的服务。理解用户 Query，将用户最想要的结果排在靠前的位置，是搜索引擎最核心的两大步骤。但是，用户 ....

  • 机器学习数学基础：常见分布与假设检验

    作者：吴忠强，Datawhale 优秀学习者，东北大学 所谓机器学习和深度学习， 背后的逻辑都是数学， 所以数学基础在这个领域非常关键， 而统计学又是重中之重， 机器学习从某种意义上来说就是一种统计学习。 这次是学习概率统计的第三篇文章， 基于前两篇文章进行展开。在第一篇文章的概率论基础学习了离散型 ....

  • 阿里巴巴搜索引擎平台 Ha3 揭秘

    云栖君导读： Ha3 是阿里巴巴搜索团队开发的搜索引擎平台，它为阿里集团包括淘宝、天猫在内的核心业务提供搜索服务支持。 Ha3 的架构 [图片] 在线 Ha3 是搜索体系中的在线部分，在其系统内部，包含 Qrs(Query result searcher)和 Searcher 两种基本的角色。 Qr ....

  • 如何构建用户画像—打用户行为标签

    本文转载自 机器学习与人工智能 公众号 用户画像中用户行为标签是很重要的一块内容，这篇详细讲讲如何打行为标签。 数据仓库 用户画像的应用流程从原始的数据输入到模型应用可分为 5 块（图 1），包括将操作型环境数据经 ETL 后集中存储在数据仓库，之后经过对数据的建模、挖掘、分析建立用户画像模型，最终 ....

  • 十年技术老兵总结的自我修炼之路

    [图片] 赵健博，快手大数据架构团队的负责人 工作十年，跳槽三次，四份工作 毕业后加入百度 我是在北京邮电大学就读的本科，毕业后被保送到了中国科学院计算技术研究所，硕士期间主要从事的是计算机系统结构与操作系统的相关研究。上学时对 Linux Kernel 非常痴迷，也做些有意思的小项目，研究生毕业后 ....

  • 工作中组内遇到的 elasticsearch 使用上的踩坑总结

    嵌套索引的坑 场景： 一个 spu doc 下有多个内嵌的 csu，csu 内有上下架状态，前台操作某 csu 上下架，在商城界面看起来未生效。 坑 1： MySQL binlog 消息监控组件 dbus 通知服务端 B 多台机器消息变更时，未考虑 spu 下 csu 消息的消费顺序性，导致同一 s ....

  • 「干货」YouTube 基于深度神经网络推荐系统剖析

    [图片] 文章作者：王科 某司资深算法工程师 内容来源：《YouTube 基于深度神经网络推荐系统剖析》 出品社区：DataFun YouTube 的推荐系统是近年来业内的佼楚之作。其经典之处不仅仅在于基于深度学习的解决方案，也有很多不属于纯技术范畴的设计抉择。 YouTube 转用深度学习做推荐系 ....

  • 【美团】LruCache 在美团 DSP 系统中的应用演进

    背景 DSP 系统是互联网广告需求方平台，用于承接媒体流量，投放广告。业务特点是并发度高，平均响应低（百毫秒）。 为了能够有效提高 DSP 系统的性能，美团平台引入了一种带有清退机制的缓存结构 LruCache(Least Recently Used Cache)，在目前的 DSP 系统中，使用 L ....

  • 神马搜索技术演进之路

    前言 国内搜索引擎大事记 1998 年，Google 发布；2000 年，百度发布；2004 年，搜狗发布；2006 年，搜搜发布；2010 年，Google 退出中国；2012 年，360 搜索发布；2013 年，神马发布，搜搜并入搜狗，百度收购 91；2017 年，微信推出搜一搜。 神马搜索简介 ....

  • 腾讯 | 从零开始了解推荐系统全貌

    作者：yijiapan，腾讯 WXG 数据分析师 有幸参与了几个业务推荐系统搭建的全流程，本文将从实际经验出发，为大家解构如何从从零搭建推荐系统，希望跟大家能够相互交流，如有错误之处烦请指正。 一、推荐算法的理解 如果说互联网的目标就是连接一切，那么推荐系统的作用就是建立更加有效率的连接，推荐系统可 ....

  • 干货 | 内容型产品 Feed 流的生成、效果评估及优化

    本篇文章属于超级干货方法论，不论是产品、运营还是数据分析从业者，只要是内容型产品形态，便都会需要接触到 Feed 流，且整个工作几乎都围绕着内容优化这一主题。本篇我将讲述自己对这方面方法论的理解总结，相信读完本篇文章会对你有所帮助。 一、Feed 流是什么？ Feed 流是将若干消息源组合在一起，帮 ....

  • TensorFlow 中最大的 30 个机器学习数据集

    作者：Limarc Ambalina 编译：ronghuaiyang 导读: 包括图像，视频，音频，文本，非常的全。 [图片] 由谷歌 Brain 的研究人员创建的 TensorFlow 是机器学习和数据科学领域最大的开源数据库之一。它是一个端到端的平台，适用于初学者和有经验的数据科学家。Tenso ....

  • Elasticsearch 遇上 BERT：使用 Elasticsearch 和 BERT 构建搜索引擎

    作者：Hironsan 编译：ronghuaiyang 导读： 强强联合，看看是否能有 1+1＞2 的效果。 在这篇文章中，我们使用一个预先训练好的 BERT 模型和 Elasticsearch 来构建一个搜索引擎。Elasticsearch 最近发布了带有矢量字段的文本相似性搜索。另一方面，你可以 ....

  • 推荐系统遇上深度学习 (十四)--《DRN:A Deep Reinforcement Learning Framework for News Recommendation》

    之前学习了强化学习的一些内容以及推荐系统的一些内容，二者能否联系起来呢！今天阅读了一篇论文，题目叫《DRN: A Deep Reinforcement Learning Framework for News Recommendation》。该论文便是深度强化学习和推荐系统的一个结合，也算是提供了一个 ....

本文目录

    热门标签

    程序员导航

    热门文章

    阿里云新老用户最新优惠

    阿里云新老用户最新优惠

    最新发布

    最新评论