分享嘉宾： 王连臣，58 同城 TEG 搜索推荐部高级算法工程师 整理出品： 张劲，AICUG 人工智能社区 系列分享： 深度语义模型 BERT 在 58 同城搜索的实践 深度学习在 58 同城租房搜索排序中的实践 导读： 行为序列化已然成为用户兴趣建模的主流方式，本次议题主要介绍序列化建模在首页推 ....

本文是“达观数据技术主题月“5 月 12 日大数据杂谈社群分享内容整理。 [图片] 大家晚上好，很高兴在这个美好的周末的晚上来到这里给大家做分享~ 也非常感谢 infoq 平台提供的这次机会，分享我们达观数据在垂直搜索引擎，尤其在用户查询意图分析挖掘方面的一些经验。首先自我介绍一下，我是达观数据的联 ....

作者：张吉 爱奇艺深度学习云研发工程师 一、背景介绍 （一）推荐系统 [图片] 推荐系统是现在互联网发展一个比较重要的基石，上图左边是爱奇艺手机端的应用，右边是 PC 端的 Web 页面。可以看到，很多剧都是通过推荐而来的，随着数据量的发展，用户的搜索习惯也改变了。原来用户有目的性搜索，如今更希望系 ....

作者简介：Yorkey，携程高级算法专家，主要从事大规模分布式推荐系统设计和算法研发工作。 一、背景 当用户在线上浏览酒店时，作为旅行平台，如何挑选更合适的酒店推荐给用户，降低其选择的费力度，是需要考虑的一个问题。在携程 APP 中，一般会触发多种场景。在 Figure 1 中，我们列举了几种典型的 ....

每次做完二值分类模型（eg： Logistic Regression, Decision Tree, Neural Network etc.），我们经常会面对一连串的模型验证指标，最常用的有 ROC&AUC、Gini、PS、K-S 等等。那我们不禁会问： 1. 这个指标怎么定义？ 2. 怎么 ....

[图片] 分享嘉宾：刘鹄 京东 算法工程师 编辑整理：李沛欣 出品平台：DataFunTalk 导读： 随着电商平台对图像信息的大量引入，通过图像分析来进行广告点击率判断就成了新的趋势。本次分享的主题为 CSCNN：新一代京东电商广告排序模型，主要介绍视觉信息在 CTR 排序模型中的应用。一方面，我 ....

Datawhale 干货 作者：shine-lee，编辑：极市平台 本文解读了一项数据预处理中的重要技术——特征归一化，提出并解答了 5 个相关问题，同时分析了相关方法和适用场景。 写在前面 Feature scaling，常见的提法有“特征归一化”、“标准化”，是数据预处理中的重要技术，有时甚至决 ....

陈兴振：TEG 技术工程平台群 AI Lab 架构师，AI 平台部负责人；目前主要负责 AI 算法平台及周围子系统的建设工作 背景 AI 浪潮正引领行业变革，为加速 AI 应用的落地，58 同城 TEG 共享服务线 AI Lab 研发设计了 58AI 算法平台（以下简称 WPAI）以提升集团各产品业 ....

[图片] 文章作者：覃然斌、王科 58 同城 内容来源：58 技术 导读： 在互联网商业变现场景中，广告变现占有主导地位。2012 年随着深度学习网络 AlexNet 在 ImageNet 夺冠开始，深度学习迅速席卷图像、语音、NLP 等领域，并逐步在互联网商业化最成功的搜索、推荐和广告领域获得突破 ....

[图片] 作者：熊剑辉 来源：华商韬略（ID：hstl8888） 一座中关村，半部改革史。 01 40 年过去，回顾中关村传奇，依然要从陈春先说起。 1978 年，中国物理代表团访问美国，走下飞机悬梯的人当中，就包括中科院物理所核聚变专家陈春先。这一年，他刚在全国科学大会上斩获一等奖，并和陈景润等人 ....

腾讯 刘敏 导语 | 随着业务的发展，系统日益复杂，功能愈发强大，用户数量级不断增多，设备 CPU、io、带宽、成本逐渐增加，当发展到某个量级时，这些因素会导致系统变得臃肿不堪，服务质量难以保障，系统稳定性变差，耗费相当的人力成本和服务器资源。这就要求我们：要有勇气和自信重构服务，提供更先进更优秀的 ....

作者：allanpan，腾讯 IEG 后台开发工程师 两万字长文从虚拟内存、I/O 缓冲区，用户态&内核态以及 I/O 模式等等知识点全面而又详尽地剖析 Linux 系统的 I/O 底层原理，分析了 Linux 传统的 I/O 模式的弊端，进而引入 Linux Zero-copy 零拷贝技术 ....

导语 | 点击率（click-through rate, CTR）预估是互联网平台的核心任务之一。近年来，CTR 预估技术从传统的逻辑回归，到深度学习 DeepFM, Wide&Deep, DIN, DCN 等算法落地，经历了突飞猛进的发展。本文旨在以深度 CTR 预估模型为基础，探索在应用 ....

“成大事者不纠结。一旦决定，全力以赴。” 1、关于面对批评 01. 没有人对被批评感到高兴。如果有，TA 撒谎。 02. 面对批评，得体的第一反应是“不急于解释，不反唇相讥”。 03. 每天，或者最长每周养成习惯，把自己存在的问题和造成的麻烦用最重的形容词想一遍，诚实的对待自己。当被批评时，会觉得一 ....

[图片] 分享嘉宾：张庭 菜鸟 数据工程师 文章整理：comn 出品平台：DataFunTalk 导读： 供应链物流场景下的业务复杂度高，业务链路长，节点多，实体多，实时数仓建设难度高。菜鸟跨境进口业务场景更是如此，更复杂的场景带来更复杂的实体数据模型，对接的业务系统多导致 ETL 流程特别复杂，还 ....

作者：佳佳牛 来源：CSDN 原文：https://blog.csdn.net/MongChia1993/article/details/69941783 版权声明：本文为博主原创文章，转载请附上博文链接！ 最近在看空间数据索引的一些算法，感觉这哥们写的非常棒，特地转载过来。 第一部分 空间数据的背 ....

原文发布于微信公众号 - 小小挖掘机（wAIsjwj） 原文发表时间：2018-05-05 1、引言 在 CTR 预估中，为了解决稀疏特征的问题，学者们提出了 FM 模型来建模特征之间的交互关系。但是 FM 模型只能表达特征之间两两组合之间的关系，无法建模两个特征之间深层次的关系或者说多个特征之间的 ....

原文地址： https://www.cnblogs.com/aspirant/p/10012840.html 一、有序集合求交集的方法有 a）二重 for 循环法，时间复杂度 O(n*n) b）拉链法，时间复杂度 O(n) c）水平分桶，多线程并行 d）bitmap，大大提高运算并行度，时间复杂度 ....

[图片] 分享嘉宾：李瀚 第四范式 架构师 编辑整理：马瑶 出品平台：第四范式天枢、DataFunTalk 导读： 在数字化革命和 AI 赋能的大背景下，推荐场景逻辑越来越复杂，推荐细分场景越来越丰富，对业务迭代和效果优化的效率有了更高的要求。推荐系统业务和技术在传统架构支撑下自然堆砌，变得越来越臃 ....

文章来源： https://github.com/zzboy/lucene/blob/master/lucene%E5%80%92%E6%8E%92%E7%B4%A2%E5%BC%95%E7%BC%93%E5%86%B2%E6%B1%A0%E7%9A%84%E7%BB%86%E8%8A%82.md ....