[图片] 分享嘉宾：陈振兴博士 京东科技 算法工程师 编辑整理：李树桃 微博 出品平台：DataFunTalk 导读： 本文主题为怎样利用图机器学习，在智能反欺诈上做一些探索，主要内容包括： 业务背景介绍 反欺诈中常用的模型及图算法原理 在实际业务中如何应用这些图算法 总结和展望 01 业务背景介绍 ....

[图片] 分享嘉宾：商超博士 京东硅谷研究院 研究员 编辑整理：张存旺 北航杭州创新研究院 出品平台：DataFunTalk 导读： 本文将分享Temporal Knowledge Graphs方向的一个最新尝试，如何在时序知识图谱上去做问答系统，主要包括以下几部分： 时序知识图谱背景介绍 基于时序 ....

京东科技 杨飞 导读：本文重点介绍了京东金融APP在BFF层实践过程中遇到的问题，并引出可视化服务编排在金融APP中的落地实践，其中重点介绍了可视化服务编排系统的核心功能及实现。可视化服务编排系统已经稳定支持了金融APP从去年618到现在的所有发版迭代，对人效提升帮助明显，希望能够对大家在BFF的实 ....

汽车张强、张卫东 京东零售技术 稿 导读: 本文主要讲解了京东百亿级商品车型适配数据存储结构设计以及怎样实现适配接口的高性能查询。通过京东百亿级数据缓存架构设计实践案例，简单剖析了jimdb的位图(bitmap)函数和lua脚本应用在高性能场景。希望通过本文，读者可以对缓存的内部结构知识有一定了解， ....

平台研发吴骏宇 京东零售技术 稿 背景 随着互联网业的发展和用户购物习惯的转变，电商在零售市场中的占比逐年增加，市场的扩大也带来了各个电商平台中商品的数量在近十年里快速上涨，以京东零售为例，现在全站的商品规模已经达到数十亿级。 如此大的商品量，在带来了更丰富的商品的同时，也给日常电商的运营工作增加了 ....

韩飞 京东 技术稿 01 整体思考 [图片] 提到流批一体，不得不提传统的大数据平台 —— Lambda 架构。它能够有效地支撑离线和实时的数据开发需求，但它流和批两条数据链路割裂所导致的高开发维护成本以及数据口径不一致是无法忽视的缺陷。 通过一套数据链路来同时满足流和批的数据处理需求是最理想的情况 ....

京东零售技术 稿 业务背景 推荐广告是京东推荐流量的重要组成部分，它包含了多种广告素材，包括商品、聚合页、活动、店铺、视频、直播等。推荐广告的质量决定了京东平台上的用户的广告体验和京东平台的广告收入。精排是推荐广告最重要的一环，它预估用户对候选商品的点击率(Click-Through Rate)，也 ....

[图片] 分享嘉宾：张政 京东 算法工程师 编辑整理：AMS 周金星 出品平台：DataFunTalk 导读： 内容生态建设是近几年互联网快速发展的关键动因，也是AI化的重点方向之一。本文主要分享在京东广告业务下内容理解体系的建设情况，从标签化、内容准入、质量美学评价等多个角度探讨内容理解能力的应用 ....

[图片] 分享嘉宾：李阳 京东 OLAP资深研发工程师 编辑整理：刘寒 学科网 出品平台：DataFunTalk 导读： 今天和大家分享京东零售OLAP平台的建设和场景的实践，主要包括四大部分： 管控面建设 优化技巧 典型业务 大促备战 01 管控面建设 1. 管控面介绍 管控面可以提供高可靠高效可 ....

7月19日，一则关于京东与唯品会正“密谋并购”的消息传出，并指出双方已经就合并事宜进行了“实质性接触阶段”。受合并传闻影响，双方的股价在开盘即出现明显上涨。然而就在事件得到充分发酵之前，京东和唯品会双双否认了这则传闻。

当消费者在电商网站搜索喜好商品时，会看到在页面周边的一些推荐。这些推荐商品中可能是消费者现在需要的，也可能是曾经搜索过的。这一现象背后如果没有强大技术支持，就不会在精准推送的同时还…

京东商品搜索引擎是搜索推荐部自主研发的商品搜索引擎，主要功能是为海量京东用户提供精准、快速的购物体验。虽然只有短短几年的时间，我们的搜索引擎已经经过了多次618店庆和双11的考验，目前已经能够与人们日常使用的如谷歌、百度等全文搜索引擎相比，我们的产品与其有相通之处，比如涵盖亿级别商品的海量数据、支持短时超高并发查询、又有自己的业务特点： 海量的数据，亿级别的…

无人机送货技术是京东物流近期的一项重点工作，但无人机只是京东探索智慧物流体系的一部分工作。日前，京东集团运营研发部总监、京东物流系统（内部代号“青龙”）研发负责人李鹏涛向CSDN记者介绍了京东物流系统目前的研发进展和未来的技术路线。 李鹏涛表示，京东智慧物流包括两个方面，一是基于大数据预测分析技术实现智能化的调度、决策，二是采用一些更加自动化、智能化的设备提…

咚咚是什么？咚咚之于京东相当于旺旺之于淘宝，它们都是服务于买家和卖家的沟通。 自从京东开始为第三方卖家提供入驻平台服务后，咚咚也就随之诞生了。 我们首先看看它诞生之初是什么样的。 1.0 诞生（2010 – 2011) 为了业务的快速上线，1.0 版本的技术架构实现是非常直接且简单粗暴的。 如何简单粗暴法？请看架构图，如下。 1.0 的功能十分简…

电商平台中有海量的非结构化文本数据，如商品描述、用户评论、用户搜索词、用户咨询等。这些文本数据不仅反映了产品特性，也蕴含了用户的需求以及使用反馈。通过深度挖掘，可以精细化定位产品与服务的不足。下面描述了电商平台下机器学习在文本挖掘的应用例子。 1、用户评论分类 场景 用户评论能反映出用户对商品、服务的关注点和不满意点。评论从情感分析上可以分为正面与负面。细粒…