系列文章： https://www.6aiq.com/article/1586914360530 https://www.6aiq.com/article/1586913224622 通过上一篇的 Dgraph 简介 ，相信大家已经了解了 Dgraph 的一些基本概念和用法，本篇文章继续介绍 Dgr ....

系列文章： https://www.6aiq.com/article/1586913224622 在上一篇文章中我们已经对当前流行的几款图数据库做过简单的分析，并介绍了我们为什么使用 Dgraph。从本篇内容开始，我们将开启 Dgraph 之旅，探索这个图数据库方向的新贵。 注：本章内容基于 Dgr ....

一、背景 贝壳找房的核心业务场景主要是围绕人、房、客三者的属性与关系展开，是一个典型的图数据库应用场景。而基于此挖掘出的房产领域行业图谱已达到 500 亿三元组的量级。面对如此海量的数据，应该如何存储才能支持业务的高效查询？我们迫切需要一个高性能、高可用、可扩展的分布式图数据库平台。 二、图数据库简 ....

分享嘉宾：周玉驰 贝壳 资深算法工程师 文章整理：许继瑞 内容来源：贝壳找房知识图谱技术大会 出品平台：DataFun 导读： 贝壳找房积累了大量房、客、人的行为关系数据，我们通过关系图谱的相关技术对这些行为关系进行挖掘，并在实际应用中取得了不错的效果。本次分享将主要介绍关系图谱在贝壳找房的构建历程 ....

贝壳找房【深度语义匹配模型】原理篇二：交互篇 贝壳找房【深度语义匹配模型 】原理篇一：表示型 深度语义匹配模型系列文章的终结篇，带大家走进贝壳找房智能客服的匹配。 一、背景 贝壳找房作为房产领域领先的服务平台，业务场景中包含大量自然语言处理的任务。经纪人与用户的交互过程会产生大量的文本语料，无所不能 ....

本文转发于 DataFunTalk 公众号 [图片] 本文根据贝壳找房邓钫元老师在中国 HBase 技术社区第二届 MeetUp：“HBase 技术解析及应用实践”中分享的《HBase 在贝壳找房的实践经验》编辑整理而成，在未改变原意的基础上稍做整理。 [图片] 钫元老师 [图片] 首先给大家介绍一 ....

一、背景 在推荐系统、搜索排序、效果广告等场景中，点击率预估是十分重要的部分，CTR 算法也被誉为镶嵌在互联网技术上的明珠。在深度学习火热之前，除了简单的 LR 以外常用的算法类有：以决策树为主的 Boosting 算法；以因子分解为基础的 FM 算法。相对而言，树模型比较适合学习数值类的连续特征， ....

深度语义匹配模型系列文章会向大家介绍几种经典的表示型和交互型模型原理及其优缺点，同时后续的实践篇将会介绍匹配模型在智能客服中的实践应用。 一、背景 工业界的很多应用都有在语义上衡量本文相似度的需求，直接目标就是判断两句话是否表达了相同或相似意思，我们将这类需求统称为“语义匹配”，nlp 中的许多任务 ....

分享嘉宾：孙拔群 贝壳找房 高级技术经理 编辑整理：James 出品平台：DataFunTalk 导读： 大家好，我是贝壳找房的孙拔群，今天给大家带来的是基于事理图谱的智能培训，我将从以下五个方面来跟大家进行分享。 贝壳找房实体图谱进展 贝壳找房事理图谱进展 知识图谱在智能培训的应用 知识运营闭环的 ....

近年来，语音识别技术得到了广泛的应用，人们开始将需求转向识别过程中错误词的捕捉、音频质量的检测等领域。本文通过计算置信度，赋予每个单词或每条语句相应的分数，设置合适的阈值，可以将语音识别系统输出中的某个单词标记为正确或不正确，将某条语句标记为高质量或低质量，便于系统进行后续研究及应用。 1 为什么要 ....

上一篇贝壳找房【语言模型系列】原理篇一：从 one-hot 到 Word2vec 讲到了 word2vec 存在”一词多义“的问题，其主要原因在于 word2vec 生成的词向量是“静态”的，每一个词固定的对应着一个词向量表示，也就是说在 word2vec 训练好之后，在使用单词的向量表示的时候，不 ....

[图片] 分享嘉宾：方阳 贝壳 架构师 编辑整理：袁文鑫 趋动科技 出品平台：DataFunTalk 导读： 随着AI应用普及，大量AI算法开始在企业各类业务场景中落地。如何在高效利用GPU资源同时，结合企业内部业务流程构建完善工具链来保障企业各类AI应用从模型开发、训练到上线部署，成为企业IT基础 ....