写吞吐场景资源消耗量化分析及优化
一. 概述 HBase 是一个基于 Google BigTable 论文设计的高可靠性、高性能、可伸缩的分布式存储系统。 网上关于 HBase 的文章很多，官方文档介绍的也比较详细，本篇文章不介绍HBase基本的细节。 本文从 HBase 写链路开始分析，然后针对少量随机读和海量随机写入场景入手，全方面量化分析各种资源的开销, 从而做到以下两点： 在给定……
贝壳找房语言模型系列原理篇二从到
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，不论该词的上下文是什么，这个单词的向量表示不会随着上下文语境的变化而改……
美团新一代预测服务的优化实践
作者：伟龙 小卓 文魁等 美团技术团队投稿 CTR模型在互联网的搜索、推荐、广告等场景有着广泛的应用。近年来，随着深度神经网络的引入，CTR模型的推理对硬件算力的要求逐渐增加。本文介绍了美团在CTR模型优化的实践。通过分析模型结构特点，结合GPU硬件架构，我们设计了一系列流程对模型进行定……
知其然知其所以然基于多任务学习的可解释推荐系统
本文是工业界和学术界共同合作的产物。Layer 6 AI 和 University College Dublin 的科学家们提出一种 通过整合矩阵分解（MF）模型和对抗式 Seq2Seq 模型的多任务学习框架，并利用强化学习来尝试生成评论，借以解答推荐系统的研究和应用领域一种“殿堂”级的难题——推荐系统的评分预测的可解释性。除此之外，该模型的预测准确性……
有赞搜索系统的技术内幕
转载自 有赞技术团队博客 上文 说到有赞搜索系统的架构演进，为了支撑不断演进的技术架构，除了 Elasticsearch 的维护优化之外，我们也开发了上层的中间件来应对不断提高的稳定性和性能要求。 Elasticsearch 的检索执行效率可以表示为： _O(num_of_files _logN)* 其中 num_of_files 表示索引文件段的个数，N 表示需要遍历的数据量，从这里我们可以总结出提升查询性能可……
零基础入门数据挖掘建模调参
作者：徐韬 ，Datawhale 优秀学习者 系列文章： 零基础入门数据挖掘——特征工程实战 零基础入门数据挖掘——数据分析实战 摘要：对于数据挖掘项目，本文将学习如何建模调参？从简单的模型开始，如何去建立一个模型；如何进行交叉验证；如何调节参数优化等。 建模调参： 特征工程也好，数据清洗也罢，……
用机器学习怎样鉴别不可描述的网站
前两天教师节，人工智能头条的某个精神股东粉群里，大家纷纷向当年为我们启蒙、给我们带来快乐的老师们表达感激之情。 很多人表示，他们的硬盘里，至今还保留着当时她们上课时候的视频。有一些现在网站上已经很难找到了，于是大家又纷纷开始互相交流跟随这些老师学习实践的心得体会。 👆禅师最喜欢的教师……
推荐系统中的长尾物品推荐问题方案
炼丹笔记干货 作者：九羽 长尾物品（Tail Items）在推荐系统中是非常常见的，长尾的存在导致了样本的不均衡，对于热门头部物品（Head Items）的样本量多，模型学习这部分的效果越好，而长尾物品的样本量少，导致模型对该部分Item的理解不够充分，效果自然也就较差。 那么，针对长尾物……
万字长文梳理预估模型发展过程与关系图谱
背景 在推荐、搜索、广告等领域，CTR（click-through rate）预估是一项非常核心的技术，这里引用阿里妈妈资深算法专家朱小强大佬的一句话：“它（CTR 预估）是镶嵌在互联网技术上的明珠”。 本篇文章主要是对 CTR 预估中的常见模型进行梳理与总结，并分成模块进行概述。每个模型都会从……
同城语言模型及其应用
1. 背景 语言模型在自然语言处理具有重要的地位，它是一种基于概率统计的模型，主要的目标是描述字/词在句子中的概率。同时，语言模型是从大量的语料信息中训练出的模型，它“学习”到的词的概率是通用语义的信息，可以和很多实际应用相结合，尤其是在一些基于统计模型的领域，如语音识别，分词，情感分……
