上一篇文章中，我们介绍了在索引（index）阶段，Lucene 收集了跟点数据相关的信息，这些信息在 flush 阶段会被读取，用于生成索引文件。dim&&.dii，从本文开始介绍索引文件。dim&&.dii 生成的详细过程，如图 1 所示，另外阅读本文中需要前置知识 ....

作者： 爱奇艺后台研发部 众所周知，爱奇艺拥有海量视频，在视频生产过程中产生的上千 QPS 的实时数据、T 级别的数据存储。要支持这样的数据进行即席查询和多个大表的 JOIN，是爱奇艺视频生产团队大数据应用的难点。 具体来说有以下几点： 1)实时性的要求，需要实时的解决方案。 2)生产数据更新频繁， ....

在电商领域，推荐的价值在于挖掘用户潜在购买需求，缩短用户到商品的距离，提升用户的购物体验。 [图片] 京东推荐的演进史是绚丽多彩的。京东的推荐起步于 2012 年，当时的推荐产品甚至是基于规则匹配做的。整个推荐产品线组合就像一个个松散的原始部落一样，部落与部落之前没有任何工程、算法的交集。2013 ....

2020 年的开局太不寻常，一场新冠疫情闹得大家都过不好年，这个春节假期对于我们来说可能是史上最长春节。除了待在家里不能出门外，对我们生活并没有其他的影响。但疫情对各大企业的影响可不是那么简单了。 因疫情原因，很多企业都延长了假期，同时也组织团队成员们开启了远程办公的模式。没办法，日子还是要过的，开 ....

本文承接索引文件的生成（九），继续介绍剩余的内容，下面先给出生成索引文件。dim&&.dii 的流程图： 图 1： [图片]   在上一篇文章中，我们介绍了流程点 执行处理前的初始化的工作，在这个流程中涉及到的一些信息贯穿整个流程，请务必先行阅读，例如一些变量名如果没有展开说明，说明 ....

分享嘉宾： 彭小钰，58 同城 TEG 搜索推荐部高级算法工程师 整理出品： AICUG 人工智能社区 PPT 下载：http://www.aicug.cn/#/docs https://img.6aiq.com/0b78mmaaqaaae4akpakuyvqfay6dbbrqacaa.f10002 ....

准确率高达 96.2% 的模型跑在真实数据上却可能完全无法使用。一个可能的原因是：你所使用的训练数据是不平衡数据集。本文介绍了解决不平衡类分类问题的多种方法。 假设老板让你创建一个模型——基于可用的各种测量手段来预测产品是否有缺陷。你使用自己喜欢的分类器在数据上进行训练后，准确率达到了 96.2%! ....

数学在机器学习中非常重要，不论是在算法上理解模型代码，还是在工程上构建系统，数学都必不可少。通常离开学校后很难有机会静下心学习数学知识，因此我们最好能通过阅读小组或读书会等形式营造环境，并专注学习那些在实践中常常需要用到的数学知识。 数学达到什么水平才可以开始机器学习？人们并不清楚，尤其是那些在校期 ....

  本文承接索引文件的生成（十），继续介绍剩余的内容，为了便于下文的介绍，先给出生成索引文件.dim&&.dii 的流程图以及流程点 构建BKD树的节点值（node value） 的流程图： 图 1： [图片] 图 2： [图片] 第一次更新 parentSplits 数组 图 3： ....

分享嘉宾：马金韬 爱奇艺 数据中台负责人 编辑整理：陈国梅 出品平台：DataFunTalk 导读： 随着市场对数据价值的认可，促进了数据在各行各业的爆发式增长，以及大数据设施的快速演化，同时也带来了不少新的数据问题；解决这些问题，发挥更大的数据价值，成为了各大公司的重点工作。爱奇艺通过数据中台的建 ....

[图片] _本文作者：上海交通大学赵海、蔡登，清华大学黄昌宁，香港城市大学揭春雨 _ 转载请联系原作者 本文回顾了中文分词在 2007-2017 十年间的技术进展，尤其是自深度学习渗透到自然语言处理以来的主要工作。我们的基本结论是，中文分词的监督机器学习方法在从非神经网络方法到神经网络方法的迁移中尚 ....

我们本次分享主要分为六个小节，分别为： 1.NLP 解决什么问题； 2.NLP 算法发展简史； 3.检索式问答系统的语义匹配模型； 4.任务型对话系统背后的算法实例； 5.创业公司 NLP 工程师的工作职责； 6.NLP 算法工程师面试注意事项； 其中前两个小节主要大概讲述一下 NLP 这个学科它解 ....

作者：三个火枪手 来源：格隆汇 APP 格隆汇 APP 原创首发，十档行情 Level-2 免费送！ “我不种田了！” 2016 年初的一天，十八线的老舅在电话里说，“村里搞棚户区改造，搬到镇上住了，离庄稼地太远了，你表哥叫我别种了。” 我盯着熔断的上证 K 线，强作开心地跟老舅说，“那很好啊！” ....

   这种 Query 组合的文档号合并的代码是在 ConjunctionDISI 类中实现。本文通过一个例子来介绍文档号合并逻辑，这篇文章中对于每个关键字如何获得包含它的文档号，不作详细描述，大家可以去看我添加了详细注释的 ConjunctionDISI 类，相信能一目了然。GitHub 地址是： ....

分享嘉宾： 周远，观远数据联合创始人，首席科学家 整理出品： 张劲，AICUG 人工智能社区 PPT 下载：http://www.aicug.cn/#/docs https://img.6aiq.com/0b78puaawaaadaaasz2335qfa7odbn6qacya.f10002.mp4 ....

背景 在 CTR/CVR 预估任务中，除了 FM 模型[2] 之外，后起之秀 FFM（Field-aware Factorization Machine）模型同样表现亮眼。FFM 可以看作是 FM 的升级版，Yuchi Juan 于 2016 年提出该模型，但其诞生是受启于 Rendle 在 201 ....

如果业务对查询延迟很敏感，Elasticsearch 查询延迟中的毛刺现象就是比较困扰的一类问题，由于出现毛刺的时间点已经过去，无法稳定复现，对于根因的分析比较困难，无法用系统化调试的思想，从现象出发逐步推理，定位问题，能做的通常就是看一下监控系统对应时间点的指标情况，而在 es 中，导致查询延迟发 ....