D2C体系里，识别手段有哪些？

D2C 体系本身具有许多底层智能化手段，辅助以专家经验，可以对上述逻辑进行全面检索识别。举例如下：

1. 随机森林算法：随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。既可以用于回归也可以用于分类任务，并且很容易查看模型的输入特征的相对重要性。

2. xgboost 多分类：XGBoost 全名叫（eXtremeGradientBoosting）极端梯度提升，经常被用在一些比赛中，其效果显著。它是大规模并行boostedtree 的工具，它是目前最快最好的开源boostedtree 工具包。

3. 文本NLP 分类：基于阿里PAI 平台提供的ALiWs 的分词算法和朴素贝叶斯多分类进行文本分析。AliWS 的主要主要功能包括：歧义切分，多粒度切分，命名实体识别，词性标注，语义标注，支持用户自己维护用户词典，支持用户干预或纠正分词错误。

4. 图片分类：对业务场景中的图片进行分类，使用CNN 网络，在ResNet 的基础上进行迁移训练。同样部署于PAI 平台之上，和文本NLP 分类产品化链路完全一致。

5. 语义化服务：D2C 基于移动场景定制的类名语义服务。内部运用专家系统制定策略树，在具体判别过程中运用Alinlp 语义实体、词法分析、翻译等二方服务，并自建iconFont 服务实现了小图标的鉴别。

6. 布局算法：D2C 基于自创的行列扫描策略发展出的绝对定位转flex 布局的规则算法，同时提供了循环检测、局部成组等关键性功能。

以上内容摘自《前端代码是怎样智能生成的》电子书，点击https://developer.aliyun.com/topic/download?id=53可下载完整版