警心_个人页

2024年12月

• 12.26 18:16:04
  提交了问题 2024-12-26 18:16:04

  Flink集群重启后，所有job都清理了，这种情况怎么处理？

2019年12月

• 12.28 22:54:56
  发表了文章 2019-12-28 22:54:56

  商品评价里藏了一座“宝藏”，阿里工程师如何挖掘？

  小叽导读：买家评价是消费者购物后对商品的真实反馈。多数买家评价中包含了“消费者常问问题”的回答。比如冰箱，大家可能关心“声音大吗？”、“耗电吗？”、“容量大不大？”，这些问题通常可以在评论区找到其他消费者的使用反馈。这部分信息能够有效地帮助消费者购买到心仪的产品，那么，如何让这些评论匹配到不同人的需求？接下来， 天猫的“大家最关心”告诉你答案。

  
• 12.28 22:48:58
  发表了文章 2019-12-28 22:48:58

  我写了条商品评论，没想到卖家这样回我！| WWW 阿里优秀论文

  小叽导读：商品评论是买家购物的重要参考依据之一，卖家针对商品评论做出的回复也会直接影响成交量。千篇一律的商品回复无法解决用户问题，人工专属回复又太费时费力。有没有什么模型可以根据买家的不同问题，生成融合商品信息的专属评论？这篇文章告诉你答案。

  
• 12.28 22:27:10
  发表了文章 2019-12-28 22:27:10

  工程师如何给女友买包？问问阿里“百事通”

  小叽导读：工作那么忙，怎么给女朋友买包？是翻看包包的详情页，再从商品评论中去找信息吗？为了帮助类似的同学节省时间，阿里工程师们提出快速回答生成模型RAGE。你问它答，这个“百事通”能从整体结构，评论的抽取和表示及融合四个方面综合解决生成模型响应速率及生成质量的问题，进而提高生成的回答的真实性及有效性。从此，如何给女友“买包”，不再是难题。

  
• 12.28 22:05:11
  发表了文章 2019-12-28 22:05:11

  遍地开花的 Attention ，你真的懂吗？

  小叽导读：曾被 paper 中各种各样的 Attentioin 搞得晕晕乎乎，尽管零零散散地整理过一些关于Attention 的笔记，重点和线索依然比较凌乱。今天，阿里巴巴工程师楠易，将 Attentioin 的知识系统性地梳理、回顾、总结，不求深刻，但求浅显，希望能帮助对 Attention 有疑惑的同学。

  
• 12.28 21:48:01
  发表了文章 2019-12-28 21:48:01

  10亿节点异构网络中，GCN 如何应用？

  小叽导读：推荐系统普遍是基于用户偏好的商品或者商品关系来建模学习，这些关系通常可以用网络结构表示，在淘宝这样的复杂场景网络常常是十亿节点和上百亿的边，计算和推理复杂度高挑战大，网络嵌入方法（Network Embedding）能够学习网络中节点的低维度潜在表示，可以用所学表征在低维空间实现相关推荐。本篇论文收录于KDD2019，建议大家收藏阅读哦。

  
• 12.28 21:35:42
  发表了文章 2019-12-28 21:35:42

  IJCAI 2019 | 为了有效整合多类信息，阿里文娱提出多视图多标记算法SIMM

  小叽导读：IJCAI 2019 于 8 月 10 日至 16 日在中国澳门召开，大会共收到 4752 篇有效提交论文，收录 850 篇，接收率为 17.9%。阿里文娱摩酷实验室共有 5 篇论文被接收。 本文是论文《Multi-View Multi-Label Learning with View-Specific Information Extraction》的解读，由东南大学、阿里文娱摩酷实验室合作完成，旨在利用视图私有信息对示例的标记进行预测。

  
• 12.28 21:22:12
  发表了文章 2019-12-28 21:22:12

  如何将图像压缩10倍？阿里工程师有个大胆的想法！

  小叽导读：如何将单张图片由120k 压缩到了平均13k？阿里工程师做到了！并且将欧式距离计算平均耗时做到9微秒。今天，阿里巴巴技术专家萧冷将公开从初步尝试到优化的过程，希望对你有所帮助。

  
• 12.28 20:32:16
  发表了文章 2019-12-28 20:32:16

  为什么说阿里工程师最懂时尚？

  小叽导读：一个优秀的服饰搭配推荐引擎需要满足两方面要求：1、搭配生成要符合视觉美观；2、搭配推荐要做到个性化。本文中，我们利用Transformer的结构，巧妙地在视觉合理性和个性化推荐之间建立桥梁，同时完成搭配生成和推荐两个工作。据我们所知，该工作首次将搭配生成和推荐同时部署在大规模的工业应用中。

  
• 12.28 19:18:25
  发表了文章 2019-12-28 19:18:25

  Exact-k：阿里工程师找到了组合推荐的秘密！

  小叽导读：传统的推荐模型，大都是基于Top-K推荐的，也就是说，我们首先会对每个物品的CTR等进行预估，然后进行排序，将排序结果的前K个推荐给用户，这么做相对简单，但是忽略了推荐物品之间的内在联系。本工作的目的是解决一个新颖但是广泛存在的推荐问题，Exact-K 推荐。与传统的 Top-K 推荐不同，Exact-K 推荐更多地关注（带约束）的组合优化问题，在这个问题中，它能够综合考虑生成一个包含k个item的最优化集合。

  
• 12.28 18:59:05
  发表了文章 2019-12-28 18:59:05

  “4+N”架构：从0到1搭建私域营销推荐能力

  小叽导读：随着互联网化的进程，相关的产品和资讯内容也越来越多，如何给用户在合适的场景下推送合适的内容成为运营的难点和痛点，依赖人工规则+圈人的方式在海量item的场景下难以做到item和user的精准匹配，基于大数据和算法的个性化推荐方案应运而生，相比人工方案，基于数据智能的个性化精准营销方案带来了更好的的用户体验，在业务效果（点击和转化）上有明显的提升，同时运营效率也有巨大提升。

  
• 12.28 18:49:44
  发表了文章 2019-12-28 18:49:44

  机器具备认知能力的“神”操作！

  小叽导读：目前认知概念图谱的构建还在不断完善中，有学者认为，概念是人脑对客观事物的本质反映，是思维活动的结果和产物，是思维活动借以开展的基本单元。建立概念的分类体系，为数以亿计的事物构建认知概念图谱，是人类在让机器具备认知能力的征程中所迈出的非常重要的一步。

  
• 12.28 15:00:36
  发表了文章 2019-12-28 15:00:36

  阿里工程师做了什么？90%的噪声标签原形毕露

  小叽导读：获取高置信标注的大规模数据集是有监督学习算法的一个难点问题，训练集中的噪声标签会严重降低模型的精度。通过所提出的噪声标签自动识别算法，无需人工干涉就可获取高质量的干净数据集，可以充分发挥海量弱标签数据的潜力，并提升模型的精度。 本文相关工作收录于 ICCV2019（IEEE International Conference on Computer Vision，CV 领域三大顶会之首），详细介绍了淘系技术部算法团队提出的一种简单、高效的噪声标签识别算法，只需调节训练时的学习率，就可以让 90% 的噪声标签原形毕露。

  
• 12.28 14:45:45
  发表了文章 2019-12-28 14:45:45

  如何在视频里任意抠图？阿里工程师做到了！

  小叽导读：现在的我们在手机上花费了越来越多的时间，其中，视频又格外地吸引我们的注意力。有很多好玩的视频，需要把前景物体从视频中分割出来，这需要花费创作者99%以上的时间。今天，阿里资深算法专家任海兵将告诉：阿里巴巴关于视频物体分割算法的三个方向与最新应用，希望对喜欢视频创作的你有所帮助。

  
• 12.28 10:29:39
  发表了文章 2019-12-28 10:29:39

  面对道路施工封闭，深度学习能帮司机做什么？

  小叽导读：还原真实世界是每个地图技术人的追求，并愿意为此付出不懈努力。随着地图静态路网的完善，道路上动态发生的事件，对用户出行的影响逐渐突显出来，尤其是道路上发生的封闭事件。 为了挖掘道路上的封闭事件，高德技术团队设计了一套半监督的深度学习方案。下面通过业务背景、解决方案、建模方法以及业务落地四个方面展开说明。

  
• 12.28 09:43:34
  发表了文章 2019-12-28 09:43:34

  春节剁手的人太少？看手淘怎么做用户增长

  小叽导读：本文介绍以手淘促活为目的的全链路智能投放算法框架，该框架目前接入以 Pagani 为核心的全链路运营平台，使用用户意图识别算法圈选出目标人群，借助物料智能推荐和权益动态面额等算法实现全链路上用户的个性化触达干预。以2019春节手淘促活为例，介绍权益智能投放框架的设计思路和实际应用。