AI 助理
文档备案控制台
开发者社区 大数据与机器学习 智能搜索推荐 文章 正文

【线下活动】TechDay 搜索&推荐 | 电商业务增长的双引擎

2019-12-24 2234
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 在消费分级、渠道下沉、精细化运营等业务背景下，有效利用大数据和AI技术，促进业务增长成为共识。智能化的搜索和推荐技术，已经成为众多电商企业的业务增长引擎。 如何更准确地匹配消费者和商品，更高效地提升流量分发价值？阿里巴巴搜索推荐技术团队，联合友盟+ 带来了针对电商企业的搜索 & 推荐技术分享，诚邀各位从业者参与探讨。

8fe033a534974e9196602fafc2da18d4.png


-点击报名参加或扫下方二维码报名参与线下活动
-如无法现场参与活动，可预约活动直播
-有关活动和产品的相关问题，请扫下方二维码加入钉钉群讨论咨询

190d4cf70ab343ebae6005f0f7f607ae.png

文章标签：
搜索推荐
工程师乙
目录
相关文章
墨青
|
机器学习/深度学习 自然语言处理 算法
DL应用：query生成和query推荐
引言　　在机器翻译、图片描述、语义蕴涵、语音识别和文本摘要中，序列到序列的问题已经有太多大牛研究了，也取得了很多突破。谷歌的Attention is all you need[1],舍弃并超越了主流的rnn与cnn序列建模框架，刷出了新的state of the art,这种大胆创新的精神值得我们学习。
墨青
16586 3
老牌良民
|
存储 固态存储 索引
搜索和推荐统一存储层的新进展和思考
我们在2017年统一了搜索和推荐场景下的HA3、iGraph、RTP和DII四大引擎的存储层（参见统一之战），帮助它们取得了的更迅速的迁移能力、更快速的数据恢复能力和更丰富的数据召回能力。 最近一年来，我们在统一的存储框架上又做了进一步的演进，下面将分别从架构、Build服务以及存储模型角度介绍我们的新进展和思考。   1.架构   在我们的传统架构（参见统一之战）中，
老牌良民
3421 0
yanglbme
|
人工智能 大数据 程序员
一文看懂开源图化框架中的循环设计逻辑！
相信大家在日常工作中，已经精通各种循环逻辑的实现。就拿我来说吧，多年的工作经验，已经让我可以熟练的使用 C++，Python，英语等多种语言，循环多次输出“hello word”。不过大家有没有想过一个这样的问题：如何在一个有向无环图（Directed Acyclic Graph，简称dag）中实现循环呢？
yanglbme
1414 0
一文看懂开源图化框架中的循环设计逻辑！
亚当·
|
SQL JSON 测试技术
Python中的f-string
Python中的f-string
亚当·
1007 2
Echarts技术专家
|
数据可视化 前端开发 JavaScript
【Echarts大屏】数字化巡检可视化大屏(附原码一键复制)
【Echarts大屏】数字化巡检可视化大屏(附原码一键复制)
Echarts技术专家
402 0
土木林森
|
开发工具 git 开发者
【专栏】探讨了 Git 中的 `git rebase` 操作，它用于重新应用提交到另一分支，改变历史顺序
【4月更文挑战第29天】本文探讨了 Git 中的 `git rebase` 操作，它用于重新应用提交到另一分支，改变历史顺序。与 `git merge` 不同，rebase 重写提交历史，提供简洁线性的历史记录。文章介绍了 rebase 的基本操作、应用场景，如整理提交历史、解决冲突和整合分支，并强调了使用注意事项，如避免在公共分支上操作。尽管 rebase 可以带来整洁的历史和冲突解决便利，但其潜在的风险和可能导致的历史混乱需谨慎对待。理解并恰当使用 `git rebase` 可以提升开发效率和代码质量。
土木林森
1152 1
简熵
|
设计模式 Java 测试技术
设计模式：使用状态模式推动业务全生命周期的流转
本文借助海外互金业务的借款流程展开讨论，随着业务状态不断增多，if-else分支代码充斥项目，如何通过状态模式去解耦业务中的状态的流转，通过合理的抽象满足面向对象设计的开闭原则，让业务优雅地扩展。
简熵
12246 0
设计模式：使用状态模式推动业务全生命周期的流转
陈有余Tech
|
XML 传感器 缓存
Android：四大组件之 Service
Service 是 Android 中实现程序后台运行的解决方案，它非常适合用于去执行那些不需要和用户交互而且还要求长期运行的任务。但不要被“后台”二字迷惑，Service 默认并不会运行在子线程中，它也不会运行在一个独立的进程中，它同样执行在 UI 线程中，因此，不要在 Service 中执行耗时的操作，除非你在 Service 中创建子线程来完成耗时操作。
陈有余Tech
659 0
Android：四大组件之 Service
Mindtechnist
|
存储 Linux 编译器
【四、静态库与动态库（共享库）】揭开链接库的神秘面纱：手把手教你制作静态链接库与动态链接库（一）
【四、静态库与动态库（共享库）】揭开链接库的神秘面纱：手把手教你制作静态链接库与动态链接库
Mindtechnist
751 0
【四、静态库与动态库（共享库）】揭开链接库的神秘面纱：手把手教你制作静态链接库与动态链接库（一）
智能引擎技术
|
机器学习/深度学习 缓存 并行计算
PICASSO，一个高效的搜推广稀疏训练解决方案
近日，阿里巴巴自研稀疏训练引擎论文《PICASSO: Unleashing the Potential of GPU-centric Training for Wide-and-deep Recommender Systems》被国际数据工程顶级会议ICDE 2022 (International Conference on Data Engineering)收录。文中介绍了名为PICASSO（Packing, Interleaving and Caching Augmented Software System Optimization）的训练引擎所使用的核心技术。
智能引擎技术
1542 2
大数据与机器学习

智能搜索推荐

热门文章

最新文章

  • 1
    Drill官网文档翻译一 基本架构
  • 2
    阿里集团搜索中台TisPlus
  • 3
    云栖硬核回顾|企查查搜索引擎演进之路
  • 4
    阿里巴巴搜索无状态服务的秒级弹性调度
  • 5
    Jarvis-拍立淘里面的深度学习引擎
  • 6
    十年磨一剑，阿里巴巴推荐与搜索深度学习服务体系AI·OS在云栖大会正式亮相
  • 7
    TPP稳定性之场景隔离和多租户
  • 8
    【线上直播】智能推荐系列公开课——让产品价值最大化
  • 9
    Jarvis-拍立淘里面的深度学习引擎-之持续优化
  • 10
    OpenSearch在线干预服务
  • 1
    AI搜索优化在AGI时代的价值演变：从被收录到被交叉验证
    28
  • 2
    5.15亿AI用户涌入：房产内容在AI引擎中的引用机制与决策路径分析
    37
  • 3
    AI引用源集中度机制解析：平台策略与内容锚点布局的2027年演化路径
    29
  • 4
    30亿次日均查询下的内容引用机制：民宿客源入口迁移的底层逻辑拆解
    49
  • 5
    38条引用源实测：AI引擎内容分发机制与信任预埋路径解析
    39
  • 6
    AI搜索引用机制解析：从用户提问到答案合成的完整链路
    50
  • 7
    技术社区GEO监测体系建设的探索与实践 ——基于GEO双五模型差异化信任机制的量化运营路径
    36
  • 8
    3类信息块结构：用户评价被AI引擎引用的机制解析
    33
  • 9
    31亿AI用户迁移：家政服务决策链路与AI引用机制拆解
    30
  • 10
    4个核心指标拆解：酒店客源结构分析与AI搜索渠道监测机制
    39

    • 相关电子书

    更多
  • 低代码开发师（初级）实战教程
  • 冬季实战营第三期：MySQL数据库进阶实战
  • 阿里巴巴DevOps 最佳实践手册
    • 下一篇
    一条命令迁移，帮你实现 OpenClaw 与 Hermes Agent 记忆互通！