Tag: # 机器学习

本文根据美团配送资深技术专家郑艳伟在2019 SACC（中国系统架构师大会）上的演讲内容整理而成，主要介绍了美团配送技术团队在建设一站式机器学习平台过程中的经验总结和探索，希望对从事此领域的同学有所帮助。 阅读全文

自然场景人脸检测在美团业务中也有着广泛的应用需求，为了应对自然场景应用本身的技术挑战，同时满足业务的性能需求，美团视觉智能中心从底层算法模型和系统架构两个方面进行了改进，开发了高精度人脸检测模型VICFace。而且VICFace在国际知名的公开测评集WIDER FACE上达到了行业主流水平。 阅读全文

XGBoost模型作为机器学习中的一大“杀器”，被广泛应用于数据科学竞赛和工业领域，XGBoost官方也提供了可运行于各种平台和环境的对应代码，如适用于Spark分布式训练的XGBoost on Spark。然而，在XGBoost on Spark的官方实现中，却存在一个因XGBoost缺失值和Spark稀疏表示机制而带来的不稳定问题。 阅读全文

本文主要介绍了大众点评信息流内容团队利用文本生成技术在创意优化方向上的一些思考和实践。 阅读全文

本文介绍了大众点评搜索核心排序层模型的演化之路，包括结合知识图谱信息构建适合搜索场景的Listwise深度学习排序模型LambdaDNN以及特征工程实践和相关工具建设。 阅读全文

文章从算法、架构两方面阐述排序学习。算法部分采用理论结合类比的方式进行讲解，希望帮助读者更容易地掌握排序学习核心概念。架构部分阐述如何设计一个良好的在线排序学习预测框架，包括特征治理、召回治理和分层模型三块。重点剖析了在线排序分层模型的组成、各模块的功能以及部分实现。 阅读全文

本文分享了美团配送在即时配送领域中机器学习技术的最新进展，其主题是如何通过大数据和机器学习手段，建立对线下真实世界的各种场景的感知能力，还原和预测配送过程各个细节，提升整体配送系统的整体精度。 阅读全文

合理和准确的ETA预估也可以帮助线下运营构建有效可行的配送考核指标，保障骑手的体验和收益。 阅读全文

本文介绍了旅游搜索为应对本异地差异大、搜索意图多样等挑战，在召回层面的策略演进过程，最后总结了策略迭代优化的方法论。 阅读全文

美团点评的用户量越来越大，积累了大量的用户在站内的行为信息，我们基于这些行为构造了精准的用户画像，并在此基础上搭建了美团DSP平台，致力于获取站外优质的流量，为公司带来效益。 阅读全文

运用机器学习的预测算法进行订单异常监控，提高异常报警准确率。 阅读全文

本文介绍了旅游推荐系统从0到1完整的演进过程，包括：召回/排序策略迭代优化、工程架构设计、应用场景实践等。最后提出了旅游推荐系统未来面临的挑战。 阅读全文

Online Learning是应用比较多的模型训练方法，本文介绍一下Online Learning的基本原理以及在实际中的应用。 阅读全文

FM和FFM模型是最近几年提出的模型，凭借其在数据量比较大并且特征稀疏的情况下，仍然能够得到优秀的性能和效果的特性，屡次在各大公司举办的CT 阅读全文

背景 针对美团90%的交易发生在移动端的业务特点，我们实现了一套适用于O2O业务的搜索排序技术方案，已在许多产品和子行业中得到应用。在之前的线 阅读全文

针对美团的O2O业务特点，我们实现一套搜索排序技术方案，在此基础上又抽象了一套通用的O2O排序解决方案，将分为线上篇和线下篇介绍，本文为线上篇，主要包括在线服务框架、特征加载、在线预估等模块。 阅读全文

背景 随着美团交易规模的逐步增大，积累下来的业务数据和交易数据越来越多，这些数据是美团做为一个团购平台最宝贵的财富。通过对这些数据的分析和挖掘 阅读全文

随着大数据时代的到来，机器学习成为解决问题的一种重要且关键的工具。我们结合美团在机器学习上的实践，进行一个实战（InAction）系列的介绍（带“机器学习InAction系列”标签的文章），介绍机器学习在解决工业界问题的实战中所需的基本技术、经验和技巧。本文主要结合实际问题，概要地介绍机器学习解决实际问题的整个流程，包括对问题建模、准备训练数据、抽取特征、训练模型和优化模型等关键环节。 阅读全文

前言 在美团商家数据中心（MDC），有超过100w的已校准审核的POI数据（我们一般将商家标示为POI，POI基础信息包括：门店名称、品类、电 阅读全文