文章列表

美团商品知识图谱的构建及应用

雪智 凤娇 姿雯 匡俊 林森 武威
商品知识图谱作为新零售行业数字化的基石,提供了围绕商品的精准结构化理解,对业务应用起到了至关重要的作用。相比于美团大脑中原有的围绕商户的图谱而言,商品图谱需应对更加分散、复杂、海量的数据和业务场景,且面临着信息来源质量低、数据维度多、依赖常识以及专业知识等挑战。本文将围绕零售商品知识图谱,介绍美团在商品层级建设、属性体系建设、图谱建设人效提升等方向的探索,希望对大家有所帮助或启发。 阅读全文

ICLR 2021 | 美团AutoML论文:鲁棒的神经网络架构搜索 DARTS-

祥祥 晓星 张勃 晓林
谷歌 2017 年正式提出神经网络架构搜索用于自动化生成模型架构,这项技术即被业界寄予厚望,成为 AutoML 的核心组成部分。凭借日益增强的算力和持续迭代的 NAS 算法,视觉模型在架构层面诞生了像 EfficientNet、MobileNetV3 等影响力深远的系列模型,NAS 也应用到了视觉、NLP、语音等领域的很多方向。NAS 作为生成 AI 模型的 AI,其重要意义不言而喻。美团在 NAS 方向也开展了深入性的研究,并对该领域保持着积极的探索。 阅读全文

机器学习在美团配送系统的实践:用技术还原真实世界

何仁清
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

美团餐饮娱乐知识图谱——美团大脑揭秘

仲远
美团NLP中心开始构建餐饮娱乐知识图谱——美团大脑。它充分挖掘关联各个场景数据,用AI技术让机器“阅读”用户评论数据,理解用户在菜品、价格、服务、环境等方面的喜好,构建人、店、商品、标签之间的知识关联,从而构建出一个“知识大脑”。 阅读全文

美团大脑:知识图谱的建模方法及其应用

仲远
作为人工智能时代最重要的知识表示方式之一,知识图谱能够打破不同场景下的数据隔离,为搜索、推荐、问答、解释与决策等应用提供基础支撑。 阅读全文

外卖订单量预测异常报警模型实践

东杰
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