Tag: # 机器学习

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