Tag: # 算法

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

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

介绍强化学习在美团推荐排序中的应用，包括三个部分：多模型融合的MDP设计奠定了取得收益的基础；针对强化学习鲁棒性和样本利用效率较低的问题，改进DDPG模型使线上取得稳定收益；基于TensorFlow的轻量级实时DRL框架为快速迭代实验提供了保障。 阅读全文

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

深度学习作为AI时代的核心技术，已经被广泛应用于多种场景。本文将介绍美团在实际工程中，如何设计和实践深度学习相关的NLU线上系统和语音识别训练系统。 阅读全文

本文主要介绍在生产环境下，如何使用TensorFlow Serving部署深度学习预估服务；同时为了满足线上性能要求，我们对TensorFlow底层原理以及性能优化做了进一步的讨论，最终实现了高性能的要求。 阅读全文

美团作为中国最大的在线本地生活服务平台，覆盖了餐饮、酒店、旅行、休闲娱乐、外卖配送等方方面面生活场景，连接了数亿用户和数百万商户。如何帮助本地商户开展在线营销，使得他们能快速有效地触达目标用户群体提升经营效率，是美团的核心问题之一。 阅读全文

美团每天有百万级的图片产生量，运营人员负责相关图片的内容审核，对涉及法律风险及不符合平台规定的图片进行删除操作。由于图片数量巨大，人工审核耗时耗力且审核能力有限，所以必须依靠深度学习技术。 阅读全文

以美团业务为例，在商家上单、团单展示、消费评价等多个环节都会涉及计算机视觉的应用，包括文字识别、图片分类、目标检测和图像质量评价等方向。本文将通过以OCR（光学字符识别）的场景来介绍深度学习在计算机视觉中的应用。 阅读全文

近几年以深度学习技术为核心的人工智能得到广泛的关注，无论是学术界还是工业界，它们都把深度学习作为研究应用的焦点。而深度学习技术突飞猛进的发展离不开海量数据的积累、计算能力的提升和算法模型的改进。 阅读全文

本文将介绍搜索广告业务中排序模型的探索以及服务优化。 阅读全文

本文将介绍深度学习模型在美团推荐业务中的应用以及针对场景特点所做的优化与探索。 阅读全文

在1月份的AICon全球人工智能与机器学习技术大会上，美团点评配送人工智能方向负责人何仁清分享了《美团骑手智能助手的技术与实践》。 阅读全文

本文介绍了美团点评联盟广告使用用户画像、关键词、天气、媒体等场景进行定向和实时排序综合打分的机制。 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

美团配送团队在机器学习、运筹优化、仿真技术等技术要素上持续发力深入研究，推出了用于即时配送的O2O即时配送智能调度系统。 阅读全文

2017年数据挖掘领域最有影响力的赛事KDD Cup近日揭晓，Convolution队从全球70个国家的3582支队伍里脱颖而出，包揽两项任务 阅读全文

在O2O场景中，用户意图明确时，通常通过搜索来解决信息过载的问题，当用户的意图不明确或者很难用清晰的语义表达，搜索引擎就无能为力。这时，推荐系统通过用户行为的分析，理解其意图，并为其推送个性化的结果，便成为一种更好的选择。 阅读全文

本文首先综合介绍模型项目的优先级，模型项目推进的四个要素，并按照优先级顺序依次展开四个要素细节实施过程中需要注意的方方面面。 阅读全文