惊爆！GitHub上出现一周就被标星120k的核心大数据算法1000页文档，手慢无-优快云博客

本文链接：https://blog.youkuaiyun.com/bq520111/article/details/137677377

多种文本形态与业务场景下，诸多挑战

欣赏GitHub爆火的150k的1000页核心大数据算法文档

百度中文纠错技术

========

一.幻错之术概述

语言是复杂的。每—门语言都经历了几百年，甚至几千年的长期演变和发展，形成了一套复杂的文法和句法规则。这些文法和句法规则复杂多变，例如一些词或者短语存在多音、多意、多用等现象，对语言的使用者提出了较高的要求;一旦语言使用者对语言掌握不够或者粗心大意时，则很容易发生用词不当、张冠李戴等错误。虽然这些错误看起来微不足道，但正所谓“差之毫厘，谬以千里”，特别是在某些场景(比如外交场合），即使很小的语言错误也可能带来非常恶劣的影响。

自然语言处理常见的任务包括词法分析，句法分析，语义计算等，这些任务·要取得理想的结果，输入数据的准确性是基本前提，因此从NLP的整体技术角度来说，文本纠错起着保驾护航的作用。

欣赏GitHub爆火的150k的1000页核心大数据算法文档

·项目目标

-多类型的覆盖多种类型错误，错字，多字，少字，乱序等
-多模态–支持文本，语音等不同输入形态纠错
-场景迁移–快速灵活，可配置的深度定制

欣赏GitHub爆火的150k的1000页核心大数据算法文档

腾讯信息流内容理解技术实践

=============

项目背景

1内容理解技术演进

欣赏GitHub爆火的150k的1000页核心大数据算法文档

①门户时代:1995~2002年，主要代表公司:Yahoo、网易、搜狐、腾讯。互联网初期，因为数据较少，因此需要一个内容聚合的地方，人们才能够快速的找到信息。因此，门户通过"内容类型"对内容进行整理，然后以频道页形式满足用户需求。因为数据少，初期由人工对新闻进行分类。随着数据的增多，靠人工分类已经变得不现实，因此各大公司纷纷引入分类技术，自动化文本分类。此后，文本分类技术发展迅速。

欣赏GitHub爆火的150k的1000页核心大数据算法文档

RALM:实时Look-alike算法在微信看一看中的应用

=============================

导读:本次分享是微信看—看团队在KDD2019上发表的一篇论文。长尾问题是推荐系统中的经典问题，但现今流行的点击率预估方法无法从根本上解决这个问题。文章在look-alike方法基础上，针对微信看—看的应用场景设计了一套实时look-alike框架,在解决长尾问题的同时也满足了资讯推荐的高时效性要求。

欣赏GitHub爆火的150k的1000页核心大数据算法文档

核心需求

│实时

·新item分发无需重新训练模型·实时完成种子用户扩展

│高效

·在保持CTR前提下加强长尾内容分发·学习更具准确性和多样性的用户表达

│快速

·精简预测计算·满足线上的耗时性能要求

欣赏GitHub爆火的150k的1000页核心大数据算法文档

广告算法在阿里文娱用户增长中的实践

=================

导读:从2019年开始，优酷使用DSP在今日头条、阿里妈妈等平台投放视频广告，实现用户的稳定增长。我们将用户增长领域与广告竞价领域结合，借鉴推荐领域的实践，基于特有的业务背景，开发落地了一系列算法。在成本及预算可控的条件下，最终实现了数百万DAU的引流能力。本文主要介绍外投广告算法在用户增长领域的设计及优化，解决存在约束的条件下，实现最大化DAU量的问题。

下面将围绕四点展开∶