京东相关知识

最新推荐文章于 2025-05-06 17:44:34 发布

转载最新推荐文章于 2025-05-06 17:44:34 发布 · 80 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/anny-1980/p/6757458.html

京东联盟网站: http://media.jd.com

京东云宙斯平台：http://jos.jd.com

京东开普勒平台：http://k.jd.com

转载于:https://www.cnblogs.com/anny-1980/p/6757458.html

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

weixin_30815469

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

京东电商知识图谱与AIGC落地

weixin_43564920的博客

02-27

1290

导读本文将分享如何将知识图谱应用到电商场景下的 AIGC。文章将围绕下面五个方面进行分享： 1.导言 2.基于领域知识图谱的商品文案生成 3.基于通用知识图谱的商品文案生成 4.基于领域知识图谱的 LLM 5.基于通用知识图谱的 LLM 分享嘉宾｜李浩然博士京东科技言犀大模型算法负责人出品社区｜DataFun 01 导言首先介绍一下京东在电商场景下 AIGC 方面的探索。这是一个商品营销文案自动生成的全景图，自下而上首先是商品的输入信息。输入信息是异构

京东简单介绍（互联网知识）

weixin_71311159的博客

10-04

3167

同时宣布，针对原采销体系组织架构进行了事业部制调整，调整后分为四大事业部，分别是3C、家电、消费品和服饰家居，分别由京东集团副总裁王笑松、闫小兵、冯轶、辛利军担任事业部总裁，直接向京东商城首席执行官沈皓瑜汇报。京东表示，此举主要是帮京东渠道下沉，藉此，京东大家电可在四~六线城市进行物流提速。2022年4月6日，京东数据显示，自2020年12月京东接入数字人民币试点截至目前，京东线上已绑定子钱包超350万个，数字人民币累计超200万人进行了330万笔交易，累计交易金额超过2.2亿。

参与评论您还未登录，请先登录后发表或查看评论

京东相关知识学习

qq_35091353的博客

03-21

1199

1、商品 1.1 商品链接某个商品的网页url为 https://item.jd.com/1178879.html ，那么商品id就是 1178879 1.2 商品id 某个商品的网页url为 https://item.jd.com/1178879.html ，那么商品id就是 1178879 2、eid、fp

【京东AI实践】基于知识图谱的商品营销文案自动生成实践

一个程序猿的AI转型之路

01-21

2120

导读：知识图谱为人工智能提供了丰富的知识，是实现机器认知智能的重要基石；智能创作旨在教机器自动生成流畅合法的文本，是人类与机器沟通的桥梁。当知识图谱遇到智能创作，相信一定会发生有趣的故事。本文将分享京东科技在基于知识图谱的商品营销文案自动生成的实践经验。

NEO4J搭建京东手机类小型知识图谱

博客

08-07

4094

说明：本人在知乎上也发布了这边文章，所以这里直接就转载那边的图片了，链接如下：https://zhuanlan.zhihu.com/p/77034128 本次搭建的小型知识图谱包括具体手机的分类信息和商品的具体信息，以及手机评论和评论人的详细信息。数据集：是爬取的京东全站数据中挑选出来的，很小的部分京东手机数据，包括手机具体信息和手机评论。格式如下：数据库：MYSQL，NEO4J 语言：P...

AI大模型开发实战：如何构建京东自有RAG知识库系统

2401_85375186的博客

01-21

1149

RAG（Retrieval-AugmentedGeneration）意思是“检索增强的生成”。这是一种结合检索（Retrieval）和生成（Generation）的机器学习模型，通常用于自然语言处理任务，如文本生成、问答系统等。在AI大模型开发实战中，搭建自有的RAG知识库对系统具有十分重要意义，可以提升模型的回答准确性、增强领域专业性、提高响应速度、保护数据隐私、实现个性化服务，并持续优化和改进大模型的性能。

京东基于时序知识图谱的问答系统

木野归郎

09-03

902

分享嘉宾：商超博士京东硅谷研究院研究员编辑整理：张存旺北航杭州创新研究院出品平台：DataFunTalk导读：本文将分享Temporal Knowledge Graphs方向的一个最新尝试，如何在时序知识图谱上去做问答系统，主要包括以下几部分：时序知识图谱背景介绍基于时序知识图谱的问答系统中的问题TSQA方法实验结果分析01时序知识图谱背景介绍首先介绍一下时序知识图谱的概念，时序知识图谱本质...

零知识证明实战：京东金融API的跨境支付数据合规验证

FB13713612741的博客

05-06

803

传统跨境支付系统依赖中心化数据库进行交易验证，存在三大核心缺陷：零知识证明（ZKP）通过密码学协议实现"证明有效性而不泄露内容"，其核心优势在于：京东金融开放平台提供跨境支付相关API接口，其底层架构包含：以"跨境汇款API"为例，其验证流程包含：京东金融API需满足：在欧盟市场部署时，京东金融API实施：在新加坡市场，京东金融API：

京东页面模仿知识点（1）

m0_71576598的博客

08-21

221

京东模仿

京东POP知识库

09-15

本知识库包含了关于京东POP平台的各种专业信息，包括但不限于快递单设置和发货单设置等核心环节。下面将详细阐述这些关键知识点。一、京东POP平台基础 1. 平台注册与认证：商家首先需要在京东POP平台上注册账号，...

京东 APP 的 sign 算法以及请求库

10-24

本文将深入探讨京东APP的签名算法以及相关的请求库。签名算法的核心作用是确保数据的完整性和来源的可靠性。在京东APP中，签名通常涉及以下几个步骤： 1. **数据拼接**：首先，服务器会指定一组参数，如API接口、...

京东商城商品信息爬取_爬虫_京东_

09-30

京东商城商品信息爬取是这个项目的核心，它的目标是从京东商城的网站上抓取商品的相关信息，然后进行数据分析，以便于构建一个类似功能的商城网站。在这个过程中，我们需要掌握以下几个关键知识点： 1. **网络爬虫...

springboot智能在线预约挂号系统【附万字论文+PPT+包部署+录制讲解视频】.zip

09-05

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论，包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案，包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块，如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构，确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面，提升用户体验。3.4系统安全设计阐述系统安全策略，包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程，包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试，分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进，提升系统性能。第5章研究结果呈现系统实现后的效果，包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果，如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能

基于机器学习方法的信用风险评估体系构建与实现

09-05

在金融行业中，对信用风险的判断是核心环节之一，其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法，尤其是Sklearn工具包，建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法，并通过实际操作流程进行说明。一、机器学习基本概念机器学习属于人工智能的子领域，其基本理念是通过数据自动学习规律，而非依赖人工设定规则。在信贷分析中，该技术可用于挖掘历史数据中的潜在规律，进而对未来的信用表现进行预测。二、Sklearn工具包概述 Sklearn（Scikit-learn）是Python语言中广泛使用的机器学习模块，提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程，是数据科学项目中的常用工具。三、逻辑回归模型逻辑回归是一种常用于分类任务的线性模型，特别适用于二类问题。在信用评估中，该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值，从而表示违约的可能性。四、支持向量机模型支持向量机是一种用于监督学习的算法，适用于数据维度高、样本量小的情况。在信用分析中，该方法能够通过寻找最佳分割面，区分违约与非违约客户。通过选用不同核函数，可应对复杂的非线性关系，提升预测精度。五、数据预处理步骤在建模前，需对原始数据进行清理与转换，包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分，常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰，增强模型的适应性。六、模型构建与验证借助Sklearn，可以将数据集划分为训练集和测试集，并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时，更应关注模型的召回率与特异性。七、集成学习方法为提升模型预测能力，可采用集成策略，如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差，增强整体预测的稳定性与准确性。综上，基于机器学习的信用评估系统可通过Sklearn中的多种算法，结合合理的数据处理与模型优化，实现对借款人信用状况的精准判断。在实际应用中，需持续调整模型以适应市场变化，保障预测结果的长期有效性。资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！

橙色s（）_Orange's一个操作系统的实现(随书光盘).zip

09-05

橙色s（）_Orange's一个操作系统的实现(随书光盘).zip

perl-Hash-Flatten-1.19-26.el8.tar.gz

09-05

# 适用操作系统：Centos8 #Step1、解压 tar -zxvf xxx.el8.tar.gz #Step2、进入解压后的目录，执行安装 sudo rpm -ivh *.rpm

jackson-dataformat-smile-2.20.0.jar中文-英文对照文档.zip

09-05

1、压缩文件中包含：中文-英文对照文档、jar包下载地址、Maven依赖、Gradle依赖、源代码下载地址。 2、使用方法：解压最外层zip，再解压其中的zip包，双击【index.html】文件，即可用浏览器打开、进行查看。 3、特殊说明：（1）本文档为人性化翻译，精心制作，请放心使用；（2）只翻译了该翻译的内容，如：注释、说明、描述、用法讲解等；（3）不该翻译的内容保持原样，如：类名、方法名、包名、类型、关键字、代码等。 4、温馨提示：（1）为了防止解压后路径太长导致浏览器无法打开，推荐在解压时选择“解压到当前文件夹”（放心，自带文件夹，文件不会散落一地）；（2）有时，一套Java组件会有多个jar，所以在下载前，请仔细阅读本篇描述，以确保这就是你需要的文件。 5、本文件关键字： jar中文-英文对照文档.zip,java,jar包,Maven,第三方jar包,组件,开源组件,第三方组件,Gradle,中文API文档,手册,开发手册,使用手册,参考手册。

Source code for common plots in various languages_libraries_

09-05

Source code for common plots in various languages_libraries_ R (base, ggplot2, rCharts) Python (matplotlib, seaborn, ggplot, bokeh, vincent), MATLAB, and Julia (Gadfly).zip

操作系统实验代码.zip