美团点评2018技术年货
Oceanus:美团HTTP流量定制化路由的实践 47 ...................................................................... UAS-点评侧用户行为检索系统 57 ...................................................................... 美团DB数据同步到数据仓库的架构与实践 .... 美团广告实时索引的设计与实现 106 ...................................................................... 大众点评账号业务高可用进阶之路 123 ...................................................................... 美团容器平台架构及容器技术实践 .. 美团即时物流的分布式系统架构设计 147 ...................................................................... 美团点评运营数据产品化应用与实践 154 ...................................................................... 美团服务体验平台对接业务数据的最佳实践-海盗中间件0 码力 | 229 页 | 61.61 MB | 1 年前3美团点评旅游推荐系统的演进
美团点评旅游推荐系统的演进 郑刚 •2015年至今 美团点评酒旅事业群 •负责酒旅搜索排序推荐 •负责酒旅数据仓库和数据产品建设 •2014年之前 美团网技术部数据组 •参与数据平台搭建 •负责全平台数据仓库和数据产品建设 •2011年 百度电子商务事业部 •有啊商城的开发 •2010年毕业于中科院计算所 Outline •美团点评酒旅业务简介 •基于用户画像的召回策略演进 •基于L2R的排序策略优化 •从海量大数据的离线计算到高并发在线服务的推荐引擎架构设计 •推荐在美团点评酒旅的应用实践 人工智能应用 Critical Physical World Critical Digital World Non-Critical Digital World Non-Critical Physical World 新美大酒旅 国内发展最快的一站式综合住宿服务 国内最大的在线门票交易平台 酒旅搜索推荐 2015Q3 组建推荐团队 2015Q4 周边游频道内推荐 2016Q1 搜索少/无结果推荐 2016Q2 详情页推荐 2016Q3 酒旅交叉推荐 2016Q4 点评旅游推荐 酒店住宿 境内度假 境外度假 大交通 搜索/推荐 数据产品 酒旅数据仓库 数据挖掘 集团数据平台 旅游推荐产品形态 旅游场景下用户兴趣点不明 确,频道内超过50%订单来 自推荐0 码力 | 49 页 | 5.97 MB | 1 年前3可发布版-美团点评微服务OCTO-曹继光
美团点评微服务框架及治理系统:1?: 演进g路 曹继光 美团点评 资深技术a家 ��� �������������� W &0%(年加入美团,先后负责 服务框架及治理v系、性能 q化、S3?化等方向 W 经历h美团服务治理v系l0 到%,再到发展完善的各c阶 段 W 服务治理系统:1?:演进及架构设计 W 美团点评服务治理实践 W :1?:在SEPTIDE MEQh MEQh 和开源方向进展 美团点评服务治理系统:1?:概况 ����� ����� �����! ����(� ���)�� �(���� �)���� ����! ��������! �����/�! ! 在公司b务 侧获得较好 的口碑和影 响力 早期遇到的问题 ����! ����! ����! • �������������� ��������������� 500ms ��500ms ��������Double check�� 核心设计解析(&):SDBnnEP V 核心实现解析 W 服务治理系统:1?:演进及架构设计 W 美团点评服务治理实践 W :1?:在SEPTIDE MEQh 和开源方向进展 % & 3 ( ) 6 白银 Ø 标准化水平良好 黄金 钻石 Ø 服务保障能力强0 码力 | 35 页 | 14.10 MB | 1 年前32022年美团技术年货 合辑
美团搜索粗排优化的探索与实践 116 美团外卖推荐情境化智能流量分发的实践与探索 129 大众点评搜索相关性技术探索与实践 152 美团 SemEval2022 结构化情感分析跨语言赛道冠军方法总结 174 检索式对话系统在美团客服场景的探索与实践 188 端智能在大众点评搜索重排序的应用实践 216 对话摘要技术在美团的探索(SIGIR) 238 异构广告混排在美团到店业务的探索与实践 比赛是由 SIGKDD 主办的数据挖掘研究领域的国际顶级赛事。 从 1997 年开始,每年举办一次,是目前数据挖掘领域最具影响力的赛事。该比赛同 时面向企业界和学术界,云集了世界数据挖掘界的顶尖专家、学者、工程师、学生等 参加,为数据挖掘从业者们提供了一个学术交流和研究成果展示的平台。 通过分析不难发现,KDD Cup 举办 20 年来,一直紧密结合工业界前沿与热点问题,演 进主要分为三个阶段。第一阶段从 Learning(深度学 习)、Knowledge Graph(知识图谱)等技术,处理美团海量文本数据,为美团各项业务提供智 能的文本语义理解服务。NLP 中心长期招聘自然语言处理算法专家 / 机器学习算法专家,感兴 趣的同学可以将简历发送至:tech@meituan.com(邮件主题:美团搜索与 NLP 部)。 算法 < 83 图技术在美团外卖下的场景化应用及探索 作者:任建 张伟 雨枫0 码力 | 1356 页 | 45.90 MB | 1 年前32020美团技术年货 算法篇
旧架构中模型预估与业务逻辑耦合的方式,在预估文档数和特征数量不大的时候可以 提供较好的支持。但是,从 2018 年开始,搜索业务瓶颈开始到来,点评事业部开始 对整个搜索系统进行升级改造,并打造基于知识图谱的分层排序架构(详情可以参见 点评搜索智能中心在 2019 年初推出的实践文章《大众点评搜索基于知识图谱的深度 学习排序实践》)。这意味着:更多需要模型预估的文档,更多的特征,更深层次的模 型,更多的模型处理 更加重要的是,Poker 平台的在线预估服务管理和 Augur 预估框架,还将算法同学 从繁复且危险的上线操作中解放出来,更加专注于算法迭代,从而取得更好的效果。 以点评搜索为例,在 Poker+Augur 稳定上线之后,经过短短半年的时间,点评搜索 核心 KPI 在高位基础上仍然实现了大幅提升,是过去一年半涨幅的六倍之多,提前半 算法 < 19 年完成全年的目标。 4.4 进阶预估操作:模型也是特征 任务(文本分类、序列标注、句间关系判断和机器阅读理解等)。美团 AI 平台搜 索与 NLP 部算法团队基于美团海量业务语料训练了 MT-BERT 模型,已经将 MT- BERT 应用到搜索意图识别、细粒度情感分析、点评推荐理由、场景化分类等业务场 景中 [2]。 作为 BERT 的核心组成结构,Transformer 具有强大的文本特征提取能力,早在多 项 NLP 任务中得到了验证,美团搜索也基于 Transformer0 码力 | 317 页 | 16.57 MB | 1 年前3QCon北京2018-《美团配送系统架构演进实践》-阴永俊
阴永俊 美团配送系统架构演进实践 阴永俊 美团点评资深技术专家、美团配送业务系统团队负责人 2010年大连理工大学毕业,曾先后任职于Hikvision、人人网,从事过视频 监控、广告、IM、DevOps、中间件、数据仓库等技术方向 2015年加入美团·大众点评,负责配送业务系统建设,重点负责系统质量 保证、运营体系建设、核心系统架构升级等方向,支持美团配送业务发展 美团配送业务介绍 一区3号楼 顾客地址 附近 您已经导到顾客 附近 面 GeoHash 地理围栏 任务地图 导航 热力图 空间 室内定位 高度/楼层 点 nearby查询 地理编码 交付点 美团点评技术团队0 码力 | 31 页 | 15.26 MB | 1 年前3分布式 KV 存储系统 Cellar 演进之路
分布式KV存储Cellar演进之路 美团点评·基础架构 齐泽斌 美团点评基础架构部,存储研发团队负责人 • Cellar:分布式KV存储服务 • Databus:数据库变更实时传输服务 • Venus:图片服务 11年毕业于天津大学 11 年到 14 年任职于百度,负责分布式文件系统和 KV 存储系统研发 有多年分布式存储研发经验 个人简介 • Cellar起源 • 中心节点架构演进 • 美团引入阿里Tair作为NoSQL存储 • 14年底 大范围应用,并对Tair修修补补,积累领域问题 • 16年初 基于开源版本研发新一代KV存储系统Cellar • Now Cellar日请求量达万亿级,美团点评最大NoSQL存储 Cellar起源 Cellar起源—Tair架构 路由表 Cellar起源—Tair架构 HASH Key 桶号 存储节点 固定HASH算 法 固定数目 数据分片0 码力 | 34 页 | 1.66 MB | 1 年前3C++高性能并行编程与优化 - 课件 - 01 学 C++ 从 CMake 学起
存储大规模三维数据的关键:稀疏数据结构 11.物理仿真实战:邻居搜索表实现 pbf 流体求解 12.C++ 在 ZENO 中的工程实践:从 primitive 说起 13.结业典礼:总结所学知识与优秀作业点评 I 硬件要求: 64 位( 32 位时代过去了) 至少 2 核 4 线程(并行课…) 英伟达家显卡( GPU 专题) 软件要求: Visual Studio 2019 ( Windows 用户)0 码力 | 32 页 | 11.40 MB | 1 年前3C++高性能并行编程与优化 - 课件 - 04 从汇编角度看编译器优化
存储大规模三维数据的关键:稀疏数据结构 11.物理仿真实战:邻居搜索表实现 pbf 流体求解 12.C++ 在 ZENO 中的工程实践:从 primitive 说起 13.结业典礼:总结所学知识与优秀作业点评 I 硬件要求: 64 位( 32 位时代过去了) 至少 2 核 4 线程(并行课…) 英伟达家显卡( GPU 专题) 软件要求: Visual Studio 2019 ( Windows 用户)0 码力 | 108 页 | 9.47 MB | 1 年前3C++高性能并行编程与优化 - 课件 - 03 现代 C++ 进阶:模板元编程
存储大规模三维数据的关键:稀疏数据结构 11.物理仿真实战:邻居搜索表实现 pbf 流体求解 12.C++ 在 ZENO 中的工程实践:从 primitive 说起 13.结业典礼:总结所学知识与优秀作业点评 I 硬件要求: 64 位( 32 位时代过去了) 至少 2 核 4 线程(并行课…) 英伟达家显卡( GPU 专题) 软件要求: Visual Studio 2019 ( Windows 用户)0 码力 | 82 页 | 12.15 MB | 1 年前3
共 81 条
- 1
- 2
- 3
- 4
- 5
- 6
- 9