注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 大数据实时计算实践：百分点架构和算法

  2. 介绍了大数据平台的基本原理，并详细说明了其中与实时计算相关部分，实时计算框架和数据查询框架的系统架构、处理流程和应用。而后，我们以海量数据计数问题为例，深入浅出的介绍了在实时计算算法中常用的方法和技巧，以及它们适用的场景和可能带来的问题。这些方法和技巧具有普遍性和通用性，被广泛应用于个性化推荐引擎的各个模块，包括用户意图预测、用户画像、个性化推荐评分、商品分类等等。如果能在实际业务中灵活运用这些方法和技巧，则能够大大提高实时计算的数据规模和处理效率，帮助业务快速发展。

  3. 所属分类：Web开发

    • 发布日期：2014-02-28
    • 文件大小：538kb
    • 提供者：u013789577

  1. SPTAG_py36.rar

  2. 微软将强大的最近邻搜索算法开源: 空间分区树和图（SPTAG）算法，该算法允许用户充分利用学习模型在以毫秒为单位时间内智能搜索数十亿条信息。 我们每个人每天都在享受各种在线服务（在线搜索、新闻推荐等）所带来的种种便利。这些服务的背后隐藏着庞大的、需要计算机实时处理的数据。例如，在图像搜索领域，面对给定的一幅查询图像，系统要从庞大的数据库里（比如包含百万、千万甚至上亿图像）快速找出相似的图像；而在新闻推荐中，计算机也需要根据用户画像，从大量的新闻中找到最相关的新闻推荐给用户。 想要从海量数据中快

  3. 所属分类：算法与数据结构

    • 发布日期：2019-05-17
    • 文件大小：1mb
    • 提供者：jiangzhaokui

  1. [大数据人工智能] 基于Flink流的动态实时亿级电商全端用户画像系统 [MP4] (3.8G) .txt

  2. 课程所涵盖的知识点包括：Flink、Mongodb、Hbase、Vue.js、Node.js、Kafka、Flume、SpringBoot、SpringCloud、HDFS、Highcharts等等 课程所用到的开发环境 开发环境为：Window7 开发工具为：IDEA 开发版本为：Flink1.7.0、Hadoop2.6.0、Hbase1.0.0、SpringBoot版本2.0.2.RELEASE、SpringCloud版本Finchley.RELEASE 课程亮点： 1.第四代计算引擎Fl

  3. 所属分类：其它

  1. 基于大数据平台构建数据仓库的研究与实践.pdf

  2. 数据仓库设计文档，帮助大家理解及如何设计数据仓库，很不错的一篇论文。专题 lTo 学习体系,能从海量数据中提炼高价值信息,构建自主 (1)源系统结构化数据:源系统按大数据平合的 训练与反馈、可不断从最新数据中调整演化的智能业务供数规范要求提供表数据文本和标志文件。 模型体系。 (2)文件交换区FSA:文件的交换中枢,含源系 以 Hadoop^ Spark为代表的大规模数据处理技术为统结构化数据和半结构化、非结构化数据(主要是外部 超越传统数据库的处理局限性提供了先进的并行计算和数据)。 资源调度

  3. 所属分类：其它

    • 发布日期：2019-07-16
    • 文件大小：1mb
    • 提供者：bucaixia08

  1. 微信小程序-We华软是垂直化校园社交产品，集多种能于一体的微信小程序

  2. We华软 官网：https://yicodes.com/wemysise/ 使用请删除images目录下的web文件夹 ======= We华软是垂直化校园社交产品，集多种能于一体的微信小程序，无需下载，扫码即用。 核心功能概述 >客户端可以在iOS或Android无缝使用以下的核心、社交、以及聊天功能 核心功能：客户端可以查看课表、成绩、考试、校园资讯等，还有重要信息推送 社交功能：客户可以在这里分享自己新鲜事，学校组织可以添加OA、教务公告， 聊天系统：根据用户登陆信息，在同一个校园

  3. 所属分类：其它

  1. 阿里云RDSPostgreSQL实践课2实时用户画像数据库实践.pdf

  2. 阿里云RDSPostgreSQL实践课2实时用户画像数据库实践.pdf,德哥

  3. 所属分类：其它

    • 发布日期：2019-08-29
    • 文件大小：467kb
    • 提供者：weixin_38743737

  1. 红图新媒体教你如何学习新媒体

  2. 1、新媒体管家 　　新媒体管家除了可以用于微信排版、图文编辑、管理账号外，营销日历的实用性也很强。 　　内设“通用节日”“颁奖典礼”“行业大会/展览会”等16个选项;用户可自行选择查看周期;画面简洁，结构清晰。点击每个节点会出现详细说明，目前有效的查看范围是2016年12月到今天。 2、365热点日历 　　这是365编辑器下的日历工具。内置“大片上映排期”“冷门纪念日”“我的记事”等15个标签选项，用户可以选择定制个性化日历。支持“月”“周”两种周期，点击节点会自动链接到百度的相关网页。365

  3. 所属分类：网络管理

    • 发布日期：2019-10-24
    • 文件大小：16kb
    • 提供者：zui111

  1. 基于Spark的实时用户画像分析系统-汪飞-1027.pdf

  2. 基于Spark的实时用户画像分析系统

  3. 所属分类：spark

    • 发布日期：2020-02-23
    • 文件大小：2mb
    • 提供者：qq_38278799

  1. youfanPortraitmain.zip

  2. 这个资源是友凡flink大数据的代码资源 基于Flink流处理的动态实时亿级全端用户画像系统 ，这个只是代码，视频请通过其他渠道自行下载

  3. 所属分类：Java

  1. 基于流式计算的电信实时营销系统设计与实现.caj

  2. 在移动互联网时代,各式各样的新业务和新产品不断出现,通信市场的用户总体规模增长速度变缓,使运营商之间的竞争愈加激烈,新产品营销的时效性和准确度问题亟需解决。实时营销作为新的营销方式,具有较高的实时性,通过运用大数据分析技术分析用户上网行为特征,并在合适的时间、合适的地点向用户推荐合适的内容,从而提升用户感知、增加用户粘性。如何运用大数据技术实现实时营销是本文的重要内容。本文深入调研分析了大数据实时流式处理技术,并结合其在满足非功能性需求方面的独特优势,设计了一个可以同时满足大数据存储、大数据实时

  3. 所属分类：spark

  1. 7.PMO论坛-马荣磊-沪江PMO运作与实践.pdf

  2. 7.PMO论坛-马荣磊-沪江PMO运作与实践AAIPI 海量优质课程 Project Management Institute 汇聚天下网师 沪江网校 O cCtalk 综合B2C课程矩阵 语言类 B2B2C实时互动教育平台 talk 考研类 自有 2017年平均月活达227万 留学类 课程 平台 职业类 拥有73,795门挂网课程 中小幼 41,534名注册网师,2,187家商户 talk Stalk·kids OCS课件系统 B日B原BB量题 智能学习 实时互动视频技术 教育工具和应用程序

  3. 所属分类：互联网

    • 发布日期：2019-06-29
    • 文件大小：3mb
    • 提供者：haibo714

  1. 基于Flink流处理的动态实时亿级全端用户画像系统.rar

  2. 分享课程——基于Flink流处理的动态实时亿级全端用户画像系统，本课程基于真实的大型电商系统场景下讲解的用户画像系统，本系统采用第四代计算引擎Flink，同时采用微服务架构Spring Boot+Spring Cloud 架构 ，前端采用Vue.js+Node.js架构，完全符合目前企业级的使用标准。

  3. 所属分类：flink

    • 发布日期：2020-09-04
    • 文件大小：412byte
    • 提供者：atipa

  1. flink-recommandSystem-demo:基于Flink实现的商品实时推荐系统。flink统计商品热度，放入redis缓存，分析日志信息，将头像标签和实时记录放入Hbase。在用户发起推荐请求后，根据用户画像重排序热度榜，并结合

  2. 商品实时推荐系统 1.系统架构v2.0 1.1系统架构图 1.2模块说明 a。在日志数据模块（flink-2-hbase）中，又主要分为6个Flink任务： 用户-产品浏览历史->实现基于协同过滤的推荐逻辑 通过Flink去记录用户浏览过这个类目下的某些产品，为后面的基于项目的协同过滤做准备实时的记录用户的评分到Hbase中，为后续离线处理做准备。 数据存储在Hbase的p_history表 用户-兴趣->实现基于碱性的推荐逻辑 根据用户对同一个产品的操作计算兴趣度，计算规则通过

  3. 所属分类：其它

  1. 日处理20亿数据，实时用户行为服务系统架构实践

  2. 携程实时用户行为服务作为基础服务，目前普遍应用在多个场景中，比如猜你喜欢（携程的推荐系统）、动态广告、用户画像、浏览历史等等。以猜你喜欢为例，猜你喜欢为应用内用户提供潜在选项，提高成交效率。旅行是一项综合性的需求，用户往往需要不止一个产品。作为一站式的旅游服务平台，跨业务线的推荐，特别是实时推荐，能实际满足用户的需求，因此在上游提供打通各业务线之间的用户行为数据有很大的必要性。携程原有的实时用户行为系统存在一些问题，包括：1）数据覆盖不全；2）数据输出没有统一格式，对众多使用方提高了接入成本；3

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：388kb
    • 提供者：weixin_38640984

  1. 携程实时用户行为系统实践

  2. 携程实时用户行为服务作为基础服务，目前普遍应用在多个场景中，比如猜你喜欢（携程的推荐系统），动态广告，用户画像，浏览历史等等。以猜你喜欢为例，猜你喜欢为应用内用户提供潜在选项，提高成交效率。旅行是一项综合性的需求，用户往往需要不止一个产品。作为一站式的旅游服务平台，跨业务线的推荐，特别是实时推荐，能实际满足用户的需求，因此在上游提供打通各业务线之间的用户行为数据有很大的必要性。携程原有的实时用户行为系统存在一些问题，包括：1）数据覆盖不全；2）数据输出没有统一格式，对众多使用方提高了接入成本；3

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：321kb
    • 提供者：weixin_38631960

  1. 魅族大数据之用户洞察平台介绍

  2. 读：魅族UIP（用户洞察平台）通过对三方受众数据的汇聚、清洗、智能运算，构建了庞大的精准人群数据中心，提供丰富的用户画像数据以及实时场景识别能力。本文介绍了魅族用户洞察平台的功能和架构，还原建设过程中遇到的技术难点和解决方式。以用户洞察平台的目标定位为出发点，综合技术与业务需求的考量进行架构设计，用户洞察平台的功能包括人群管理、人群洞察分析、自定义标签、人群扩展、画像查询服务等。文章还介绍了画像标签的生成、底层存储以及平台功能。魅族UIP（用户洞察平台），通过对三方受众数据的汇聚、清洗、智能运算

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：508kb
    • 提供者：weixin_38741075

  1. 用户画像准确性评测初探——拨开python大数据分析的神秘面纱

  2. 将时钟拨回到2018年初，大家迫切想打破以往资讯推荐无章可循的局面，而今日的推荐算法也似乎演成了神话，用户意图这个词在WiFi管家团队被一再提及，继而AI推荐布局被推到了前台。用户意图识别的优劣取决于对用户实时需求的了解程度，此事古来难。AI团队率先做的尝试是在一些特定场景下猜测用户意图，进行意图相关推荐，如住酒店用户，地铁上用户等，这是算法可以做的事情，那测试在这个过程中可以做些什么呢？算法验证相对滞后，有什么可以先行的呢？用户意图识别首要识别对用户场景，如果场景错了，后面的工作就无法关联起来

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：588kb
    • 提供者：weixin_38683895

  1. 携程实时用户行为系统实践

  2. 携程实时用户行为服务作为基础服务，目前普遍应用在多个场景中，比如猜你喜欢（携程的推荐系统），动态广告，用户画像，浏览历史等等。以猜你喜欢为例，猜你喜欢为应用内用户提供潜在选项，提高成交效率。旅行是一项综合性的需求，用户往往需要不止一个产品。作为一站式的旅游服务平台，跨业务线的推荐，特别是实时推荐，能实际满足用户的需求，因此在上游提供打通各业务线之间的用户行为数据有很大的必要性。携程原有的实时用户行为系统存在一些问题，包括：1）数据覆盖不全；2）数据输出没有统一格式，对众多使用方提高了接入成本；3

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：321kb
    • 提供者：weixin_38552239

  1. 魅族大数据之用户洞察平台介绍

  2. 读：魅族UIP（用户洞察平台）通过对三方受众数据的汇聚、清洗、智能运算，构建了庞大的精准人群数据中心，提供丰富的用户画像数据以及实时场景识别能力。本文介绍了魅族用户洞察平台的功能和架构，还原建设过程中遇到的技术难点和解决方式。以用户洞察平台的目标定位为出发点，综合技术与业务需求的考量进行架构设计，用户洞察平台的功能包括人群管理、人群洞察分析、自定义标签、人群扩展、画像查询服务等。文章还介绍了画像标签的生成、底层存储以及平台功能。魅族UIP（用户洞察平台），通过对三方受众数据的汇聚、清洗、智能运算

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：508kb
    • 提供者：weixin_38526421

  1. 用户画像准确性评测初探——拨开python大数据分析的神秘面纱

  2. 将时钟拨回到2018年初，大家迫切想打破以往资讯推荐无章可循的局面，而今日的推荐算法也似乎演成了神话，用户意图这个词在WiFi管家团队被一再提及，继而AI推荐布局被推到了前台。用户意图识别的优劣取决于对用户实时需求的了解程度，此事古来难。AI团队率先做的尝试是在一些特定场景下猜测用户意图，进行意图相关推荐，如住酒店用户，地铁上用户等，这是算法可以做的事情，那测试在这个过程中可以做些什么呢？算法验证相对滞后，有什么可以先行的呢？用户意图识别首要识别对用户场景，如果场景错了，后面的工作就无法关联起来

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：588kb
    • 提供者：weixin_38597970
« 12 »