发简信
IP属地：河北
-
模型融合 组合模型
场景： 广告排序 文档排序 方案：多指标融合排序 单指标 CTR CVR : 电话、短信、微聊 页面停留时间 融合 类比高考科目的平均分方案 注...
-
文本分类（多分类问题）
项目场景： 简历，很多蓝领领域分类多，需要根据简历内容，进行智能分类 转转，二手物品类目380-600左右的类目，需要根据内容进行智能分类，提示...
-
反作弊
思路： 作弊者都是为了一定的目的，且会不断更换作弊方式。观其行 IP 黑名单 IMEI UserID 高频搜索、高频率点击 重复title / ...
-
海量文档的去重
思路： 文本的向量化表示1.1 simhash在线去重 抽屉原理1.2 word2vec1.3 bagofwords(one-hot; tf-i...
-
瓶颈分析 -- 从样本到训练流程优化训练模型优化方案： 时间瓶颈分析： 流程：相同打分-》抽样-》离散化 -》样本转labeledPoint -》lr train --》特征有效性...
-
页面停留时间的特征有效性分析需求： “每人可以根据自己的指标对应的特征有效性分析，提取出推荐给产品线在列表页中展示的一些重要特征，引导用户对排序结果的选择、形成正向反馈” ...
-
页面停留时间 做指标
首先，统计页面停留时间 然后，将页面停留时间 做回归或者分类（目前，使用分类模型） 注：页面停留时间是连续值，但可以中位数，进行二值化。以A用户...
-
hive 优化hive 已经自动mapjoin优化，将小表载入到内存；不需要再mapjoin 设置。但是skewjoin 还是得手动设置（你可每次都添加此设置...
-
rm * 导致的灾难性问题
问题： 案例1：A实习生不小心用rm * xxx,多了一个空格；将大家工作目录删除了。找运维也没有完全恢复，花费2个月补救案例2：B用户rm *...