├── .DS_Store ├── .idea ├── modules.xml ├── sbt.xml ├── searchAndRecommendEngine.iml ├── thriftCompiler.xml ├── vcs.xml └── workspace.xml ├── README.md ├── 后端研发 └── mysql.md ├── 搜索推荐广告 └── .DS_Store └── 搜索推荐领域业界优质资料.md /.DS_Store: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/tangaiyun/full_stack_coder/dd7d1141a3131b0c6b0a21e47ad1e11c49c2ebe6/.DS_Store -------------------------------------------------------------------------------- /.idea/modules.xml: -------------------------------------------------------------------------------- 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | -------------------------------------------------------------------------------- /.idea/sbt.xml: -------------------------------------------------------------------------------- 1 | 2 | 3 | 4 | 9 | -------------------------------------------------------------------------------- /.idea/searchAndRecommendEngine.iml: -------------------------------------------------------------------------------- 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | -------------------------------------------------------------------------------- /.idea/thriftCompiler.xml: -------------------------------------------------------------------------------- 1 | 2 | 3 | 4 | 5 | 6 | -------------------------------------------------------------------------------- /.idea/vcs.xml: -------------------------------------------------------------------------------- 1 | 2 | 3 | 4 | 5 | 6 | -------------------------------------------------------------------------------- /.idea/workspace.xml: -------------------------------------------------------------------------------- 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 饿了么 35 | 搜你所想 36 | lucene 37 | 38 | 39 | 40 | 42 | 43 | 46 | 47 | 48 | 53 | 54 | 55 | 56 | 57 | true 58 | DEFINITION_ORDER 59 | 60 | 61 | 62 | 67 | 68 | 69 | 70 | 71 | 72 | 73 | 74 | 75 | 76 | 77 | 78 | 79 | 80 | 81 | 82 | 83 | 84 | 85 | 86 | 87 | 88 | 89 | 90 | 91 | 101 | 102 | 103 | 104 | 110 | 111 | 112 | 124 | 125 | 126 | 127 | 141 | 142 | 143 | 144 | 145 | 146 | 150 | 151 | 157 | 158 | 159 | 160 | 178 | 184 | 185 | 186 | 189 | 190 | 191 | 193 | 194 | 195 | 196 | 1543931321325 197 | 205 | 206 | 207 | 208 | 210 | 211 | 212 | 213 | 214 | 215 | 216 | 217 | 218 | 219 | 220 | 221 | 222 | 223 | 224 | 225 | 226 | 227 | 228 | 229 | 230 | 231 | 232 | 233 | 234 | 235 | 236 | 237 | 238 | 239 | 240 | 241 | 242 | 243 | 244 | 245 | 246 | 247 | 248 | 249 | 250 | 251 | 252 | 253 | 254 | 255 | 256 | 257 | 258 | 259 | 260 | 261 | 262 | 263 | 264 | 265 | 266 | 267 | 268 | 269 | 270 | 271 | 272 | 273 | 274 | 275 | 277 | 278 | 280 | 281 | 282 | 283 | 284 | 285 | 286 | 287 | 288 | 289 | 290 | 291 | 292 | 293 | 294 | 295 | 296 | 297 | 298 | 299 | 300 | 301 | 302 | 303 | 304 | 305 | 306 | 307 | 308 | 309 | 310 | 311 | 312 | 313 | 314 | 315 | 316 | 317 | 318 | 319 | 320 | 321 | 322 | 323 | 324 | 325 | 326 | 327 | 328 | 329 | 330 | 331 | 332 | 333 | 334 | 1.8 335 | 336 | 341 | 342 | 343 | 344 | 345 | 346 | -------------------------------------------------------------------------------- /README.md: -------------------------------------------------------------------------------- 1 | 2 | 3 | # 架构、搜索、推荐、广告系统优质资源 4 | 5 | 后端架构、AI架构、搜索系统和推荐系统技术资料整理。这篇文章意图是收集市面上质量不错的后端架构、AI架构、搜索、推荐、广告引擎技术资料，内容来源包括开源项目官网（Lucene、Solr、Elastic）、综合技术网站（AIQ 、infoQ、Stackoverflow、github 等、国内外知名互联网公司技术博客（阿里中间件团队博客、美团技术博客等）、知名技术牛人公众号博客等。 6 | 以下整理的内容大致根据来源进行分类。 7 | 8 | > github地址：https://github.com/cbamls/full_stack_coder 欢迎各位Star fork 9 | 10 | 个人视角有限，还望各位大佬进行PR补充、丰富，谢谢。 11 | 12 | * * * 13 | 14 | ## 开源相关 15 | 16 | ### Lucene 17 | 18 | * [Lucene 官网](https://lucene.apache.org/) 19 | * [Lucene 7.6.0源码](http://apache.01link.hk/lucene/java/7.6.0/) 20 | 21 | * [Lucene Wiki](https://wiki.apache.org/lucene-java/FrontPage) 22 | 23 | * [索引结构 -Lucene6.6.0](https://lucene.apache.org/core/6_6_0/core/org/apache/lucene/codecs/lucene62/package-summary.html#package.description) 24 | 25 | ### Solr 26 | 27 | * [Solr 官网](http://lucene.apache.org/solr/) 28 | 29 | * [Solr Wiki](https://wiki.apache.org/solr/) 30 | 31 | ### Elastic 32 | 33 | * [Elastic 官网](https://www.elastic.co/cn/) 34 | 35 | * [Elastic Blog](https://www.elastic.co/blog#sthash.khjrgPU5.dpbs) 36 | 37 | * [Elastic Formus](https://discuss.elastic.co/) 38 | 39 | * [Elasticsearch: 权威指南 - 中文版](https://www.elastic.co/guide/cn/elasticsearch/guide/current/index.html) 40 | 41 | * [Elastic 中文社区](https://elasticsearch.cn/) 42 | 43 | ### LucidWorks 44 | 45 | * [LucidWorks](https://lucidworks.com/) 46 | 47 | * [LucidWorks Blog](https://lucidworks.com/blog/#blog/) 48 | 49 | ### 中文分词 50 | 51 | * [ansj 分词](https://github.com/NLPchina/ansj_seg?) 52 | 53 | * [HanLP 分词](https://github.com/hankcs/HanLP) 54 | 55 | * [ES-Analysis-IK](https://github.com/medcl/elasticsearch-analysis-ik) 56 | 57 | ## 大公司 58 | 59 | ### 阿里 60 | 61 | * [天猫推荐算法团队的那些事儿 - 20140401 - infoQ](https://www.infoq.cn/article/2014%2F04%2Ftmall-recommendation-team) 62 | _本文以访谈的方式呈现，对搜索和推荐算法进行了简单的比较，提到了 AB 测试和离线测试，主要对推荐算法团队的工作方式、工作考评、任务分配、招聘等进行了介绍。_ 63 | 64 | * [天猫 11.11：搜索引擎实时秒级更新 - 20141111 - infoQ](https://www.infoq.cn/article/2014%2F11%2Ftmall-1111-search-engine) 65 | _文章简单介绍了阿里搜索引擎架构，提到了以下内容：1）为提高数据实时性（库存、价格等），去掉应用层和业务层的缓存，重点提升引擎层的服务能力。2）排序链，根据业务场景定制排序链。3）sku 搜索，搜索结果和属性导航联动（标类产品）。_ 66 | 67 | * [阿里搜索离线技术团队负责人谈 Hadoop：阿里离线平台、YARN 和 iStream](https://www.infoq.cn/article/2014%2F09%2Fhadoop-alibaba-yarn) 68 | 69 | * [基于 Apache Flink 的实时计算引擎 Blink 在阿里搜索中的应用 - 20170216 - infoQ](https://www.infoq.cn/article/real-time-computing-engine-blink-in-alibaba-search) 70 | 71 | * [阿里开源深度学习框架 XDL，面向广告、推荐、搜索场景 - 20181128 - AIQ](http://www.6aiq.com/article/1543939628501) 72 | * [阿里巴巴搜索引擎平台 Ha3 揭秘 - 201811 - AIQ](http://www.6aiq.com/article/1543672176467) 73 | 74 | **阿里搜索事业部技术团队** 75 | 阿里集团搜索、推荐、图像技术的大本营，大数据时代的创新主场。 76 | 77 | * [阿里搜索事业部技术团队](https://yq.aliyun.com/teams/23?spm=5176.100239.0.0.IlfIYv) 78 | 79 | * [OpenSearch：轻松构建大数据搜索服务 - 20160222](https://yq.aliyun.com/articles/67156?spm=a2c4e.11163080.searchblog.9.56c42ec17lRdd2) 80 | 81 | * [搜索双链路实时计算体系 @双 11 实战 - 20160111](https://yq.aliyun.com/articles/2699?spm=5176.100244.teamhomeleft.95.WweKDa) 82 | 83 | **阿里中间件团队博客** 84 | 2012 年期间，阿里中间件博客记录了 20 多篇 Lucene、Solr 相关博文，主要记录了一些在项目开发过程中遇到的问题，以及部分源码解读。内容丰富、实用，但不是很系统。 85 | 86 | * [阿里中间件团队博客](http://jm.taobao.org/) 87 | 88 | * [Solr 调优参考 - 20120521](http://jm.taobao.org/2012/05/21/solr-tuning) 89 | 90 | * [Solr Lucene 优劣势分析 - 20120626](http://jm.taobao.org/2012/06/26/solr-lucene-advantages-and-disadvantages) 91 | 92 | * [SolrQuery 性能压测参考 - 20120731](http://jm.taobao.org/2012/07/31/solr-query-performance-test-reference) 93 | 94 | * [NumericField NumericRangeQuery 原理分析 - 20120731](http://jm.taobao.org/2012/07/31/numeric-field-numeric-range-query) 95 | 96 | * [Solr schema 编写指导 - 20120731](http://jm.taobao.org/2012/07/31/solr-schema-guide) 97 | 98 | * [关于搜索挖掘所想 - 20120731](http://jm.taobao.org/2012/07/31/think-about-search/) 99 | 100 | * [SolrQuery 挖掘 -- 单维度聚合分析 - 20120920](http://jm.taobao.org/2012/09/20/solrquery-mining) 101 | 102 | * [我感受到的排序机制参考 - 20120920](http://jm.taobao.org/2012/09/20/sort-of-mechanism-reference) 103 | 104 | * [垂直搜索新问题 - 20120920](http://jm.taobao.org/2012/09/20/vertical-search-new-question) 105 | 106 | * [Solr 平台化搜索实战必知场景 - 20120921](http://jm.taobao.org/2012/09/21/solar-search) 107 | 108 | * [Solr Schema 配置小细节大问题 - 20121015](http://jm.taobao.org/2012/10/15/solr-schema-configuration-problem/) 109 | 110 | * [Solr DisjunctionMax 注解 - 20121015](http://jm.taobao.org/2012/10/15/solr-disjunctionmax/) 111 | 112 | * [Sql Support within Solr- 类 Sql 的 solr 搜索实现 (1) - 20121015](http://jm.taobao.org/2012/10/15/sql-support-within-solr) 113 | 114 | * [Sql Support within Solr- 类 Sql 的 solr 搜索实现 (2) - 20121015](http://jm.taobao.org/2012/10/15/solr-flux-source-code-sql-support-within-solr/) 115 | 116 | * [关于 TrieField 的全面认识、理解、运用 - 20121015](http://jm.taobao.org/2012/10/15/learn-about-triefield) 117 | 118 | * [Solr Facet 引发思考 on the road - 20121029](http://jm.taobao.org/2012/10/29/solr-facet-on-the-road/) 119 | 120 | * [查询问题 ---queryparse 深入理解 - 20121029](http://jm.taobao.org/2012/10/29/deep-learn-queryparse) 121 | 122 | * [TermRangeQuery 源码解析 - 20121106](http://jm.taobao.org/2012/11/06/termrangequery-source-code) 123 | 124 | * [Solr 之缓存篇 - 20121106](http://jm.taobao.org/2012/11/06/solar-cache/) 125 | 126 | * [搜索的测试话题 - 20121113](http://jm.taobao.org/2012/11/13/test-topic-about-search) 127 | 128 | * [关于搜索夜话 ---- 作为阶段序列的告别 - 20121113](http://jm.taobao.org/2012/11/13/night-talk-about-search/) 129 | 130 | * [solr 长文本搜索问题 - 20121210](http://jm.taobao.org/2012/12/10/solr-long-text-search-problem) 131 | 132 | * [SolrCore2.9.1 源码分析备忘 - 20121210](http://jm.taobao.org/2012/12/10/solr-core-2-9-1-source-code-analyse) 133 | 134 | ### 百度 135 | 136 | * [百度万亿量级数据库 Tera 架构应用、设计与实践全攻略 - 20170526 - infoQ](https://www.infoq.cn/article/2017%2F05%2Fdatabase-baidu-Tera) 137 | 138 | ### 京东 139 | 140 | * [京东 618：揭秘大促销背后的个性化推荐 - 20150618 - infoQ](https://www.infoq.cn/article/2015%2F06%2Fjd-618-personalrecommendation) 141 | 142 | * [京东 11.11：商品搜索系统架构设计 - 20151111 - infoQ](https://www.infoq.cn/article/jingdong-11-11-commodity-search-system-architecture-design?utm_source=6aiq.com) 143 | 144 | * [京东 618：机器学习与商品数据挖掘和知识抽取 - 20170618 - infoQ](https://www.infoq.cn/article/2017%2F06%2Fjd-618-Machine-learning-commodit) 145 | 146 | ### 美团点评 147 | 148 | **美团点评技术团队博客** 149 | 在国内互联网公司中，个人认为“美团点评技术团队博客”是最持之以恒的，而且非常干货。 150 | 151 | * [美团点评技术团队](https://tech.meituan.com/) 152 | 153 | * [美团 O2O 排序解决方案——线下篇 - 20151207](https://tech.meituan.com/rerank_solution_offline.html) 154 | * [美团O2O排序解决方案——线上篇 - 2015-11-16 17:00](https://tech.meituan.com/meituan_search_rank.html) 155 | 156 | * [美团点评旅游搜索召回策略的演进 - 20170616 - AIQ](http://www.6aiq.com/article/1522247441467) 157 | 158 | ### 携程 159 | 160 | * [携程技术中心](https://cloud.tencent.com/developer/column/2048/tag-10149/page-8) 161 | 162 | ### 去哪儿 163 | 164 | * [去哪儿网机票搜索系统的高并发架构设计 20170421 - AIQ](http://www.6aiq.com/article/1522670952812) 165 | 166 | 167 | ### 搜狗 168 | 169 | * [搜狗搜索广告检索系统 - 弹性架构演进之路 - 20160111 - infoQ](https://mp.weixin.qq.com/s?__biz=MzI4MTY5NTk4Ng==&mid=2247489709&idx=1&sn=dd82cbae0f01a13fcef39ac2925c6406&chksm=eba41b30dcd3922697fcbdd22188d919803c40841609f4a1280355b251b68a4d786fddcc8fb6&scene=27#wechat_redirect) 170 | 171 | * [深度学习在搜狗无线搜索广告中的应用 - 20160808 - infoQ](https://www.infoq.cn/article/2016%2F08%2Fsougou-deep-learing-wireless-sea) 172 | 173 | * [以搜狗为例，谈语音输入如何影响你的生活 - 20161208 - infoQ](https://www.infoq.cn/article/2016%2F12%2Fsougou-Voice-input-life) 174 | ### 一号店 175 | 176 | * [1 号店 11.11：分布式搜索引擎的架构实践 - 20151112 - infoQ](https://www.infoq.cn/article/yhd-11-11-distributed-search-engine-architecture) 177 | 178 | * [1 号店 11.11：机器排序学习在电商搜索中的实战 - 20161111 - AIQ](http://www.6aiq.com/article/1522330692884) 179 | 180 | * [机器学习在 1 号店商品匹配中的实践 - 20170506 - 携程技术中心](https://cloud.tencent.com/developer/article/1063204) 181 | 182 | ### 待分类 183 | 184 | **国内** 185 | 186 | * [**当当** 11.11：促销系统与交易系统的重构实践 - 20151113 - infoQ](https://www.infoq.cn/article/dangdang-11-11-reconstruction-system-practise) 187 | 188 | * [**苏宁易购** 11.11：商品详情系统架构设计 - 20151227 - infoQ](https://www.infoq.cn/article/suning-product-details-system-architecture-design?) 189 | 190 | * [**达观数据** 点击模型：提升算法精度的利器 - 20160315 - infoQ](https://www.infoq.cn/article/tool-to-improve-the-accuracy-of-algorithm) 191 | 192 | * [**达观数据** 一个可供参考的搜索引擎排序架构实践案例 - 20160830 - infoQ](https://www.infoq.cn/article/a-search-engine-scheduling-architecture-for-reference?) 193 | 194 | * [**达观数据** "搜你所想" 之用户搜索意图识别 - 20170608 - AIQ](http://www.6aiq.com/article/1541861015217) 195 | 196 | * [**链家网** 数据驱动在搜索优化与推荐策略中的实践 - 20170406 - infoQ](https://www.infoq.cn/article/practise-of-data-driven-search-and-optimize-in-lianjia?) 197 | 198 | * [深度学习在 Airbnb 大规模搜索排名上的实战经验 - 20181118 - AIQ](http://www.6aiq.com/article/1542878440663) 199 | 200 | * [51 信用卡的个性化推荐体系 - 2018 - AIQ](http://www.6aiq.com/article/1542815641630) 201 | 202 | * [苏宁 11.11：搜索引擎 Solr 在苏宁易购商品评价系统中的应用 - 20181105 - AIQ](http://www.6aiq.com/article/1542192071013) 203 | **国外** 204 | 205 | * [**Twitter** 实时检索 6700 亿条推文，细谈 Twitter 搜索引擎的演进历程 - 20160330 - infoQ](http://www.6aiq.com/article/1544116316790) 206 | 207 | * [**Yelp** 是如何用数据驱动搜索过滤器的？ - 20151209 - infoQ](https://www.infoq.cn/article/2015%2F12%2FYelp-Search-filter) 208 | 209 | ## 开发应用 210 | 211 | ### 理论基础 212 | 213 | * [我爱自然语言处理](http://www.52nlp.cn/) 推荐 214 | 215 | * [漫话中文自动分词和语义识别](http://www.matrix67.com/blog/archives/4212) 216 | 217 | ### 源码解读 218 | 219 | * [刘超觉先](http://www.cnblogs.com/forfuture1978) 详细分析了 Lucene3.x 的源码，推荐。 220 | 221 | * [Anatomy of an Elasticsearch Cluster: Part I](https://www.infoq.cn/article/analysis-of-elasticsearch-cluster-part01?utm_source=infoq&utm_campaign=user_page&utm_medium=link) 222 | 223 | * [Anatomy of an Elasticsearch Cluster: Part II](https://www.infoq.cn/article/anatomy-of-an-elasticsearch-cluster-part02?utm_source=infoq&utm_campaign=user_page&utm_medium=link) 224 | 225 | * [Anatomy of an Elasticsearch Cluster: Part III](https://www.infoq.cn/article/anatomy-of-an-elasticsearch-cluster-part03?utm_source=infoq) 226 | 227 | ### 常见问题 228 | 229 | * [Stackoverflow - Lucene](https://stackoverflow.com/questions/tagged/lucene?sort=votes&pageSize=15&) 230 | 231 | * [Stackoverflow - Solr](https://stackoverflow.com/questions/tagged/solr?sort=votes&pageSize=15) 232 | 233 | * [Stackoverflow - Elastic](https://stackoverflow.com/questions/tagged/elasticsearch) 234 | 235 | ### 其他 236 | 237 | * [对话 Kibana 之父：如果需要，你应该自己动手编写工具 - 20170111 - infoQ](https://hacpai.com/forward?goto=http%3A%2F%2Fwww.infoq.com%2Fcn%2Fnews%2F2017%2F01%2FRashid-buildYourOwnTool) 238 | 239 | * [配置高性能 Elasticsearch 集群的 9 个小贴士 - 20170104 - infoQ](https://www.infoq.cn/article/2017%2F01%2FElasticSearch-9) 240 | 241 | * [基于 ElasticStack 的数据探索与分析 - 20161018 - infoQ](https://hacpai.com/forward?goto=http%3A%2F%2Fwww.infoq.com%2Fcn%2Fpresentations%2Fdata-exploration-and-analysis-based-on-elasticstack) 242 | 243 | * [使用 Akka、Kafka 和 ElasticSearch 等构建分析引擎 - 20160825 - infoQ](https://www.infoq.cn/article/use-akka-kafka--build-analysis-engine?) 244 | 245 | * [万亿级日志与行为数据存储查询技术剖析 - 20170222 - infoQ](https://www.infoq.cn/article/trillion-log-and-data-storage-query-techniques) 246 | 247 | * [谷歌的自然语言部门是啥样的？ - 20160118 - infoQ](https://www.infoq.cn/article/Inside-look-of-Google-NLU-Team) 248 | 249 | * [通过 Baratine 将 Lucene 库暴露为微服务 - 20160225 - infoQ](https://hacpai.com/forward?goto=http%3A%2F%2Fwww.infoq.com%2Fcn%2Farticles%2FBuilding-a-Lucene-Microservice-with-Baratine) 250 | 251 | * * * 252 | 253 | ## 人工智能领域文集 254 | 1. [美团点评效果广告实验配置平台的设计与实现](http://www.6aiq.com/article/1575352029629) 255 | 2. [腾讯信息流内容理解技术实践](http://www.6aiq.com/article/1575291150675) 256 | 3. [深度 |58 商业流量排序策略优化实践](http://www.6aiq.com/article/1575265821104) 257 | 4. [美团点评 Kubernetes 集群管理实践](http://www.6aiq.com/article/1574928440098) 258 | 5. [张一鸣：如何应对公司变大之后的管理挑战](http://www.6aiq.com/article/1574925028259) 259 | 6. [如何提升「会议效率」](http://www.6aiq.com/article/1574923253008) 260 | 7. [【有赞】数据资产，赞之治理](http://www.6aiq.com/article/1574915932640) 261 | 8. [搜索引擎中的 Web 数据挖掘](http://www.6aiq.com/article/1574915322653) 262 | 9. [几十亿数据查询 3 秒返回，ES 性能优化实战！](http://www.6aiq.com/article/1574826185410) 263 | 10. [基于多视角学习和个性化注意力机制的新闻推荐](http://www.6aiq.com/article/1574825695162) 264 | 11. [Walrus- 一个轻量级 olap 查询框架](http://www.6aiq.com/article/1574736925331) 265 | 12. [微服务高可用利器——Hystrix 熔断降级原理 & 实践总结](http://www.6aiq.com/article/1574665111167) 266 | 13. [【推荐实践】微博在线机器学习和深度学习实践](http://www.6aiq.com/article/1574426305447) 267 | 14. [马蜂窝推荐排序算法模型是如何实现快速迭代的](http://www.6aiq.com/article/1574416832776) 268 | 15. [在线学习在爱奇艺信息流推荐业务中的探索与实践](http://www.6aiq.com/article/1574147863075) 269 | 16. [【58 同城】如何从 0 到 1 构建个性化推荐？](http://www.6aiq.com/article/1573832774594) 270 | 17. [机器学习在 58 二手车估价系统实践](http://www.6aiq.com/article/1573491656197) 271 | 18. [萌新想请教一下特征选择的问题](http://www.6aiq.com/article/1573302232158) 272 | 19. [实时计算引擎在贝壳的应用与实践](http://www.6aiq.com/article/1573185605481) 273 | 20. [今日头条在消息服务平台和容灾体系建设方面的实践与思考](http://www.6aiq.com/article/1573185369725) 274 | 21. [推荐系统中模型训练及使用流程的标准化](http://www.6aiq.com/article/1573019035518) 275 | 22. [知识图谱与语义分析技术介绍（附前沿论文解读）](http://www.6aiq.com/article/1572536494305) 276 | 23. [网络图模型知识点综述](http://www.6aiq.com/article/1571972208208) 277 | 24. [360 展示广告召回系统的演进](http://www.6aiq.com/article/1571971895488) 278 | 25. [Tensorflow 的 checkpoint 教程](http://www.6aiq.com/article/1571815127141) 279 | 26. [陈曦：性能与稳定并存 Elasticsearch 调优实践](http://www.6aiq.com/article/1571732516452) 280 | 27. [3000 台服务器不宕机，微博广告系统全景运维大法](http://www.6aiq.com/article/1571677045133) 281 | 28. [由 Finalizer 和 SocksSocketImpl 引起的 Fullgc 问题盘点](http://www.6aiq.com/article/1571404213343) 282 | 29. [爱奇艺效果广告的个性化探索与实践](http://www.6aiq.com/article/1571312686403) 283 | 30. [深度学习技术在美图个性化推荐的应用实践](http://www.6aiq.com/article/1571312237091) 284 | 31. [UC 信息流推荐模型在多目标和模型优化方面的进展](http://www.6aiq.com/article/1571122442970) 285 | 32. [Facebook 面向个性化推荐系统的深度学习推荐模型](http://www.6aiq.com/article/1571122215314) 286 | 33. [美团配送交付时间轻量级预估实践](http://www.6aiq.com/article/1571121996334) 287 | 34. [58 招聘推荐排序算法实战与探索](http://www.6aiq.com/article/1570879139349) 288 | 35. [阿里如何实现秒级百万 TPS？搜索离线大数据平台架构解读](http://www.6aiq.com/article/1570779939108) 289 | 36. [会向业务“砍需求”的技术同学，该具备哪 6 点能力？](http://www.6aiq.com/article/1570690559483) 290 | 37. [UC 国际信息流推荐中的多语言内容理解](http://www.6aiq.com/article/1570690168076) 291 | 38. [10 年 +，阿里沉淀出怎样的搜索引擎？](http://www.6aiq.com/article/1570689011313) 292 | 39. [Hi, 2019_nickname](http://www.6aiq.com/article/1570537999437) 293 | 40. [老大难的 GC 原理及调优，这下全说清楚了](http://www.6aiq.com/article/1570200567790) 294 | 41. [以 YouTube 论文学习如何在推荐场景应用强化学习](http://www.6aiq.com/article/1569855297614) 295 | 42. [深度度量学习中的损失函数](http://www.6aiq.com/article/1569854152182) 296 | 43. [UC 信息流视频标签识别技术](http://www.6aiq.com/article/1569853907406) 297 | 44. [常用学习算法](http://www.6aiq.com/article/1569657938661) 298 | 45. [阿里妈妈：品牌广告中的 NLP 算法实践](http://www.6aiq.com/article/1569575845555) 299 | 46. [OCPC 广告算法在凤凰新媒体的实践探索](http://www.6aiq.com/article/1569575671037) 300 | 47. [降低软件复杂性的一般原则和方法](http://www.6aiq.com/article/1569575490353) 301 | 48. [基于 Elastic Stack 的海量日志分析平台实践](http://www.6aiq.com/article/1569492584196) 302 | 49. [支付系统高可用架构设计实战，可用性高达 99.999！](http://www.6aiq.com/article/1569340515334) 303 | 50. [推荐系统应该如何保障推荐的多样性？](http://www.6aiq.com/article/1569255367368) 304 | 51. [浅谈 UC 国际信息流推荐](http://www.6aiq.com/article/1569247306778) 305 | 52. [我在亚马逊学到的三样东西，为我的机器学习职业之路做好了准备](http://www.6aiq.com/article/1569161146669) 306 | 53. [关于数据驱动的重新思考](http://www.6aiq.com/article/1569161025335) 307 | 54. [头条，美团，滴滴，京东及其它公司面试经验分享！](http://www.6aiq.com/article/1569160784677) 308 | 55. [CCKS 2019 | 百度 CTO 王海峰详解知识图谱与语义理解](http://www.6aiq.com/article/1568827963634) 309 | 56. [模型评估指标 AUC 和 ROC，这是我看到的最透彻的讲解](http://www.6aiq.com/article/1568827658600) 310 | 57. [GitHub 标星 8k+，最后还有什么想问的么？对面试官的灵魂 50 问！](http://www.6aiq.com/article/1568826908246) 311 | 58. [Andrew Ng(吴恩达) 关于机器学习职业生涯以及阅读论文的一些建议](http://www.6aiq.com/article/1568826255343) 312 | 59. [A/B 测试中我们都会犯的十个常见错误](http://www.6aiq.com/article/1568825519774) 313 | 60. [AI 在爱奇艺视频广告中的探索](http://www.6aiq.com/article/1568791882275) 314 | 61. [快看漫画个性化推荐探索与实践](http://www.6aiq.com/article/1568618505543) 315 | 62. [微博广告策略工程架构体系演进](http://www.6aiq.com/article/1568618069945) 316 | 63. [请问 example oracle 和后面那个红框的分布是什么意思？](http://www.6aiq.com/article/1568342514282) 317 | 64. [构建可解释的推荐系统](http://www.6aiq.com/article/1568274177362) 318 | 65. [解读：滴滴“猜你去哪儿”功能的算法实现](http://www.6aiq.com/article/1567577366676) 319 | 66. [推荐系统走向下一阶段最重要的三个问题](http://www.6aiq.com/article/1567308516776) 320 | 67. [电商推荐那点事](http://www.6aiq.com/article/1566564834140) 321 | 68. [风控建模流程：以京东群体感知项目为例](http://www.6aiq.com/article/1566483295719) 322 | 69. [每天超 50 亿推广流量、3 亿商品展现，阿里妈妈的推荐技术有多牛？](http://www.6aiq.com/article/1566482811205) 323 | 70. [聊聊 Linux IO 栈](http://www.6aiq.com/article/1565968949200) 324 | 71. [阿里妈妈深度树检索技术（TDM）及应用框架的探索实践](http://www.6aiq.com/article/1565927125584) 325 | 72. [推荐系统工程难题：如何做好深度学习 CTR 模型线上 Serving](http://www.6aiq.com/article/1565792410807) 326 | 73. [360 搜索的百亿级网页搜索引擎架构实现](http://www.6aiq.com/article/1565759838842) 327 | 74. [FSICFR 或者 CFRM 算法训练后如何应用于实际的游戏中?](http://www.6aiq.com/article/1565664047002) 328 | 75. [京东电商推荐系统实践](http://www.6aiq.com/article/1565595267683) 329 | 76. [< 机器学习实战高清中英源代码 > 分享](http://www.6aiq.com/article/1565595258174) 330 | 77. [分布式锁用 Redis 还是 Zookeeper？](http://www.6aiq.com/article/1565538022304) 331 | 78. [InnoDB 事务与分布式事务中一些关键问题](http://www.6aiq.com/article/1565459547589) 332 | 79. [hello, 初次见面请多关注](http://www.6aiq.com/article/1565431795691) 333 | 80. [【兼职】泽山贤教育招聘人工智能线上讲师，时薪 200-300 元](http://www.6aiq.com/article/1565193786066) 334 | 81. [ESearch: 58 搜索内核设计与实践—实时索引篇](http://www.6aiq.com/article/1564639669705) 335 | 82. [两万字深度介绍分布式系统原理，一文入魂](http://www.6aiq.com/article/1564639518329) 336 | 83. [推荐技术随谈](http://www.6aiq.com/article/1564638926290) 337 | 84. [这是我读过写得最好的【秒杀系统架构】分析与实战！](http://www.6aiq.com/article/1564638780024) 338 | 85. [如果这篇文章说不清 epoll 的本质，那就过来掐死我吧！](http://www.6aiq.com/article/1564634702930) 339 | 86. [最完整的 Markdown 基础教程](http://www.6aiq.com/article/1564465563620) 340 | 87. [番外篇：Lucene 索引流程与倒排索引实现](http://www.6aiq.com/article/1564413366882) 341 | 88. [Lucene 倒排索引原理探秘 (2)](http://www.6aiq.com/article/1564413209435) 342 | 89. [Lucene 倒排索引原理探秘 (1)](http://www.6aiq.com/article/1564413040138) 343 | 90. [推荐系统：石器与青铜时代](http://www.6aiq.com/article/1563816467004) 344 | 91. [快手 HBase 在千亿级用户特征数据分析中的应用与实践](http://www.6aiq.com/article/1563816249571) 345 | 92. [数据老是错误，不知道为什么](http://www.6aiq.com/article/1563798131468) 346 | 93. [怎么写代码呢](http://www.6aiq.com/article/1563797124392) 347 | 94. [学习代码写作怎么写](http://www.6aiq.com/article/1563796433876) 348 | 95. [学习数据代码](http://www.6aiq.com/article/1563795571485) 349 | 96. [深度学习在 360 搜索广告 NLP 任务中的应用](http://www.6aiq.com/article/1563534203590) 350 | 97. [消息中间件—RocketMQ 消息存储（二）](http://www.6aiq.com/article/1563130737288) 351 | 98. [消息中间件—RocketMQ 消息存储（一）](http://www.6aiq.com/article/1563130479801) 352 | 99. [消息中间件—RocketMQ 消息消费（三）（消息消费重试）](http://www.6aiq.com/article/1563130337444) 353 | 100. [消息中间件—RocketMQ 消息消费（二）（push 模式实现）](http://www.6aiq.com/article/1563130068940) 354 | 101. [消息中间件—RocketMQ 消息消费（一）](http://www.6aiq.com/article/1563129820252) 355 | 102. [消息中间件—RocketMQ 消息发送](http://www.6aiq.com/article/1563129642050) 356 | 103. [消息中间件—RocketMQ 的 RPC 通信（二）](http://www.6aiq.com/article/1563128435731) 357 | 104. [消息中间件—RocketMQ 的 RPC 通信（一）](http://www.6aiq.com/article/1563128272857) 358 | 105. [（毕业真实版本）《马来西亚双威大学毕业证书 -|SUNWAY 毕业一模一样证书](http://www.6aiq.com/article/1562961399162) 359 | 106. [（毕业真实版本）《新加坡国立大学毕业证书 -|NUS 毕业一模一样证书](http://www.6aiq.com/article/1562959424675) 360 | 107. [阿里零售通智能导购推荐技术实践](http://www.6aiq.com/article/1562902164382) 361 | 108. [“看一看”推荐模型揭秘！微信团队提出实时 Look-alike 算法，解决推荐系统多样性问题](http://www.6aiq.com/article/1562902056730) 362 | 109. [关于机器学习归一化](http://www.6aiq.com/article/1562643213628) 363 | 110. [网易新闻推荐：深度学习排序系统及模型](http://www.6aiq.com/article/1562600299283) 364 | 111. [一镜到底：FM 们的原理及在贝壳搜索的实践](http://www.6aiq.com/article/1562247779512) 365 | 112. [淘宝从几百到千万级并发的十四次架构演进之路！](http://www.6aiq.com/article/1562226253738) 366 | 113. [分布式追踪系统概述及主流开源系统对比](http://www.6aiq.com/article/1561708934642) 367 | 114. [系统架构系列（四）：业务架构实战下篇](http://www.6aiq.com/article/1561569480601) 368 | 115. [系统架构系列 (三)：业务架构实战上篇](http://www.6aiq.com/article/1561569370860) 369 | 116. [系统架构系列 (二)：应对这一概念的方法](http://www.6aiq.com/article/1561569262030) 370 | 117. [系统架构系列（一）：如何用公式定义该概念？](http://www.6aiq.com/article/1561568885381) 371 | 118. [写给开发者的谷歌技术面试终极通关指南](http://www.6aiq.com/article/1561568669839) 372 | 119. [流式数据处理在百度数据工厂的应用与实践](http://www.6aiq.com/article/1561568253928) 373 | 120. [一文读懂深度学习：从神经元到 BERT](http://www.6aiq.com/article/1561568054539) 374 | 121. [基于内容的推荐算法](http://www.6aiq.com/article/1561523060934) 375 | 122. [Embedding 技术在民宿推荐中的应用](http://www.6aiq.com/article/1561522712795) 376 | 123. [XLNet : 运行机制及和 Bert 的异同比较](http://www.6aiq.com/article/1561522178496) 377 | 124. [深度学习在 Airbnb 中的探索与应用](http://www.6aiq.com/article/1561122418648) 378 | 125. [【贝壳智搜】标签：月老手中那一根根红线](http://www.6aiq.com/article/1561122034940) 379 | 126. [Xavier 论文疑惑（论文标题：Understanding the difficulty of training deep feedforward neural networks）](http://www.6aiq.com/article/1560936921352) 380 | 127. [TCP 报文格式高清图](http://www.6aiq.com/article/1560686753636) 381 | 128. [从 Word Embedding 到 Bert 模型—自然语言处理中的预训练技术发展史](http://www.6aiq.com/article/1560265487336) 382 | 129. [Bert 时代的创新（应用篇）：Bert 在 NLP 各领域的应用进展](http://www.6aiq.com/article/1560264427921) 383 | 130. [Netflix 推荐系统模型的快速线上评估方法——Interleaving](http://www.6aiq.com/article/1560264272602) 384 | 131. [【真实生产案例】消息中间件如何处理消费失败的消息？](http://www.6aiq.com/article/1560187859658) 385 | 132. [YC 中国创始人陆奇：人工智能时代，芯片和底层软件基本都要重做](http://www.6aiq.com/article/1560187579196) 386 | 133. [从 MySQL 高可用架构看高可用架构设计](http://www.6aiq.com/article/1559928119531) 387 | 134. [abtest- 数据分析 - 假设检验基础](http://www.6aiq.com/article/1559927769510) 388 | 135. [程序员面试最常见问题 TOP 48](http://www.6aiq.com/article/1559927609226) 389 | 136. [abtest 那些事儿（下）—数据跟踪和效果评估](http://www.6aiq.com/article/1559927485634) 390 | 137. [list1 与 list2 求交集的方法总结！](http://www.6aiq.com/article/1559927141249) 391 | 138. [当你打开天猫的那一刻，推荐系统做了哪些工作？](http://www.6aiq.com/article/1559926964517) 392 | 139. [高并发架构消息队列面试题解析](http://www.6aiq.com/article/1559925040613) 393 | 140. [Embedding 在深度推荐系统中的 3 大应用方向](http://www.6aiq.com/article/1559924680404) 394 | 141. [使用 ElasticSearch 的 44 条建议](http://www.6aiq.com/article/1559924453879) 395 | 142. [Elasticsearch 技术分析（七）： Elasticsearch 的性能优化](http://www.6aiq.com/article/1559923193369) 396 | 143. [适合程序员用的笔记本电脑](http://www.6aiq.com/article/1559129392498) 397 | 144. [怎样写网站优化方案](http://www.6aiq.com/article/1559128292478) 398 | 145. [马蜂窝 ABTest 多层分流系统的设计与实现](http://www.6aiq.com/article/1558691486326) 399 | 146. [ES 查询性能调优实践，亿级数据查询毫秒级返回](http://www.6aiq.com/article/1558615099584) 400 | 147. [小米移动搜索中的 AI 技术](http://www.6aiq.com/article/1558597039005) 401 | 148. [LSTM 原理与实践，原来如此简单](http://www.6aiq.com/article/1558505752984) 402 | 149. [基于 “ 滴滴 KDD 2018 论文：基于强化学习技术的智能派单模型 ” 再演绎](http://www.6aiq.com/article/1558370681979) 403 | 150. [阿里妈妈：电商预估模型的发展与挑战](http://www.6aiq.com/article/1558370392037) 404 | 151. [Attention in RNN](http://www.6aiq.com/article/1558111401659) 405 | 152. [详解 Transformer （Attention Is All You Need）](http://www.6aiq.com/article/1558111165025) 406 | 153. [SVM 优化出来支持向量点的不等式约束不等于 1 是为什么？](http://www.6aiq.com/article/1558102226134) 407 | 154. [机器学习：K 折交叉验证的问题](http://www.6aiq.com/article/1558082837757) 408 | 155. [滴滴基于 ElasticSearch 的一站式搜索中台实践](http://www.6aiq.com/article/1558079050114) 409 | 156. [快手万亿级别 Kafka 集群应用实践与技术演进之路](http://www.6aiq.com/article/1558077716919) 410 | 157. [微软 AB/Testing EXP 实验管理平台](http://www.6aiq.com/article/1557945314515) 411 | 158. [揭开 YouTube 深度推荐系统模型 Serving 之谜](http://www.6aiq.com/article/1557332349317) 412 | 159. [深度学习中不得不学的 Graph Embedding 方法](http://www.6aiq.com/article/1557332223911) 413 | 160. [谷歌、阿里、微软等 10 大深度学习 CTR 模型最全演化图谱【推荐、广告、搜索领域】](http://www.6aiq.com/article/1557332028652) 414 | 161. [FTRL 公式推导](http://www.6aiq.com/article/1557331817840) 415 | 162. [个性化推荐技术](http://www.6aiq.com/article/1556533994620) 416 | 163. [分类模型与排序模型在推荐系统中的异同分析](http://www.6aiq.com/article/1556533853641) 417 | 164. [阿里巴巴复杂搜索系统的可靠性优化之路](http://www.6aiq.com/article/1556111667859) 418 | 165. [从 FFM 到 DeepFFM，推荐排序模型到底哪家强？](http://www.6aiq.com/article/1556111000226) 419 | 166. [在 faster-RCNN 中，最后一层输出的 bbox_pred 是什么](http://www.6aiq.com/article/1556097389463) 420 | 167. [有赞百亿级日志系统架构设计](http://www.6aiq.com/article/1555946698273) 421 | 168. [打造工业级推荐系统（一）：推荐算法工程师的成长之道](http://www.6aiq.com/article/1555946569416) 422 | 169. [面试官：如果让你设计一个消息中间件，如何将其网络通信性能优化 10 倍以上？【石杉的架构笔记】](http://www.6aiq.com/article/1555913196005) 423 | 170. [机器学习与深度学习常见面试题（上）](http://www.6aiq.com/article/1555912617666) 424 | 171. [ABtest 和假设检验、流量分配](http://www.6aiq.com/article/1555861276270) 425 | 172. [【三. 推荐系统的必备要素 -2】ABtest 框架](http://www.6aiq.com/article/1555859449280) 426 | 173. [复旦邱锡鹏教授公布《神经网络与深度学习》，中文免费下载](http://www.6aiq.com/article/1555858942566) 427 | 174. [携程金融大数据风控算法实践](http://www.6aiq.com/article/1555856447226) 428 | 175. [拯救 996 的配方](http://www.6aiq.com/article/1555756448940) 429 | 176. [【一. 概述 -2】什么样的产品推荐效果明显](http://www.6aiq.com/article/1555679531810) 430 | 177. [【一. 概述 -1】推荐系统简介](http://www.6aiq.com/article/1555678886614) 431 | 178. [万字长文解读电商搜索——如何让你买得又快又好](http://www.6aiq.com/article/1555670364831) 432 | 179. [【搜狐】新闻推荐系统的 CTR 预估模型](http://www.6aiq.com/article/1555562786886) 433 | 180. [阿里妈妈新突破：深度树匹配如何扛住千万级推荐系统压力](http://www.6aiq.com/article/1554659383706) 434 | 181. [计算广告中主要模块、策略及其场景（上篇）](http://www.6aiq.com/article/1554656559591) 435 | 182. [有赞订单搜索 AKF 架构演进之路](http://www.6aiq.com/article/1554655508983) 436 | 183. [独家解读 | 滴滴机器学习平台架构演进之路](http://www.6aiq.com/article/1554481747379) 437 | 184. [前深度学习时代 CTR 预估模型的演化之路](http://www.6aiq.com/article/1554304663821) 438 | 185. [知其然，知其所以然：基于多任务学习的可解释推荐系统](http://www.6aiq.com/article/1554104797761) 439 | 186. [[NAACL19] 一个更好更快更强的序列标注成分句法分析器](http://www.6aiq.com/article/1554104473231) 440 | 187. [一直播千万量级用户推荐系统设计之路](http://www.6aiq.com/article/1553963227373) 441 | 188. [知识图谱 |298 万条三元组生成方法 (一)](http://www.6aiq.com/article/1553935876676) 442 | 189. [AI 下一个拐点，图神经网络带来哪些机遇？](http://www.6aiq.com/article/1553852664542) 443 | 190. [人脸识别如何快速工作](http://www.6aiq.com/article/1553670285797) 444 | 191. [如何强化数据集中某个特征的影响？](http://www.6aiq.com/article/1553661277024) 445 | 192. [强化学习系列二——应用 AlphaGo Zero 思路优化搜索排序](http://www.6aiq.com/article/1553609835324) 446 | 193. [【58 同城】中文分词技术深度学习篇](http://www.6aiq.com/article/1553609269872) 447 | 194. [一图胜千言: 解读阿里的 Deep Image CTR Model](http://www.6aiq.com/article/1553423324630) 448 | 195. [推荐系统召回四模型之二：沉重的 FFM 模型](http://www.6aiq.com/article/1553423116865) 449 | 196. [Embedding 从入门到专家必读的十篇论文](http://www.6aiq.com/article/1552999496449) 450 | 197. [深度 CTR 预估模型中的特征自动组合机制演化简史](http://www.6aiq.com/article/1552975671851) 451 | 198. [详解 Airbnb 之深度学习在搜索业务的探索](http://www.6aiq.com/article/1552975478018) 452 | 199. [万字长文带你解读 NLP 深度学习的各类模型](http://www.6aiq.com/article/1552543604417) 453 | 200. [基于深度强化学习的新闻推荐模型 DRN](http://www.6aiq.com/article/1552543182669) 454 | 201. [基于 Tensorflow 高阶 API 构建大规模分布式深度学习模型系列: 开篇](http://www.6aiq.com/article/1552542944433) 455 | 202. [【贝壳网】贝壳搜索平台实时流总体架构设计](http://www.6aiq.com/article/1552233110275) 456 | 203. [【贝壳网】贝壳搜索为什么能知道你想住哪？](http://www.6aiq.com/article/1552232944397) 457 | 204. [百度中文纠错技术](http://www.6aiq.com/article/1552219868606) 458 | 205. [版本控制工具——Git 常用操作](http://www.6aiq.com/article/1552219465292) 459 | 206. [【贝壳网】ElasticSearch 相关性计算原理及实践](http://www.6aiq.com/article/1552148885834) 460 | 207. [【贝壳网】Elasticsearch 在贝壳搜索的部署实践](http://www.6aiq.com/article/1552148609719) 461 | 208. [【贝壳网】读“懂”用户找房需求：贝壳语义解析技术实践](http://www.6aiq.com/article/1552148262585) 462 | 209. [【贝壳网】两种简单有效的标签选择方法](http://www.6aiq.com/article/1552148186102) 463 | 210. [回顾 Facebook 经典 CTR 预估模型](http://www.6aiq.com/article/1551876771974) 464 | 211. [主流 CTR 预估模型的演化及对比](http://www.6aiq.com/article/1551874470361) 465 | 212. [推荐系统召回四模型之：全能的 FM 模型](http://www.6aiq.com/article/1551869645220) 466 | 213. [自然语言处理基础：上下文词表征入门解读](http://www.6aiq.com/article/1551869147159) 467 | 214. [为什么已有 Elasticsearch，我们还要重造实时分析引擎 AresDB？](http://www.6aiq.com/article/1551542639469) 468 | 215. [NLP 新秀 : BERT 的优雅解读](http://www.6aiq.com/article/1551542157388) 469 | 216. [详解 Embeddings at Alibaba(KDD 2018)](http://www.6aiq.com/article/1551541931954) 470 | 217. [前员工揭内幕：10 年了，为何谷歌还搞不定知识图谱？](http://www.6aiq.com/article/1551242168499) 471 | 218. [人机交互式机器翻译研究与应用](http://www.6aiq.com/article/1551241940234) 472 | 219. [独家揭秘：微博深度学习平台如何支撑 4 亿用户愉快吃瓜？](http://www.6aiq.com/article/1551151198240) 473 | 220. [爱奇艺短视频软色情识别技术解析](http://www.6aiq.com/article/1551150755371) 474 | 221. [卷积有多少种？一文读懂深度学习中的各种卷积](http://www.6aiq.com/article/1551075342154) 475 | 222. [深度长文：中文分词的十年回顾](http://www.6aiq.com/article/1551014488495) 476 | 223. [机器学习中如何处理不平衡数据？](http://www.6aiq.com/article/1551014402137) 477 | 224. [【58 同城】语言模型及其应用](http://www.6aiq.com/article/1551014338548) 478 | 225. [测试机器学习降维之线性判别模型 (LDA)](http://www.6aiq.com/article/1550590367729) 479 | 226. [GBDT+LR 算法解析及 Python 实现](http://www.6aiq.com/article/1550589952658) 480 | 227. [网易杭研分享图数据库基础](http://www.6aiq.com/article/1550589571252) 481 | 228. [用 Flink 取代 Spark Streaming，知乎实时数仓架构演进](http://www.6aiq.com/article/1550456648032) 482 | 229. [国美 11·11：大促场景下的国美智能推荐系统演进之路](http://www.6aiq.com/article/1550291420525) 483 | 230. [58 精准推送实践](http://www.6aiq.com/article/1550291298573) 484 | 231. [《美团机器学习实践》—— 思维导图](http://www.6aiq.com/article/1550074429084) 485 | 232. [「回顾」强化学习：原理与应用](http://www.6aiq.com/article/1550074205898) 486 | 233. [详解 GAN 的谱归一化（Spectral Normalization）](http://www.6aiq.com/article/1550073944905) 487 | 234. [「回顾」机器学习在反欺诈中应用](http://www.6aiq.com/article/1549987580239) 488 | 235. [滴滴出行基于 RocketMQ 构建企业级消息队列服务的实践](http://www.6aiq.com/article/1549986997717) 489 | 236. [一文让你彻底理解准确率，精准率，召回率，真正率，假正率，ROC/AUC](http://www.6aiq.com/article/1549986548173) 490 | 237. [HBase 写吞吐场景资源消耗量化分析及优化](http://www.6aiq.com/article/1549780531503) 491 | 238. [Flink 在有赞实时计算的实践](http://www.6aiq.com/article/1549780213178) 492 | 239. [语义分割江湖的那些事儿——从旷视说起](http://www.6aiq.com/article/1549378480618) 493 | 240. [「回顾」百度智能写作如何通过人工智能技术为媒体内容创作赋能？](http://www.6aiq.com/article/1549118620386) 494 | 241. [58 技术沙龙——云搜知乎 58 同城搜索架构](http://www.6aiq.com/article/1549118463410) 495 | 242. [「回顾」基于金融智能风控的实时指标处理技术体系](http://www.6aiq.com/article/1548857206673) 496 | 243. [「回顾」阿里妈妈：定向广告新一代点击率预估主模型——深度兴趣演化网络](http://www.6aiq.com/article/1548857018178) 497 | 244. [深入剖析 Netty 源码设计（二）——BIO NIO AIO Reactor 模式到底干了啥](http://www.6aiq.com/article/1548649772923) 498 | 245. [「机器学习基础与趋势」系列丛书最新成员：140 页《深度强化学习入门》发布](http://www.6aiq.com/article/1548515172027) 499 | 246. [毕玄：我在阿里的十年技术感悟](http://www.6aiq.com/article/1548514791197) 500 | 247. [使用 Pytorch 实现 skip-gram 的 word2vec](http://www.6aiq.com/article/1548479890719) 501 | 248. [「回顾」蚂蚁数据分析平台的演进及数据分析方法的应用](http://www.6aiq.com/article/1548405668933) 502 | 249. [「回顾」深度学习新技术在搜狗搜索广告中的深化应用](http://www.6aiq.com/article/1548405118595) 503 | 250. [Google 重叠实验框架：更多，更好，更快地实验](http://www.6aiq.com/article/1548255866526) 504 | 251. [58 招聘推荐系统介绍——AB 实验框架](http://www.6aiq.com/article/1548225988850) 505 | 252. [深入剖析 Netty 源码设计（一）——深入理解 select poll epoll 机制](http://www.6aiq.com/article/1548222475606) 506 | 253. [从 KDD 2018 Best Paper 看 Airbnb 实时搜索排序中的 Embedding 技巧](http://www.6aiq.com/article/1548218172908) 507 | 254. [中文分词技术及在 58 搜索的实践](http://www.6aiq.com/article/1548171805699) 508 | 255. [58 搜索列表页连接效率优化实践](http://www.6aiq.com/article/1547972679849) 509 | 256. [「回顾」58 同城综合排序框架连接效率优化实践](http://www.6aiq.com/article/1547971632715) 510 | 257. [「行知」镶嵌在互联网技术上的明珠：漫谈深度学习时代点击率预估技术进展](http://www.6aiq.com/article/1547971380446) 511 | 258. [推荐系统遇上深度学习 (二十九)-- 协同记忆网络理论及实践](http://www.6aiq.com/article/1547908412229) 512 | 259. [推荐系统遇上深度学习 (二十八)-- 知识图谱与推荐系统结合之 MKR 模型原理及实现](http://www.6aiq.com/article/1547908038106) 513 | 260. [推荐系统遇上深度学习 (二十七)-- 知识图谱与推荐系统结合之 RippleNet 模型原理及实现](http://www.6aiq.com/article/1547907828825) 514 | 261. [推荐系统遇上深度学习 (二十六)-- 知识图谱与推荐系统结合之 DKN 模型原理及实现](http://www.6aiq.com/article/1547907602209) 515 | 262. [推荐系统遇上深度学习 (二十五)-- 当知识图谱遇上个性化推荐](http://www.6aiq.com/article/1547907450564) 516 | 263. [推荐系统遇上深度学习 (二十四)-- 深度兴趣进化网络 DIEN 原理及实战！](http://www.6aiq.com/article/1547907379260) 517 | 264. [推荐系统遇上深度学习 (二十三)-- 大一统信息检索模型 IRGAN 在推荐领域的应用](http://www.6aiq.com/article/1547907047898) 518 | 265. [推荐系统遇上深度学习 (二十二)--DeepFM 升级版 XDeepFM 模型强势来袭！](http://www.6aiq.com/article/1547906729483) 519 | 266. [推荐系统遇上深度学习 (二十一)-- 阶段性回顾](http://www.6aiq.com/article/1547906306341) 520 | 267. [推荐系统遇上深度学习 (二十)-- 贝叶斯个性化排序(BPR) 算法原理及实战](http://www.6aiq.com/article/1547894749299) 521 | 268. [推荐系统遇上深度学习 (十九)-- 探秘阿里之完整空间多任务模型 ESSM](http://www.6aiq.com/article/1547894314336) 522 | 269. [推荐系统遇上深度学习 (十八)-- 探秘阿里之深度兴趣网络(DIN) 浅析及实现](http://www.6aiq.com/article/1547894084444) 523 | 270. [推荐系统遇上深度学习 (十七)-- 探秘阿里之 MLR 算法浅析及实现](http://www.6aiq.com/article/1547893682736) 524 | 271. [推荐系统遇上深度学习 (十六)-- 详解推荐系统中的常用评测指标](http://www.6aiq.com/article/1547893052799) 525 | 272. [推荐系统遇上深度学习 (十五)-- 强化学习在京东推荐中的探索](http://www.6aiq.com/article/1547826520120) 526 | 273. [推荐系统遇上深度学习 (十四)--《DRN:A Deep Reinforcement Learning Framework for News Recommendation》](http://www.6aiq.com/article/1547826128684) 527 | 274. [推荐系统遇上深度学习 (十三)--linUCB 方法浅析及实现](http://www.6aiq.com/article/1547825582955) 528 | 275. [推荐系统遇上深度学习 (十二)-- 推荐系统中的 EE 问题及基本 Bandit 算法](http://www.6aiq.com/article/1547825066394) 529 | 276. [大众点评搜索基于知识图谱的深度学习排序实践](http://www.6aiq.com/article/1547822404041) 530 | 277. [推荐系统遇上深度学习 (十)--GBDT+LR 融合方案实战](http://www.6aiq.com/article/1547822259571) 531 | 278. [推荐系统遇上深度学习 (八)--AFM 模型理论和实践](http://www.6aiq.com/article/1547806920160) 532 | 279. [推荐系统遇上深度学习 (七)--NFM 模型理论和实践](http://www.6aiq.com/article/1547742643318) 533 | 280. [推荐系统遇上深度学习 (六)--PNN 模型理论和实践](http://www.6aiq.com/article/1547741842111) 534 | 281. [推荐系统遇上深度学习 (五)--Deep&Cross Network 模型理论和实践](http://www.6aiq.com/article/1547741498417) 535 | 282. [推荐系统遇上深度学习 (四)-- 多值离散特征的 embedding 解决方案](http://www.6aiq.com/article/1547741144499) 536 | 283. [推荐系统遇上深度学习 (三)--DeepFM 模型理论和实践](http://www.6aiq.com/article/1547740720402) 537 | 284. [深度学习时代的图模型](http://www.6aiq.com/article/1547740268236) 538 | 285. [推荐系统遇上深度学习 (二)--FFM 模型理论和实践](http://www.6aiq.com/article/1547652051982) 539 | 286. [推荐系统遇上深度学习 (一)--FM 模型理论和实践](http://www.6aiq.com/article/1547651745711) 540 | 287. [BERT 大火却不懂 Transformer？读这一篇就够了](http://www.6aiq.com/article/1547650238532) 541 | 288. [图解当前最强语言模型 BERT：NLP 是如何攻克迁移学习的？](http://www.6aiq.com/article/1547649591044) 542 | 289. [AutoML 在推荐系统中的应用](http://www.6aiq.com/article/1547649458126) 543 | 290. [一朝爆发？解读知识图谱和图数据库的 2018](http://www.6aiq.com/article/1547611945631) 544 | 291. [工作中组内遇到的 elasticsearch 使用上的踩坑总结](http://www.6aiq.com/article/1547383886454) 545 | 292. [深度好文：2018 年 NLP 应用和商业化调查报告](http://www.6aiq.com/article/1547373169504) 546 | 293. [深度学习在金融文本情感分类中的应用](http://www.6aiq.com/article/1547373052731) 547 | 294. [深入剖析 ReentrantLock 公平锁与非公平锁源码实现](http://www.6aiq.com/article/1547289187814) 548 | 295. [算法工程师必须要知道的面试技能雷达图](http://www.6aiq.com/article/1547132594892) 549 | 296. [美团深度学习在搜索业务中的探索与实践](http://www.6aiq.com/article/1547131939647) 550 | 297. [回顾·搜索引擎算法体系简介——排序和意图篇](http://www.6aiq.com/article/1547042568485) 551 | 298. [基于知识图谱的问答系统入门—NLPCC2016KBQA 数据集](http://www.6aiq.com/article/1547042279356) 552 | 299. [【干货】Kafka 数据可靠性深度解读](http://www.6aiq.com/article/1547042071074) 553 | 300. [回顾·CTR 预估系统实践](http://www.6aiq.com/article/1547041816716) 554 | 301. [「回顾」强化学习在自然语言处理中的应用](http://www.6aiq.com/article/1547041739202) 555 | 302. [Spark 宽依赖窄依赖 Job Stage Executor Task 总结](http://www.6aiq.com/article/1547041236424) 556 | 303. [Spark 性能调优总结](http://www.6aiq.com/article/1547041120082) 557 | 304. [Scala 下划线 (_) 用法汇总](http://www.6aiq.com/article/1547041060188) 558 | 305. [【干货】Spark 之性能优化](http://www.6aiq.com/article/1546867680535) 559 | 306. [《搜索与推荐中的深度学习匹配》之推荐篇](http://www.6aiq.com/article/1546854301776) 560 | 307. [《搜索与推荐中的深度学习匹配》之搜索篇](http://www.6aiq.com/article/1546854098375) 561 | 308. [「回顾」Yoo 视频底层页推荐系统 - 从 0 到 1 的实践](http://www.6aiq.com/article/1546853823858) 562 | 309. [吴恩达、Yann LeCun 等大佬回顾预测 2019 年 AI 发展](http://www.6aiq.com/article/1546774278824) 563 | 310. [蚂蚁金服核心技术：百亿特征实时推荐算法揭秘](http://www.6aiq.com/article/1546774207510) 564 | 311. [Numerical Coordinate Regression= 高斯热图 VS 坐标回归](http://www.6aiq.com/article/1546752888119) 565 | 312. [「回顾」AI 如何让广告投放进入“自动驾驶”？](http://www.6aiq.com/article/1546687042485) 566 | 313. [随机变量 - 统计学核心方法及其应用](http://www.6aiq.com/article/1546530504005) 567 | 314. [简单聊聊特征工程](http://www.6aiq.com/article/1546529967205) 568 | 315. [近期知识图谱顶会论文推荐，你都读过哪几篇？](http://www.6aiq.com/article/1546529048976) 569 | 316. [半监督深度学习小结：类协同训练和一致性正则化](http://www.6aiq.com/article/1546528673159) 570 | 317. [「回顾」机器学习与推荐系统实践](http://www.6aiq.com/article/1546442062505) 571 | 318. [全文搜索引擎，选 ElasticSearch 还是 Solr？](http://www.6aiq.com/article/1546441410379) 572 | 319. [NLP-BERT 谷歌自然语言处理模型：BERT- 基于 pytorch](http://www.6aiq.com/article/1546409152644) 573 | 320. [罗振宇 2018“时间的朋友”跨年演讲未删减全文](http://www.6aiq.com/article/1546357507773) 574 | 321. [机器学习与数据科学决策树指南](http://www.6aiq.com/article/1546016187909) 575 | 322. [「回顾」旅游知识图谱的构建和应用](http://www.6aiq.com/article/1546015891154) 576 | 323. [「回顾」知乎推荐页 Ranking 经验分享](http://www.6aiq.com/article/1546015792766) 577 | 324. [计算广告论文及资料 && 推荐系统论文及资料 && 基于 Spark 的 CTR 模型资料](http://www.6aiq.com/article/1545929488257) 578 | 325. [万物皆 Embedding，从经典的 word2vec 到深度学习基本操作 item2vec](http://www.6aiq.com/article/1545929280109) 579 | 326. [【下】YouTube 深度学习推荐系统的十大工程问题](http://www.6aiq.com/article/1545929011231) 580 | 327. [【上】重读 Youtube 深度学习推荐系统论文，字字珠玑，惊为神文](http://www.6aiq.com/article/1545928801472) 581 | 328. [人脸分析：数据时代的“面像学” 一文读懂用户画像的前世今生](http://www.6aiq.com/article/1545838801860) 582 | 329. [「回顾」爱奇艺搜索排序模型迭代之路](http://www.6aiq.com/article/1545838182882) 583 | 330. [「回顾」NLP 在网络文学领域的应用](http://www.6aiq.com/article/1545837896816) 584 | 331. [清华大学图神经网络综述：模型与应用](http://www.6aiq.com/article/1545837685395) 585 | 332. [Netty 学习和进阶策略](http://www.6aiq.com/article/1545837552381) 586 | 333. [Flink 实战：结合 Kafka 构建端到端的 Exactly-Once 处理程序](http://www.6aiq.com/article/1545745445613) 587 | 334. [Apache Flink 端到端（end-to-end）Exactly-Once 特性概览（翻译）](http://www.6aiq.com/article/1545571124974) 588 | 335. [《提问的智慧》中文版翻译](http://www.6aiq.com/article/1545539808011) 589 | 336. [NIPS2018 | 腾讯 AI Lab 入选 20 篇论文，含 2 篇 Spotlight](http://www.6aiq.com/article/1545494829396) 590 | 337. [【翻译】Redis 存储揭秘](http://www.6aiq.com/article/1545490911276) 591 | 338. [大话 Select、Poll、Epoll 机制](http://www.6aiq.com/article/1545490529374) 592 | 339. [空间数据索引 RTree 完全解析及 Java 实现](http://www.6aiq.com/article/1545489399899) 593 | 340. [建了个机器学习与深度学习的微信群](http://www.6aiq.com/article/1545448133533) 594 | 341. [【美团】LruCache 在美团 DSP 系统中的应用演进](http://www.6aiq.com/article/1545317989899) 595 | 342. [【美团】深入浅出排序学习：写给程序员的算法系统开发实践](http://www.6aiq.com/article/1545317747570) 596 | 343. [基于 Flink 的严选实时数仓实践](http://www.6aiq.com/article/1545230321843) 597 | 344. [百页机器学习书](http://www.6aiq.com/article/1545099676276) 598 | 345. [基于对象特征的推荐系统](http://www.6aiq.com/article/1545041772582) 599 | 346. [「回顾」让机器读懂人类：揭秘机器阅读理解技术及应用](http://www.6aiq.com/article/1545040973617) 600 | 347. [“IT 男等级”对照表｜找找你在哪？](http://www.6aiq.com/article/1545040772412) 601 | 348. [两位拯救谷歌的超级工程师的故事：计算机界最好的结对编程榜样](http://www.6aiq.com/article/1545025674447) 602 | 349. [机器学习在美团配送系统的实践：用技术还原真实世界](http://www.6aiq.com/article/1544864657295) 603 | 350. [[译] 支持向量机（SVM）教程](http://www.6aiq.com/article/1544862709425) 604 | 351. [YouTube 推荐系统改进之路](http://www.6aiq.com/article/1544278851740) 605 | 352. [「干货」YouTube 基于深度神经网络推荐系统剖析](http://www.6aiq.com/article/1544275381998) 606 | 353. [实时检索 6700 亿条推文，细谈 Twitter 搜索引擎的演进历程](http://www.6aiq.com/article/1544116316790) 607 | 354. [【 DataFunTalk】HBase RowKey 与索引设计](http://www.6aiq.com/article/1544080171274) 608 | 355. [架构拆分原理解析](http://www.6aiq.com/article/1544070593662) 609 | 356. [阿里开源深度学习框架 XDL，面向广告、推荐、搜索场景](http://www.6aiq.com/article/1543939628501) 610 | 357. [我收到了斯坦福、UCL、CMU、NYU、UW 的博士 offer，这是我的经验](http://www.6aiq.com/article/1543938094639) 611 | 358. [BigGAN 论文解读](http://www.6aiq.com/article/1543841992660) 612 | 359. [微软专家眼中个性化推荐系统的 5 大研究趋势](http://www.6aiq.com/article/1543673861952) 613 | 360. [理解五个基本概念，让你更像机器学习专家](http://www.6aiq.com/article/1543672361312) 614 | 361. [阿里巴巴搜索引擎平台 Ha3 揭秘](http://www.6aiq.com/article/1543672176467) 615 | 362. [Java 编程方法论之响应式编程系列视频](http://www.6aiq.com/article/1543568232108) 616 | 363. [每日生产万亿消息数据入库，腾讯如何突破大数据分析架构瓶颈](http://www.6aiq.com/article/1543385235343) 617 | 364. [这可能是人工智能、机器学习和大数据领域覆盖最全的一份速查表](http://www.6aiq.com/article/1543384925441) 618 | 365. [菜鸟，下一代分布式体系架构的设计理念](http://www.6aiq.com/article/1542889854626) 619 | 366. [除了抖音和头条，字节跳动的 AI 实力有多强？](http://www.6aiq.com/article/1542889661894) 620 | 367. [阿里妈妈大规模在线分层实验实践](http://www.6aiq.com/article/1542878545423) 621 | 368. [深度学习在 Airbnb 大规模搜索排名上的实战经验](http://www.6aiq.com/article/1542878440663) 622 | 369. [51 信用卡的个性化推荐体系](http://www.6aiq.com/article/1542815641630) 623 | 370. [【杉枫】科技与人文](http://www.6aiq.com/article/1542814842449) 624 | 371. [【杉枫】架构抽象化设计](http://www.6aiq.com/article/1542814746534) 625 | 372. [机器学习人工智能学习资源导航](http://www.6aiq.com/article/1542786892721) 626 | 373. [这里好冷清](http://www.6aiq.com/article/1542611068362) 627 | 374. [苏宁 11.11：一种基于神经网络的智能商品税分类系统](http://www.6aiq.com/article/1542473775853) 628 | 375. [有赞搜索引擎从 0 到 1 技术解析](http://www.6aiq.com/article/1542473359939) 629 | 376. [人工智能大佬社区](http://www.6aiq.com/article/1542369214697) 630 | 377. [苏宁 11.11 ：苏宁大数据离线任务开发调度平台实践](http://www.6aiq.com/article/1542368352760) 631 | 378. [苏宁 11.11：苏宁易购订单搜索系统架构及实现](http://www.6aiq.com/article/1542367560717) 632 | 379. [苏宁 11.11：搜索引擎 Solr 在苏宁易购商品评价系统中的应用](http://www.6aiq.com/article/1542192071013) 633 | 380. [美团大脑：知识图谱的建模方法及其应用](http://www.6aiq.com/article/1542188759508) 634 | 381. [【干货】搜索引擎技术资料整理](http://www.6aiq.com/article/1542180011009) 635 | 382. [2143 亿！2018 年天猫“双 11”成交总额是这样预测的](http://www.6aiq.com/article/1542023189038) 636 | 383. [一文看懂智能合约的现状与未来](http://www.6aiq.com/article/1541861229298) 637 | 384. [“搜你所想”之用户搜索意图识别](http://www.6aiq.com/article/1541861015217) 638 | 385. [【杉枫】推荐引擎异步架构设计](http://www.6aiq.com/article/1541853178896) 639 | 386. [苏宁 11.11：仓库内多 AGV 协作的全局路径规划算法研究](http://www.6aiq.com/article/1541756162539) 640 | 387. [Kafka 设计解析（一）：Kafka 背景及架构介绍](http://www.6aiq.com/article/1541755651099) 641 | 388. [「回顾」饿了么推荐算法演进及在线学习实践](http://www.6aiq.com/article/1541671554337) 642 | 389. [Lucene 6 数值索引以及空间索引方案](http://www.6aiq.com/article/1541671229383) 643 | 390. [互联网架构，究竟为啥要做服务化？](http://www.6aiq.com/article/1541670221677) 644 | 391. [Lucene 倒排索引缓冲池的细节](http://www.6aiq.com/article/1541428852933) 645 | 392. [【译】写给计算机专业毕业生的 22 条宝贵建议](http://www.6aiq.com/article/1541428651733) 646 | 393. [深度学习在序列化推荐中的应用 (1)-GRU4REC 以及扩展](http://www.6aiq.com/article/1541399147565) 647 | 394. [实时翻译的发动机：矢量语义（斯坦福大学课程解读）](http://www.6aiq.com/article/1540872219750) 648 | 395. [骚操作！电影接吻镜头次数的算法实现](http://www.6aiq.com/article/1540807826833) 649 | 396. [响应式编程 Rxjava 书籍视频教程](http://www.6aiq.com/article/1540793892868) 650 | 397. [机器学习，模式识别，数据挖掘常用学习资源链接](http://www.6aiq.com/article/1540792830126) 651 | 398. [美团深度学习系统的工程实践](http://www.6aiq.com/article/1540469168580) 652 | 399. [AI 大师丨 Yoshua Bengio：纯粹与理想，深度学习的 30 年](http://www.6aiq.com/article/1540466620998) 653 | 400. [Apache 顶级开源项目是怎样炼成的？国内开发者应该如何借鉴？](http://www.6aiq.com/article/1540190552543) 654 | 401. [大数据凉了？No，流式计算浪潮才刚刚开始！](http://www.6aiq.com/article/1540132403721) 655 | 402. [分布式高性能 redis 集群线上常见问题](http://www.6aiq.com/article/1540132252625) 656 | 403. [58 沈剑 - 分布式事务，原来可以这么玩？](http://www.6aiq.com/article/1539779349929) 657 | 404. [饿了么外卖推荐算法中有哪些机制与手段？](http://www.6aiq.com/article/1539779042024) 658 | 405. [有赞搜索系统的架构演进](http://www.6aiq.com/article/1539672008093) 659 | 406. [有赞搜索系统的技术内幕](http://www.6aiq.com/article/1539671793435) 660 | 407. [基于 TensorFlow Serving 的深度学习在线预估](http://www.6aiq.com/article/1539671463584) 661 | 408. [建了一个机器学习微信群](http://www.6aiq.com/article/1539596168293) 662 | 409. [阿里巴巴为什么选择 Apache Flink？Flink——下一代大数据处理系统](http://www.6aiq.com/article/1539572008361) 663 | 410. [超参数搜索不够高效？这几大策略了解一下](http://www.6aiq.com/article/1539533529248) 664 | 411. [Lucene 查询原理](http://www.6aiq.com/article/1539308905033) 665 | 412. [Lucene 解析 - 基本概念](http://www.6aiq.com/article/1539308698451) 666 | 413. [Elasticsearch 之 commit point | Segment | refresh | flush 索引分片内部原理](http://www.6aiq.com/article/1539308290695) 667 | 414. [程序员能靠技术渡过中年危机吗？](http://www.6aiq.com/article/1539135446887) 668 | 415. [码农晋升为技术管理者后，痛并快乐着的纠结内心](http://www.6aiq.com/article/1539093017388) 669 | 416. [秋招报告：2019 届互联网校招薪资出炉，90 后社招被薪酬倒挂？](http://www.6aiq.com/article/1539091730812) 670 | 417. [互联网思维——真正的高手，是如何判断趋势的？](http://www.6aiq.com/article/1539086078603) 671 | 418. [一点做用户画像的人生经验：ID 强打通](http://www.6aiq.com/article/1539080748067) 672 | 419. [如何理解区块链的共识算法？](http://www.6aiq.com/article/1538977545194) 673 | 420. [推荐系统顶会 RecSys2018 最佳论文奖出炉！因果嵌入推荐与用户研究成为焦点](http://www.6aiq.com/article/1538977252471) 674 | 421. [程序员进阶必读金句](http://www.6aiq.com/article/1538841848725) 675 | 422. [腾讯内容平台系统的架构实践](http://www.6aiq.com/article/1538841729285) 676 | 423. [58 同城推荐系统架构设计与实现](http://www.6aiq.com/article/1538293023887) 677 | 424. [互联网智能广告系统简易流程与架构](http://www.6aiq.com/article/1538292227083) 678 | 425. [【阿里】电商搜索算法技术的演进](http://www.6aiq.com/article/1538286427317) 679 | 426. [互联网智能广告系统简易流程与架构 |](http://www.6aiq.com/article/1538218110834) 680 | 427. [如何看待「机器学习不需要数学，很多算法封装好了，调个包就行」这种说法？](http://www.6aiq.com/article/1538139395886) 681 | 428. [老程序员如何避免沦落出局？](http://www.6aiq.com/article/1538054710967) 682 | 429. [一次生产系统 Full GC 问题分析与排查总结](http://www.6aiq.com/article/1538054427360) 683 | 430. [推荐系统遇上深度学习 (十一)-- 神经协同过滤 NCF 原理及实战](http://www.6aiq.com/article/1538036165782) 684 | 431. [5 种方法求解 TopK！面试不要再问我 Topk 了～](http://www.6aiq.com/article/1538030833699) 685 | 432. [【转自知乎】当下（2018 年）腾讯的技术建设是否处于落后同体量公司的状态？](http://www.6aiq.com/article/1538026693169) 686 | 433. [”大脑“爆发背后是 50 年互联网架构重大变革](http://www.6aiq.com/article/1537968348023) 687 | 434. [用户画像番外篇之随笔三则](http://www.6aiq.com/article/1537968147803) 688 | 435. [互联网公司面试官应该如何去面试一个人？](http://www.6aiq.com/article/1537804909645) 689 | 436. [机器学习论文笔记—如何利用高效的搜索算法来搜索网络的拓扑结构](http://www.6aiq.com/article/1537804634637) 690 | 437. [北邮硕士、前百度工程师：能进大厂，就不用读研究生了！](http://www.6aiq.com/article/1537804393897) 691 | 438. [微服务架构之事件驱动架构](http://www.6aiq.com/article/1537720108666) 692 | 439. [回顾·如何构建知识图谱？](http://www.6aiq.com/article/1537688074304) 693 | 440. [Java GC 调优怎么做？](http://www.6aiq.com/article/1537687882599) 694 | 441. [【AIQ】梁宁万字长文：美团的破局与开局](http://www.6aiq.com/article/1537525881642) 695 | 442. [美团上市，开盘涨 5.7%，市值超京东！与阿里的交锋再升级](http://www.6aiq.com/article/1537427490660) 696 | 443. [阿里巴巴达摩院成立一年，都做了些什么？](http://www.6aiq.com/article/1537370363195) 697 | 444. [洋码头搜索应用架构](http://www.6aiq.com/article/1537369931667) 698 | 445. [洋码头推荐系统重排算法实践](http://www.6aiq.com/article/1537369562943) 699 | 446. [洋码头推荐系统技术架构](http://www.6aiq.com/article/1537369469861) 700 | 447. [短视频如何做到千人千面？FM+GBM 排序模型深度解析](http://www.6aiq.com/article/1537336714706) 701 | 448. [用户画像番外篇之用户活跃 / 用户价值度分析](http://www.6aiq.com/article/1537330058545) 702 | 449. [想读 AI 研究生？你发过几篇 NIPS 一作？](http://www.6aiq.com/article/1537325101849) 703 | 450. [一文剖析区块链现状：丛林法则下的胜者](http://www.6aiq.com/article/1537194193786) 704 | 451. [10 秒抓人眼球的“技术类简历”怎么写？](http://www.6aiq.com/article/1537193889925) 705 | 452. [应用于实时视频通信的深度学习算法研究](http://www.6aiq.com/article/1537193766315) 706 | 453. [机器学习特征工程全过程](http://www.6aiq.com/article/1537111722691) 707 | 454. [不到 10 个提升逼格的 Redis 命令](http://www.6aiq.com/article/1537109654637) 708 | 455. [MySQL 不为人知的主键与唯一索引约束](http://www.6aiq.com/article/1536989714914) 709 | 456. [回顾·云上 HBase 冷热分离实践](http://www.6aiq.com/article/1536989556514) 710 | 457. [冗余数据一致性，到底如何保证？](http://www.6aiq.com/article/1536772062220) 711 | 458. [用机器学习怎样鉴别不可描述的网站](http://www.6aiq.com/article/1536771951567) 712 | 459. [“搞机器学习没前途” 2018 算法岗现状](http://www.6aiq.com/article/1536719723194) 713 | 460. [深入浅出搜索架构引擎、方案与细节（上）](http://www.6aiq.com/article/1536482804860) 714 | 461. [搜索引擎倒排索引的设计与实践](http://www.6aiq.com/article/1536482487251) 715 | 462. [北京后厂村折叠：月薪追赶五万，生活低于五千](http://www.6aiq.com/article/1536481926855) 716 | 463. [旷视、北邮等国内团队包揽六项第一，COCO&Mapillary 联合挑战赛结果公布](http://www.6aiq.com/article/1536480665683) 717 | 464. [机器学习比赛大杀器 ---- 模型融合 (stacking & blending)](http://www.6aiq.com/article/1536427413103) 718 | 465. [读书笔记《小群效应》](http://www.6aiq.com/article/1536426650023) 719 | 466. [推荐系统遇上深度学习 (九)-- 评价指标 AUC 原理及实践](http://www.6aiq.com/article/1536426038809) 720 | 467. [推荐效果线上评测：AB 测试平台的设计与实现【全】](http://www.6aiq.com/article/1536425619708) 721 | 468. [【十大经典数据挖掘算法】PageRank](http://www.6aiq.com/article/1536334603077) 722 | 469. [NIPS 2018 丨解读微软亚洲研究院 10 篇入选论文](http://www.6aiq.com/article/1536334503252) 723 | 470. [搜狐新闻推荐算法原理 | “呈现给你的，都是你所关心的”](http://www.6aiq.com/article/1536211854979) 724 | 471. [强化学习在新闻推荐中的应用](http://www.6aiq.com/article/1536211464917) 725 | 472. [资源 | skymind.ai 发布最新机器学习人工智能开源数据集，](http://www.6aiq.com/article/1536149481432) 726 | 473. [五八同城智能客服系统“帮帮”技术揭秘](http://www.6aiq.com/article/1536149308075) 727 | 474. [微博广告分层实验平台 (Faraday) 架构实践](http://www.6aiq.com/article/1536148957368) 728 | 475. [中文 NLP 用什么？中文自然语言处理的完整机器处理流程](http://www.6aiq.com/article/1536148811925) 729 | 476. [互联网广告 CTR 预估新算法：基于神经网络的 DeepFM 原理解读](http://www.6aiq.com/article/1536068880826) 730 | 477. [用户画像—计算用户偏好标签及数据指标与表结构设计](http://www.6aiq.com/article/1536068531959) 731 | 478. [十年技术老兵总结的自我修炼之路](http://www.6aiq.com/article/1536044123311) 732 | 479. [海量日志实时收集系统架构设计与 go 语言实现](http://www.6aiq.com/article/1536043038267) 733 | 480. [25 个机器学习开放性面试题，没有明确答案](http://www.6aiq.com/article/1535985505477) 734 | 481. [用户画像之标签权重算法](http://www.6aiq.com/article/1535985160117) 735 | 482. [用户画像——标签聚类](http://www.6aiq.com/article/1535984472921) 736 | 483. [用户画像——数据质量管理](http://www.6aiq.com/article/1535984255786) 737 | 484. [回顾·知识图谱在贝壳找房的从 0 到 1 实践](http://www.6aiq.com/article/1535890320749) 738 | 485. [Google 首席决策师告诉你数据科学究竟是什么？](http://www.6aiq.com/article/1535875605135) 739 | 486. [通俗解释协方差与相关系数](http://www.6aiq.com/article/1535875413888) 740 | 487. [AI 的思维](http://www.6aiq.com/article/1535813836874) 741 | 488. [如何构建用户画像—打用户行为标签](http://www.6aiq.com/article/1535813454879) 742 | 489. [比低情商更可怕的，是一个人的固执](http://www.6aiq.com/article/1535807005184) 743 | 490. [科学匠人 | 微软亚洲研究院陈薇用数学逻辑来优化工作和人生](http://www.6aiq.com/article/1535805924411) 744 | 491. [AdaBoost 算法详解原理推导及应用](http://www.6aiq.com/article/1535805751770) 745 | 492. [独家揭秘！2.5 亿用户的美团智能推荐平台是如何构建的？](http://www.6aiq.com/article/1535728178473) 746 | 493. [我在机器学习踩过的坑，现在告诉你怎么跳过去](http://www.6aiq.com/article/1535727014295) 747 | 494. [资本的钩子](http://www.6aiq.com/article/1535683737872) 748 | 495. [观点 | 机器学习 =「新瓶装旧酒」的数据统计？No！](http://www.6aiq.com/article/1535636809325) 749 | 496. [褚时健：发快财的时代过去了，年轻人要先做好这些事](http://www.6aiq.com/article/1535636482129) 750 | 497. [分布式事务的实现原理 2pc 3pc XA 事务](http://www.6aiq.com/article/1535548571818) 751 | 498. [大神总结的机器学习的数学基础，掌握这些足够](http://www.6aiq.com/article/1535548171610) 752 | 499. [KDD 2018 | 推荐系统特征构建新进展：极深因子分解机模型](http://www.6aiq.com/article/1535511936810) 753 | 500. [写在博士旅程之前——前大疆创新技术总监杨硕](http://www.6aiq.com/article/1535425620363) 754 | 501. [感知机 +SVM+LR](http://www.6aiq.com/article/1535303033153) 755 | 502. [一位 49 岁的程序员、持续创业者教会我的宝贵经验](http://www.6aiq.com/article/1535269542382) 756 | 503. [马云：如果事情都准备好了再做，那我就不会成功了](http://www.6aiq.com/article/1535179165608) 757 | 504. [Google 十年，我的认知被彻底颠覆](http://www.6aiq.com/article/1535178356892) 758 | 505. [回顾·HBase 在贝壳找房的实践经验](http://www.6aiq.com/article/1535076050271) 759 | 506. [神马搜索技术演进之路](http://www.6aiq.com/article/1535003242764) 760 | 507. [如何将知识图谱特征学习应用到推荐系统？](http://www.6aiq.com/article/1534852400860) 761 | 508. [AIQ | 十多年前的那些 IT 工程师都去哪里了？](http://www.6aiq.com/article/1534850990761) 762 | 509. [租客的至暗时刻：昨天买不起房，今天租不起房](http://www.6aiq.com/article/1534850604222) 763 | 510. [资源 | Python 技巧 101：这 17 个骚操作你都 Ok 吗](http://www.6aiq.com/article/1534680004750) 764 | 511. [IT 公司全能 CTO 的必备要素](http://www.6aiq.com/article/1534678935847) 765 | 512. [被“伪兴趣”毁掉的年轻人](http://www.6aiq.com/article/1534678731967) 766 | 513. [机器学习第三篇——分类决策树](http://www.6aiq.com/article/1534591884889) 767 | 514. [机器学习第二篇——逻辑回归](http://www.6aiq.com/article/1534591763237) 768 | 515. [美团在 O2O 场景下的广告营销](http://www.6aiq.com/article/1534504164016) 769 | 516. [美团 | 写给工程师的十条精进原则](http://www.6aiq.com/article/1534504104496) 770 | 517. [AIQ | 诺奖得主点评：人工智能其实就是统计学，用了一个很华丽的辞藻](http://www.6aiq.com/article/1534488470892) 771 | 518. [推荐引擎中规则以及策略](http://www.6aiq.com/article/1534487381995) 772 | 519. [AIQ | 陆奇去向最终敲定！带领 YC 孵化器进军中国](http://www.6aiq.com/article/1534342230998) 773 | 520. [聊聊阿里社招面试，谈谈“野生”Java 程序员学习的道路](http://www.6aiq.com/article/1534089918461) 774 | 521. [一文解说 Scala Trait 所有用法](http://www.6aiq.com/article/1534060892937) 775 | 522. [Scala 面向对象编程之类和对象](http://www.6aiq.com/article/1534060694540) 776 | 523. [Spark 三种提交模式：Standalone | yarn-client | yarn-cluster](http://www.6aiq.com/article/1534004200164) 777 | 524. [【干货】机器学习中的五种回归模型及其优缺点](http://www.6aiq.com/article/1533985254657) 778 | 525. [SparkSQL 大数据实战：shuffle hash join、broadcast hash join 以及 sort merge join 三种 join 大揭秘](http://www.6aiq.com/article/1533984288407) 779 | 526. [【区块链】一文看懂区块链【详解区块链】](http://www.6aiq.com/article/1533962330952) 780 | 527. [观点 | 博士离开学术界算不算失败？牛津大学博士有话要说](http://www.6aiq.com/article/1533653286509) 781 | 528. [春风十里不如你](http://www.6aiq.com/article/1533520140223) 782 | 529. [深度学习必备的几款流行网络与数据集](http://www.6aiq.com/article/1533482368498) 783 | 530. [为什么程序员一言不合就重构代码？](http://www.6aiq.com/article/1533482234620) 784 | 531. [KDD2018 | 电商搜索场景中的强化排序学习：形式化、理论分析以及应用](http://www.6aiq.com/article/1533401325987) 785 | 532. [我们该如何学习机器学习中的数学](http://www.6aiq.com/article/1533400946865) 786 | 533. [拼多多为什么崛起？这是目前解读最深刻的一篇](http://www.6aiq.com/article/1533400629777) 787 | 534. [腾讯联合创始人张志东：发光的人要能拿得起，放得下](http://www.6aiq.com/article/1533400408294) 788 | 535. [VIPKID 一二面面经 (算法工程师)](http://www.6aiq.com/article/1533221758061) 789 | 536. [一条数据的 HBase 之旅，简明 HBase 入门教程 -Flush 与 Compaction](http://www.6aiq.com/article/1533220615989) 790 | 537. [一条数据的 HBase 之旅，简明 HBase 入门教程 -Write 全流程](http://www.6aiq.com/article/1533220515535) 791 | 538. [一条数据的 HBase 之旅，简明 HBase 入门教程 - 开篇](http://www.6aiq.com/article/1533220387012) 792 | 539. [30 张地图看懂世界格局，用大数据说话](http://www.6aiq.com/article/1533099836515) 793 | 540. [面向机器学习：数据平台的设计与搭建](http://www.6aiq.com/article/1533099476361) 794 | 541. [雷军最不待见，刘强东深恶痛绝，宁愿解散团队，这 7 类人也绝不能留](http://www.6aiq.com/article/1533099131398) 795 | 542. [刷爆朋友圈的高赞演讲：为什么最棒的员工往往没有完美的简历？](http://www.6aiq.com/article/1533099051988) 796 | 543. [神经网络的激活函数总结](http://www.6aiq.com/article/1532955938468) 797 | 544. [赵大伟 | 区块链通证经济的本质与落地路径](http://www.6aiq.com/article/1532870455145) 798 | 545. [雷军：小米创业 8 年内部影像首次公开看完我心里边都是一团火](http://www.6aiq.com/article/1532870252757) 799 | 546. [雷军，黄峥，王兴，互联网 2018 年的夏天](http://www.6aiq.com/article/1532869877091) 800 | 547. [拼多多上市，80 后 CEO 创业 3 年身价 800 亿，背后这 3 个字最值得深思](http://www.6aiq.com/article/1532869729257) 801 | 548. [基于内容的图像检索技术综述传统经典方法](http://www.6aiq.com/article/1532763152158) 802 | 549. [AIQ - 百度深度学习图像识别决赛代码分享 (OCR)](http://www.6aiq.com/article/1532615108896) 803 | 550. [AIQ - 区块链 | 浅谈区块链技术与阿里云的探索实践](http://www.6aiq.com/article/1532613304772) 804 | 551. [工业数据采集方法深度学习](http://www.6aiq.com/article/1532575157702) 805 | 552. [AIQ - AI | 快手 AI 技术副总裁郑文：为什么说 AI 是短视频平台的核心能力](http://www.6aiq.com/article/1532522291362) 806 | 553. [AIQ- 深度 | 碧桂园的鸡血、狗血和人血](http://www.6aiq.com/article/1532522043576) 807 | 554. [随机森林概述](http://www.6aiq.com/article/1532509987135) 808 | 555. [关于感受野的总结](http://www.6aiq.com/article/1532404400741) 809 | 556. [AIQ - 区块链 | AI+ 区块链深度解析，美国 VC 大咖：这是未来十年的趋势 | 33 页 PPT](http://www.6aiq.com/article/1532364718511) 810 | 557. [流形学习概述](http://www.6aiq.com/article/1532317595944) 811 | 558. [AIQ - 深度 | 网易云音乐王诗沐：我们是如何四年时间做到 4 亿用户的](http://www.6aiq.com/article/1532251141067) 812 | 559. [AIQ - AI | 32 篇论文、7 大事业群，这是腾讯在斯德哥尔摩的 AI 之夜](http://www.6aiq.com/article/1532182155473) 813 | 560. [罗辑思维 CEO 脱不花：关于工作和成长，这是我的 121 条具体建议](http://www.6aiq.com/article/1532178706403) 814 | 561. [AIQ - 深度 | 中关村风云 40 年](http://www.6aiq.com/article/1532088941606) 815 | 562. [基于深度负相关学习的人群计数方法](http://www.6aiq.com/article/1531972711127) 816 | 563. [AIQ | Elasticsearch 史上最全最常用工具清单](http://www.6aiq.com/article/1531922258966) 817 | 564. [AIQ -【干货】模型验证的常用“武器”—ROC 和 AUC](http://www.6aiq.com/article/1531811134705) 818 | 565. [AIQ - deeplearning.ai 全套吴恩达老师的深度学习课程笔记及资源在线阅读](http://www.6aiq.com/article/1531740327484) 819 | 566. [人脸检测算法之 S3FD](http://www.6aiq.com/article/1531733692788) 820 | 567. [AIQ - 有赞的面试经历，被虐的有点惨](http://www.6aiq.com/article/1531708461335) 821 | 568. [AIQ - 从损失函数的角度详解机器学习算法之逻辑回归](http://www.6aiq.com/article/1531667507329) 822 | 569. [AIQ - 架构 | 优秀架构师必须掌握的架构思维](http://www.6aiq.com/article/1531580822838) 823 | 570. [AIQ - 个人发展和职业规划的理论性叙述](http://www.6aiq.com/article/1531579366573) 824 | 571. [理解计算从根号 2 到 AlphaGo 第 3 季神经网络的数学模型](http://www.6aiq.com/article/1531528882355) 825 | 572. [AIQ - 学界 | SIGIR 2018 最佳论文：基于流行度推荐系统有效性的概率分析](http://www.6aiq.com/article/1531492502625) 826 | 573. [AIQ - Solr 与 ES（ElasticSearch）的对比](http://www.6aiq.com/article/1531491697812) 827 | 574. [AIQ - 机器学习近年来之怪现状](http://www.6aiq.com/article/1531491650285) 828 | 575. [怎样成为一名优秀的算法工程师](http://www.6aiq.com/article/1531377316088) 829 | 576. [AIQ - 深度 | 学会为自己工作](http://www.6aiq.com/article/1531308871493) 830 | 577. [AIQ - 干货 | 1400 篇机器学习的论文中，这 10 篇是最棒的！](http://www.6aiq.com/article/1531308046924) 831 | 578. [AIQ - 干货 | Elasticsearch 趋势科技实战分享笔记](http://www.6aiq.com/article/1531227085775) 832 | 579. [AIQ - 深度 | 市值 465 亿美元的小米八年往事](http://www.6aiq.com/article/1531226827263) 833 | 580. [AIQ - | NLP 领域的 ImageNet 时代：词嵌入已死，语言模型当立](http://www.6aiq.com/article/1531146324337) 834 | 581. [AIQ - 区块链 | 国内区块链项目技术全面解析](http://www.6aiq.com/article/1531142775894) 835 | 582. [机器学习算法地图](http://www.6aiq.com/article/1531113125445) 836 | 583. [反向传播算法推导 - 全连接神经网络](http://www.6aiq.com/article/1531107413399) 837 | 584. [AIQ - NLP | CNN 也能用于 NLP 任务，一文简述文本分类任务的 7 个模型](http://www.6aiq.com/article/1530980764307) 838 | 585. [AIQ - 语音识别 | 微软亚研自动语法纠错系统达到人类水平](http://www.6aiq.com/article/1530979943523) 839 | 586. [AIQ - 人工智能 | 人工智能军备竞赛：一文尽览全球主要国家 AI 战略](http://www.6aiq.com/article/1530979793128) 840 | 587. [AIQ - 架构 | 软件服务架构的一些感悟](http://www.6aiq.com/article/1530979644489) 841 | 588. [AIQ - 人工智能 | “照骗”难逃 Adobe 的火眼金睛——用机器学习让 P 图无所遁形](http://www.6aiq.com/article/1530974688023) 842 | 589. [AIQ - 架构 | 知乎服务化的实践与思考](http://www.6aiq.com/article/1530974329825) 843 | 590. [AIQ - 深度 | 知乎高赞：久居一线城市都有什么错觉？](http://www.6aiq.com/article/1530808073506) 844 | 591. [发布 AI 芯片昆仑和百度大脑 3.0、L4 自动驾驶巴士量产下线，这是百度 All in AI 一年后的最新答卷](http://www.6aiq.com/article/1530724119004) 845 | 592. [AIQ - 架构 | SpringBoot 开发案例从 0 到 1 构建分布式秒杀系统](http://www.6aiq.com/article/1530723475999) 846 | 593. [AIQ - 架构 | 京东推荐系统架构揭秘：大数据时代下的智能化改造](http://www.6aiq.com/article/1530723181346) 847 | 594. [AIQ - 架构 | Java 程序员该如何突破瓶颈，阿里小马哥十年架构师经验之谈（文末送书）](http://www.6aiq.com/article/1530633639559) 848 | 595. [AIQ - 架构 | Kafka 服务端网络层 reactor 架构](http://www.6aiq.com/article/1530632814954) 849 | 596. [AIQ - 干货 | 从零到一学习知识图谱的技术与应用](http://www.6aiq.com/article/1530630994856) 850 | 597. [AIQ - 基础 | 深度学习之基础知识详解](http://www.6aiq.com/article/1530630181882) 851 | 598. [AIQ - 深度 | 排队离婚、落户、上天台，所有人都在赌明天](http://www.6aiq.com/article/1530594886556) 852 | 599. [深度神经网络（DNN）模型与前向传播算法](http://www.6aiq.com/article/1530534420409) 853 | 600. [深度神经网络（DNN）反向传播算法 (BP)](http://www.6aiq.com/article/1530534137676) 854 | 601. [深度神经网络（DNN）损失函数和激活函数的选择](http://www.6aiq.com/article/1530534055168) 855 | 602. [AI 发展越来越快, 十年或二十年后哪些工作不会被替代?](http://www.6aiq.com/article/1530428468610) 856 | 603. [教程 | 算法太多挑花眼？教你如何选择正确的机器学习算法](http://www.6aiq.com/article/1530427964626) 857 | 604. [到底该不该去创业公司？](http://www.6aiq.com/article/1530427721062) 858 | 605. [真正的高手都是悄无声息的摆渡人](http://www.6aiq.com/article/1530427625112) 859 | 606. [棚改 - 三四线楼市再无未来](http://www.6aiq.com/article/1530426067611) 860 | 607. [你毕业几年了，混成什么鬼样子了？看看这些年轻人怎么说](http://www.6aiq.com/article/1530425971491) 861 | 608. [知乎高赞：家里在一二线城市有很多套房是怎么的一种体验？答案太颠覆](http://www.6aiq.com/article/1530419775099) 862 | 609. [美团点评 - 深度学习在计算机视觉中的应用](http://www.6aiq.com/article/1530374711602) 863 | 610. [AIQ 干货 | 蚂蚁金服科技一篇文章带你学习分布式事务](http://www.6aiq.com/article/1530374587066) 864 | 611. [深度学习在美团搜索广告排序的应用实践是怎么样的？](http://www.6aiq.com/article/1530373055739) 865 | 612. [AIQ |【学界】机器学习、数据科学如何进阶成为大神？](http://www.6aiq.com/article/1530191689643) 866 | 613. [AIQ - 为什么要使用交叉验证？](http://www.6aiq.com/article/1530189798042) 867 | 614. [AIQ|【供应链】十张图帮你理解供应链 IT 名词！（上篇）](http://www.6aiq.com/article/1530185167169) 868 | 615. [AIQ|【学界】吴恩达 Deep Learning Specialization 课程刷后感（附课程视频，字幕，全套 PPT，作业）](http://www.6aiq.com/article/1530184880632) 869 | 616. [AIQ|【供应链】供应链、物流、采购到底有什么区别？](http://www.6aiq.com/article/1530184484534) 870 | 617. [AIQ |【供应链】2018 年中国智慧物流行业市场前景研究报告](http://www.6aiq.com/article/1530184358691) 871 | 618. [AIQ | 阿里是如何应对超大规模集群资源管理挑战的？](http://www.6aiq.com/article/1530184187842) 872 | 619. [AIQ | 优秀的算法工程师都是不用深度学习的](http://www.6aiq.com/article/1530170993020) 873 | 620. [AIQ | Coursera 吴恩达深度学习教程中文笔记最新版](http://www.6aiq.com/article/1530003014082) 874 | 621. [AIQ | 吴恩达课程从未失望，斯坦福 CS230 深度学习课程全套资料放出（附下载）](http://www.6aiq.com/article/1529853745394) 875 | 622. [AIQ | NLP 算法工程师的学习、成长和实战经验](http://www.6aiq.com/article/1529852615977) 876 | 623. [AIQ| 深醒首席科学家张钹院士：深度学习优势与短板，中国 AI 机遇和挑战](http://www.6aiq.com/article/1529852012351) 877 | 624. [AIQ| 出轨大数据新出炉，暴露一个惊人真相](http://www.6aiq.com/article/1529851513436) 878 | 625. [AIQ | 万万没想到，枯燥的“机器学习”还可以这样学！](http://www.6aiq.com/article/1529850613989) 879 | 626. [AIQ | 44 篇论文强势进击 CVPR 2018，商汤科技的研究员都在做哪些研究？](http://www.6aiq.com/article/1529850301965) 880 | 627. [AIQ | 面试经验·机器学习、深度学习、算法工程师（校招）](http://www.6aiq.com/article/1529494069352) 881 | 628. [AIQ | Spark 及 Spark Streaming 核心原理及实践](http://www.6aiq.com/article/1529422914252) 882 | 629. [AIQ | Spark 团队开源新作：全流程机器学习平台 MLflow](http://www.6aiq.com/article/1529422289700) 883 | 630. [AIQ 教程 |「川言川语」：用神经网络 RNN 模仿特朗普的语言风格](http://www.6aiq.com/article/1529421609450) 884 | 631. [AIQ | 求生之路：博士生涯的 17 条简单生存法则](http://www.6aiq.com/article/1529421154956) 885 | 632. [面试了 8 家公司，社招机器学习面试题](http://www.6aiq.com/article/1524651562239) 886 | 633. [人工智能入门书单推荐，学习 AI 的请收藏好（附 PDF 下载）](http://www.6aiq.com/article/1524477311953) 887 | 634. [互联网降维打击是一个什么概念？](http://www.6aiq.com/article/1523281001477) 888 | 635. [今日头条算法原理（全文）](http://www.6aiq.com/article/1522748336680) 889 | 636. [机器学习新手必须掌握的十大算法指南](http://www.6aiq.com/article/1522587084375) 890 | 637. [近期 GitHub 上最热门的开源项目（附链接）](http://www.6aiq.com/article/1522576797701) 891 | 638. [深度 | 可视化 LSTM 网络：探索「记忆」的形成](http://www.6aiq.com/article/1522509138216) 892 | -------------------------------------------------------------------------------- /后端研发/mysql.md: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/tangaiyun/full_stack_coder/dd7d1141a3131b0c6b0a21e47ad1e11c49c2ebe6/后端研发/mysql.md -------------------------------------------------------------------------------- /搜索推荐广告/.DS_Store: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/tangaiyun/full_stack_coder/dd7d1141a3131b0c6b0a21e47ad1e11c49c2ebe6/搜索推荐广告/.DS_Store -------------------------------------------------------------------------------- /搜索推荐领域业界优质资料.md: -------------------------------------------------------------------------------- 1 | # 搜索推荐广告系统优质资源 2 | 搜索系统和推荐系统技术资料整理 3 | 这篇文章意图是收集市面上质量不错的搜索推荐广告引擎技术资料，内容来源包括开源项目官网（Lucene、Solr、Elastic）、综合技术网站（infoQ、Stackoverflow、github 等）、专业技术网站（我爱自然语言处理等）、国内外知名互联网公司技术博客（阿里中间件团队博客、美团技术博客等）、知名技术牛人博客（Matrix67、刘超觉先等）等。 4 | 以下整理的内容大致根据来源进行分类，等这篇整理得差不多了再开一篇博客根据知识点进行梳理。 5 | 个人视角有限，还望各位同行补充、丰富，谢谢。 6 | 7 | * * * 8 | 9 | ## 开源相关 10 | 11 | ### Lucene 12 | 13 | * [Lucene 官网](https://lucene.apache.org/) 14 | * [Lucene 7.6.0源码](http://apache.01link.hk/lucene/java/7.6.0/) 15 | 16 | * [Lucene Wiki](https://wiki.apache.org/lucene-java/FrontPage) 17 | 18 | * [索引结构 -Lucene6.6.0](https://lucene.apache.org/core/6_6_0/core/org/apache/lucene/codecs/lucene62/package-summary.html#package.description) 19 | 20 | ### Solr 21 | 22 | * [Solr 官网](http://lucene.apache.org/solr/) 23 | 24 | * [Solr Wiki](https://wiki.apache.org/solr/) 25 | 26 | ### Elastic 27 | 28 | * [Elastic 官网](https://www.elastic.co/cn/) 29 | 30 | * [Elastic Blog](https://www.elastic.co/blog#sthash.khjrgPU5.dpbs) 31 | 32 | * [Elastic Formus](https://discuss.elastic.co/) 33 | 34 | * [Elasticsearch: 权威指南 - 中文版](https://www.elastic.co/guide/cn/elasticsearch/guide/current/index.html) 35 | 36 | * [Elastic 中文社区](https://elasticsearch.cn/) 37 | 38 | ### LucidWorks 39 | 40 | * [LucidWorks](https://lucidworks.com/) 41 | 42 | * [LucidWorks Blog](https://lucidworks.com/blog/#blog/) 43 | 44 | ### 中文分词 45 | 46 | * [ansj 分词](https://github.com/NLPchina/ansj_seg?) 47 | 48 | * [HanLP 分词](https://github.com/hankcs/HanLP) 49 | 50 | * [ES-Analysis-IK](https://github.com/medcl/elasticsearch-analysis-ik) 51 | 52 | ## 大公司 53 | 54 | ### 阿里 55 | 56 | * [天猫推荐算法团队的那些事儿 - 20140401 - infoQ](https://www.infoq.cn/article/2014%2F04%2Ftmall-recommendation-team) 57 | _本文以访谈的方式呈现，对搜索和推荐算法进行了简单的比较，提到了 AB 测试和离线测试，主要对推荐算法团队的工作方式、工作考评、任务分配、招聘等进行了介绍。_ 58 | 59 | * [天猫 11.11：搜索引擎实时秒级更新 - 20141111 - infoQ](https://www.infoq.cn/article/2014%2F11%2Ftmall-1111-search-engine) 60 | _文章简单介绍了阿里搜索引擎架构，提到了以下内容：1）为提高数据实时性（库存、价格等），去掉应用层和业务层的缓存，重点提升引擎层的服务能力。2）排序链，根据业务场景定制排序链。3）sku 搜索，搜索结果和属性导航联动（标类产品）。_ 61 | 62 | * [阿里搜索离线技术团队负责人谈 Hadoop：阿里离线平台、YARN 和 iStream](https://www.infoq.cn/article/2014%2F09%2Fhadoop-alibaba-yarn) 63 | 64 | * [基于 Apache Flink 的实时计算引擎 Blink 在阿里搜索中的应用 - 20170216 - infoQ](https://www.infoq.cn/article/real-time-computing-engine-blink-in-alibaba-search) 65 | 66 | * [阿里开源深度学习框架 XDL，面向广告、推荐、搜索场景 - 20181128 - AIQ](http://www.6aiq.com/article/1543939628501) 67 | * [阿里巴巴搜索引擎平台 Ha3 揭秘 - 201811 - AIQ](http://www.6aiq.com/article/1543672176467) 68 | 69 | **阿里搜索事业部技术团队** 70 | 阿里集团搜索、推荐、图像技术的大本营，大数据时代的创新主场。 71 | 72 | * [阿里搜索事业部技术团队](https://yq.aliyun.com/teams/23?spm=5176.100239.0.0.IlfIYv) 73 | 74 | * [OpenSearch：轻松构建大数据搜索服务 - 20160222](https://yq.aliyun.com/articles/67156?spm=a2c4e.11163080.searchblog.9.56c42ec17lRdd2) 75 | 76 | * [搜索双链路实时计算体系 @双 11 实战 - 20160111](https://yq.aliyun.com/articles/2699?spm=5176.100244.teamhomeleft.95.WweKDa) 77 | 78 | **阿里中间件团队博客** 79 | 2012 年期间，阿里中间件博客记录了 20 多篇 Lucene、Solr 相关博文，主要记录了一些在项目开发过程中遇到的问题，以及部分源码解读。内容丰富、实用，但不是很系统。 80 | 81 | * [阿里中间件团队博客](http://jm.taobao.org/) 82 | 83 | * [Solr 调优参考 - 20120521](http://jm.taobao.org/2012/05/21/solr-tuning) 84 | 85 | * [Solr Lucene 优劣势分析 - 20120626](http://jm.taobao.org/2012/06/26/solr-lucene-advantages-and-disadvantages) 86 | 87 | * [SolrQuery 性能压测参考 - 20120731](http://jm.taobao.org/2012/07/31/solr-query-performance-test-reference) 88 | 89 | * [NumericField NumericRangeQuery 原理分析 - 20120731](http://jm.taobao.org/2012/07/31/numeric-field-numeric-range-query) 90 | 91 | * [Solr schema 编写指导 - 20120731](http://jm.taobao.org/2012/07/31/solr-schema-guide) 92 | 93 | * [关于搜索挖掘所想 - 20120731](http://jm.taobao.org/2012/07/31/think-about-search/) 94 | 95 | * [SolrQuery 挖掘 -- 单维度聚合分析 - 20120920](http://jm.taobao.org/2012/09/20/solrquery-mining) 96 | 97 | * [我感受到的排序机制参考 - 20120920](http://jm.taobao.org/2012/09/20/sort-of-mechanism-reference) 98 | 99 | * [垂直搜索新问题 - 20120920](http://jm.taobao.org/2012/09/20/vertical-search-new-question) 100 | 101 | * [Solr 平台化搜索实战必知场景 - 20120921](http://jm.taobao.org/2012/09/21/solar-search) 102 | 103 | * [Solr Schema 配置小细节大问题 - 20121015](http://jm.taobao.org/2012/10/15/solr-schema-configuration-problem/) 104 | 105 | * [Solr DisjunctionMax 注解 - 20121015](http://jm.taobao.org/2012/10/15/solr-disjunctionmax/) 106 | 107 | * [Sql Support within Solr- 类 Sql 的 solr 搜索实现 (1) - 20121015](http://jm.taobao.org/2012/10/15/sql-support-within-solr) 108 | 109 | * [Sql Support within Solr- 类 Sql 的 solr 搜索实现 (2) - 20121015](http://jm.taobao.org/2012/10/15/solr-flux-source-code-sql-support-within-solr/) 110 | 111 | * [关于 TrieField 的全面认识、理解、运用 - 20121015](http://jm.taobao.org/2012/10/15/learn-about-triefield) 112 | 113 | * [Solr Facet 引发思考 on the road - 20121029](http://jm.taobao.org/2012/10/29/solr-facet-on-the-road/) 114 | 115 | * [查询问题 ---queryparse 深入理解 - 20121029](http://jm.taobao.org/2012/10/29/deep-learn-queryparse) 116 | 117 | * [TermRangeQuery 源码解析 - 20121106](http://jm.taobao.org/2012/11/06/termrangequery-source-code) 118 | 119 | * [Solr 之缓存篇 - 20121106](http://jm.taobao.org/2012/11/06/solar-cache/) 120 | 121 | * [搜索的测试话题 - 20121113](http://jm.taobao.org/2012/11/13/test-topic-about-search) 122 | 123 | * [关于搜索夜话 ---- 作为阶段序列的告别 - 20121113](http://jm.taobao.org/2012/11/13/night-talk-about-search/) 124 | 125 | * [solr 长文本搜索问题 - 20121210](http://jm.taobao.org/2012/12/10/solr-long-text-search-problem) 126 | 127 | * [SolrCore2.9.1 源码分析备忘 - 20121210](http://jm.taobao.org/2012/12/10/solr-core-2-9-1-source-code-analyse) 128 | 129 | ### 百度 130 | 131 | * [百度万亿量级数据库 Tera 架构应用、设计与实践全攻略 - 20170526 - infoQ](https://www.infoq.cn/article/2017%2F05%2Fdatabase-baidu-Tera) 132 | 133 | ### 京东 134 | 135 | * [京东 618：揭秘大促销背后的个性化推荐 - 20150618 - infoQ](https://www.infoq.cn/article/2015%2F06%2Fjd-618-personalrecommendation) 136 | 137 | * [京东 11.11：商品搜索系统架构设计 - 20151111 - infoQ](https://www.infoq.cn/article/jingdong-11-11-commodity-search-system-architecture-design?utm_source=6aiq.com) 138 | 139 | * [京东 618：机器学习与商品数据挖掘和知识抽取 - 20170618 - infoQ](https://www.infoq.cn/article/2017%2F06%2Fjd-618-Machine-learning-commodit) 140 | 141 | ### 美团点评 142 | 143 | **美团点评技术团队博客** 144 | 在国内互联网公司中，个人认为“美团点评技术团队博客”是最持之以恒的，而且非常干货。 145 | 146 | * [美团点评技术团队](https://tech.meituan.com/) 147 | 148 | * [美团 O2O 排序解决方案——线下篇 - 20151207](https://tech.meituan.com/rerank_solution_offline.html) 149 | * [美团O2O排序解决方案——线上篇 - 2015-11-16 17:00](https://tech.meituan.com/meituan_search_rank.html) 150 | 151 | * [美团点评旅游搜索召回策略的演进 - 20170616 - AIQ](http://www.6aiq.com/article/1522247441467) 152 | 153 | ### 携程 154 | 155 | * [携程技术中心](https://cloud.tencent.com/developer/column/2048/tag-10149/page-8) 156 | 157 | ### 去哪儿 158 | 159 | * [去哪儿网机票搜索系统的高并发架构设计 20170421 - AIQ](http://www.6aiq.com/article/1522670952812) 160 | 161 | 162 | ### 搜狗 163 | 164 | * [搜狗搜索广告检索系统 - 弹性架构演进之路 - 20160111 - infoQ](https://mp.weixin.qq.com/s?__biz=MzI4MTY5NTk4Ng==&mid=2247489709&idx=1&sn=dd82cbae0f01a13fcef39ac2925c6406&chksm=eba41b30dcd3922697fcbdd22188d919803c40841609f4a1280355b251b68a4d786fddcc8fb6&scene=27#wechat_redirect) 165 | 166 | * [深度学习在搜狗无线搜索广告中的应用 - 20160808 - infoQ](https://www.infoq.cn/article/2016%2F08%2Fsougou-deep-learing-wireless-sea) 167 | 168 | * [以搜狗为例，谈语音输入如何影响你的生活 - 20161208 - infoQ](https://www.infoq.cn/article/2016%2F12%2Fsougou-Voice-input-life) 169 | ### 一号店 170 | 171 | * [1 号店 11.11：分布式搜索引擎的架构实践 - 20151112 - infoQ](https://www.infoq.cn/article/yhd-11-11-distributed-search-engine-architecture) 172 | 173 | * [1 号店 11.11：机器排序学习在电商搜索中的实战 - 20161111 - AIQ](http://www.6aiq.com/article/1522330692884) 174 | 175 | * [机器学习在 1 号店商品匹配中的实践 - 20170506 - 携程技术中心](https://cloud.tencent.com/developer/article/1063204) 176 | 177 | ### 待分类 178 | 179 | **国内** 180 | 181 | * [**当当** 11.11：促销系统与交易系统的重构实践 - 20151113 - infoQ](https://www.infoq.cn/article/dangdang-11-11-reconstruction-system-practise) 182 | 183 | * [**苏宁易购** 11.11：商品详情系统架构设计 - 20151227 - infoQ](https://www.infoq.cn/article/suning-product-details-system-architecture-design?) 184 | 185 | * [**达观数据** 点击模型：提升算法精度的利器 - 20160315 - infoQ](https://www.infoq.cn/article/tool-to-improve-the-accuracy-of-algorithm) 186 | 187 | * [**达观数据** 一个可供参考的搜索引擎排序架构实践案例 - 20160830 - infoQ](https://www.infoq.cn/article/a-search-engine-scheduling-architecture-for-reference?) 188 | 189 | * [**达观数据** "搜你所想" 之用户搜索意图识别 - 20170608 - AIQ](http://www.6aiq.com/article/1541861015217) 190 | 191 | * [**链家网** 数据驱动在搜索优化与推荐策略中的实践 - 20170406 - infoQ](https://www.infoq.cn/article/practise-of-data-driven-search-and-optimize-in-lianjia?) 192 | 193 | * [**深度学习在 Airbnb 大规模搜索排名上的实战经验 - 20181118 - AIQ](http://www.6aiq.com/article/1542878440663) 194 | 195 | * [**51 信用卡的个性化推荐体系 - 2018 - AIQ](http://www.6aiq.com/article/1542815641630) 196 | 197 | * [**苏宁 11.11：搜索引擎 Solr 在苏宁易购商品评价系统中的应用 - 20181105 - AIQ](http://www.6aiq.com/article/1542192071013) 198 | **国外** 199 | 200 | * [**Twitter** 实时检索 6700 亿条推文，细谈 Twitter 搜索引擎的演进历程 - 20160330 - infoQ](http://www.6aiq.com/article/1544116316790) 201 | 202 | * [**Yelp** 是如何用数据驱动搜索过滤器的？ - 20151209 - infoQ](https://www.infoq.cn/article/2015%2F12%2FYelp-Search-filter) 203 | 204 | ## 开发应用 205 | 206 | ### 理论基础 207 | 208 | * [我爱自然语言处理](http://www.52nlp.cn/) 推荐 209 | 210 | * [漫话中文自动分词和语义识别](http://www.matrix67.com/blog/archives/4212) 211 | 212 | ### 源码解读 213 | 214 | * [刘超觉先](http://www.cnblogs.com/forfuture1978) 详细分析了 Lucene3.x 的源码，推荐。 215 | 216 | * [Anatomy of an Elasticsearch Cluster: Part I](https://www.infoq.cn/article/analysis-of-elasticsearch-cluster-part01?utm_source=infoq&utm_campaign=user_page&utm_medium=link) 217 | 218 | * [Anatomy of an Elasticsearch Cluster: Part II](https://www.infoq.cn/article/anatomy-of-an-elasticsearch-cluster-part02?utm_source=infoq&utm_campaign=user_page&utm_medium=link) 219 | 220 | * [Anatomy of an Elasticsearch Cluster: Part III](https://www.infoq.cn/article/anatomy-of-an-elasticsearch-cluster-part03?utm_source=infoq) 221 | 222 | ### 常见问题 223 | 224 | * [Stackoverflow - Lucene](https://stackoverflow.com/questions/tagged/lucene?sort=votes&pageSize=15&) 225 | 226 | * [Stackoverflow - Solr](https://stackoverflow.com/questions/tagged/solr?sort=votes&pageSize=15) 227 | 228 | * [Stackoverflow - Elastic](https://stackoverflow.com/questions/tagged/elasticsearch) 229 | 230 | ### 其他 231 | 232 | * [对话 Kibana 之父：如果需要，你应该自己动手编写工具 - 20170111 - infoQ](https://hacpai.com/forward?goto=http%3A%2F%2Fwww.infoq.com%2Fcn%2Fnews%2F2017%2F01%2FRashid-buildYourOwnTool) 233 | 234 | * [配置高性能 Elasticsearch 集群的 9 个小贴士 - 20170104 - infoQ](https://www.infoq.cn/article/2017%2F01%2FElasticSearch-9) 235 | 236 | * [基于 ElasticStack 的数据探索与分析 - 20161018 - infoQ](https://hacpai.com/forward?goto=http%3A%2F%2Fwww.infoq.com%2Fcn%2Fpresentations%2Fdata-exploration-and-analysis-based-on-elasticstack) 237 | 238 | * [使用 Akka、Kafka 和 ElasticSearch 等构建分析引擎 - 20160825 - infoQ](https://www.infoq.cn/article/use-akka-kafka--build-analysis-engine?) 239 | 240 | * [万亿级日志与行为数据存储查询技术剖析 - 20170222 - infoQ](https://www.infoq.cn/article/trillion-log-and-data-storage-query-techniques) 241 | 242 | * [谷歌的自然语言部门是啥样的？ - 20160118 - infoQ](https://www.infoq.cn/article/Inside-look-of-Google-NLU-Team) 243 | 244 | * [通过 Baratine 将 Lucene 库暴露为微服务 - 20160225 - infoQ](https://hacpai.com/forward?goto=http%3A%2F%2Fwww.infoq.com%2Fcn%2Farticles%2FBuilding-a-Lucene-Microservice-with-Baratine) 245 | 246 | --------------------------------------------------------------------------------