(1)阿里巴巴CBU技术部(1688.com)是阿里巴巴集团B2B电商、新零售、新制造的重要技术生力军。 (2)阿里巴巴CBU技术部15年来通过技术为千万中小企业赋能,在B2B领域的交易、支付、营销、采、分销等环节沉淀了大量的技术经验和成果。 (3)结合阿里巴巴B2B电商业务场景,深度解析算法对用户、商品、商家的精准刻画,围绕搜索、推荐、营销、直播、端智能等场景建模,还原商业视角的技术思考和落地。
售 价:¥
纸质售价:¥69.30购买纸书
温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印
为你推荐
作者介绍
前言
第1章 电商四位一体
1.1 人——买家
1.1.1 开源引流
1.1.2 客群画像
1.2 货——货源
1.2.1 价格力
1.2.2 趋势力
1.3 场——内容
1.3.1 智能文案
1.3.2 文案标签化
1.3.3 模型工程优化
1.3.4 展望规划
1.4 商——企划
1.4.1 品类规划定义
1.4.2 波士顿矩阵
1.4.3 CBU品类规划
1.4.4 技术架构
1.4.5 展望规划
第2章 系统工程
2.1 搜索工程
2.1.1 统一入口SP服务
2.1.2 策略平台OpenSE
2.1.3 意图分析QP
2.1.4 在线引擎HA3
2.1.5 离线系统Dump
2.2 推荐工程
2.2.1 召回引擎BE
2.2.2 算分服务RTP
2.3 实时数据工程
2.3.1 概述
2.3.2 数据采集
2.3.3 数据分层
2.3.4 数据服务
2.3.5 数据应用
第3章 搜索算法
3.1 Query查询词理解
3.1.1 Query类目预测
3.1.2 Query改写
3.1.3 Query推荐
3.2 搜索排序
3.2.1 召回
3.2.2 粗排
3.2.3 精排
3.2.4 搜索底部推荐
第4章 推荐算法
4.1 召回
4.1.1 协同过滤
4.1.2 Embedding I2I
4.1.3 DeepMatch
4.2 排序
4.2.1 Wide&Deep模型
4.2.2 DIN
4.2.3 DIEN
4.2.4 DMR
4.2.5 ESMM
第5章 营销算法
5.1 红包
5.1.1 用户敏感度建模
5.1.2 离线红包分配
5.1.3 在线红包分配
5.2 营销优惠券
第6章 多模态内容场景与端智能
6.1 直播推荐算法
6.1.1 多目标学习
6.1.2 用户异构行为
6.1.3 直播排序模型
6.2 短视频推荐算法
6.2.1 短视频推荐概述
6.2.2 基于异构网络图的推荐方案
6.3 榜单算法
6.3.1 榜单生成
6.3.2 榜单召回推荐
6.3.3 榜单内商品排序
6.3.4 榜单个性化文案
6.4 多形态内容混排
6.5 App端智能
6.6 首图个性化
6.6.1 全局最优视角联合打散
6.6.2 跨域召回(从淘宝到1688)
第7章 认知推理
7.1 电商知识图谱
7.1.1 知识工程与专家系统
7.1.2 语义网络与知识图谱
7.1.3 知识图谱构建
7.1.4 知识表示
7.2 知识图谱主题会场
7.3 知识蒸馏
7.3.1 知识蒸馏的起源
7.3.2 多种传递形式的知识蒸馏
7.3.3 知识蒸馏应用于自然语言生成
7.3.4 BERT模型蒸馏
7.4 组货推荐
7.4.1 同款匹配
7.4.2 组货搭配
7.4.3 服饰搭配
第8章 全域中控
8.1 流量中控
8.2 在线动态广告分配
8.3 目标动态规划
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜