万本电子书0元读

万本电子书0元读

顶部广告

*B2B电商算法实战电子书

(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:¥47.50购买纸书

30人正在读 | 0人评论 6.7

作       者:阿里集团,新零售技术事业群,CBU技术部

出  版  社:机械工业出版社

出版时间:2020-07-01

字       数:18.1万

所属分类: 科技 > 计算机/网络 > 程序设计

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

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
这是一本可帮助读者深度理解并全面掌握ClickHouse运行原理并行实践发的工具书,涵盖了ClickHouse的时代背景、发展历程、核心概念、基础功能、运行原理、实践指导等多个维度的内容,尤其是在ClickHouse*核心的部分——MergeTree表引擎与分布式方面,书中对其实现原理和应用技巧行了详细解读。    本书采用浅显易懂的语言 大量演示案例 大量示意图例的形式呈现,以求让读者在*短的时间内,以*舒服的方式,获得*核心的知识。本书的理论观来自作者在OLAP领域10余年的工作思考与总结;功能与实操的素材来自作者在工作中对ClickHouse的深度应用与实践;原理解析部分的素材来自对大量专业文献的钻研与源码级的调试与解读。  本书在逻辑上分为三大部分:  第1~2章从宏观的角度出发,描述了时代背景、ClickHouse的发展历程及其核心特。其中,对MOLAP、ROLAP和HORAP三种架构形态的优缺行了详细解读,对ClickHouse的发展历程和架构形态行了深度剖析,目的是帮助读者从根本上了解ClickHouse为什么具有这么高的性能。  第3~5章从实践应用的角度出发,详细介绍了ClickHouse基础功能的使用方法和技巧,其中包括对数据库、数据表、视图、数据字典等重功能的剖析和演示。  第6~11章从原理的角度出发,解析了ClickHouse核心功能的运行机理。重介绍了六大类数十种表引擎的主要特与使用方法。其中对MergeTree的原理行了深度解析,对它的基础数据结构、分区索引、一级索引、二级索引、压缩数据块、数据标记等重要概念行了解读;对副本与分片的运行原理也行了详细剖析;对它的基础数据结构、分布式DDL、分布式协同的核心操作过程等行了解读。<br/>【推荐语】<br/>(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。<br/>【作者】<br/>阿里巴巴CBU技术部(1688.com) 全球率先超过1亿用户的B类电商平台,自2003年诞生之初,就承载了“让天下没有难做的生意”的重要使命。在阿里巴巴“五新战略”下,作为阿里集团新制造和新零售的重要技术生力军,CBU技术团队15年来一直以技术之力赋能千万中小企业,沉淀了一系列极具B类特色的交易、支付、营销、采、分销技术产品,促B类全路商业效率优化。 在商业全球化的大形势下,CBU技术以大数据为原力、以算法为引擎,在企业采与服务、企业分销通路建设、柔性供应建设、数字营销、心智导等领域不断行横向联动、纵深探索,结合云计算、IOT智能技术、图形算法、深度网络、在线学习、运筹优化等尖端技术,助推中小企业向数字经济转型。 任卫军,阿里巴巴研究员,2006年4月职淘宝技术部,拥有10年ToC电商研发和管理经验。2017年始负责阿里CBU&C2M技术部,聚焦B类业务技术体系建设。 霍承富,霍承富,阿里巴巴资深算法专家,2012年毕业于中国科学技术大学,博士学位,毕业后加阿里巴巴,从事搜索、推荐、广告、营销、用户增长等相关的算法工作。 翁晨玮,翁晨玮,阿里巴巴算法专家,2012年毕业于浙江大学,硕士学位,毕业后在百度、腾讯等公司从事搜索推荐算法相关工作,于2017年加阿里巴巴。 ? 卢小康,阿里巴巴技术专家,2010年毕业于杭州电子科技大学,硕士学位,毕业后加阿里巴巴,从事搜索引擎工程和算法工程相关工作。   董宇,阿里巴巴高级算法专家,毕业于北京航空航天大学,硕士学位,2014年职阿里巴巴。 赵玉姣,阿里巴巴算法专家,2015年毕业于天津大学,硕士学位,毕业后加阿里巴巴,从事搜索、用户增长等相关的算法工作。 ???? 贺星星,阿里巴巴高级算法工程师,2010年毕业于大连理工大学,硕士学位,毕业后先后在中兴通讯、三星电子、亚信数据分别从事3G/4G通信、智能终端、智能图像算法相关工作,2018年加阿里巴巴,从事搜索、用户增长等相关的算法工作。 陈曦,阿里巴巴高级算法工程师,2014年毕业于浙江大学,硕士学位,2018年加阿里巴巴,从事C2M产地供应相关算法工作。 ??林瀚驰,阿里巴巴高级算法工程师,2016年毕业于北京大学,硕士学位,毕业后加深信服,从事webshell查杀,网页篡改检测等安全相关算法工作,2018年加阿里巴巴,从事搜索相关算法工作。 茹江涛,阿里巴巴高级算法工程师,2017年毕业于南京航空航天大学,硕士学位,毕业后加腾讯,从事游戏安全相关的算法工作,2019年加阿里巴巴,从事搜索相关的算法工作 张吉豪,阿里巴巴技术专家,从事网络游戏研发近9年,作为服务端负责人研发了《勇者大冒险》《寻仙手游》两款作品。2018年加阿里巴巴,从事搜索、推荐、实时计算相关的数据及工程工作,提交发明专利3篇。 谷伟,阿里巴巴高级发工程师,2016年毕业于东南大学,硕士学位,毕业后加趋势科技从事邮件服务器安全防护工作,2018年加阿里巴巴从事搜索和推荐相关的算法工程工作,提交发明专利3篇。? 杨帅,阿里巴巴技术专家,2011年毕业于武汉工程大学,获学士学位,毕业后职网易网络从事云网络安全DDOS防御等相关工作,2019年加阿里巴巴从事搜索和推荐算法工程相关工作,目前负责搜索引擎相关工作。 张波,阿里巴巴高级发工程师,2013年毕业于哈尔滨工业大学,硕士学位。毕业后主要在前程无忧公司从事搜索引擎相关工作,2018年加阿里巴巴从事搜索和推荐相关的算法工程工作。 张贺,阿里巴巴高级发工程师,2016年毕业于深圳大学,硕士学位,毕业后加腾讯从事主机反侵方面的工作,2018年加阿里巴巴从事搜索和推荐等相关的算法工程工作,提交发明专利3篇。 王修充,毕业于北京航空航天大学,硕士学位,先后在推荐算法团队、阿里CBU技术部承担推荐算法的工作,目前主要的工作方向为直播、短视频电商内容推荐,研究兴趣为多目标学习、图网络在推荐算法中的应用。 ???何珂,毕业于北京邮电大学,硕士学位,2018年职阿里,任高级算法工程师。 娄琦,毕业于杭州电子科技大学,硕士学位,2018年职阿里,任高级算法工程师。 吕泽,毕业于西安电子科技大学,硕士学位,2017年职阿里,1688猜你喜欢算法负责人,曾在AAAI等学术会议和期刊上发表论文。 ?徐传宇,毕业于厦门大学数学科学学院,理学硕士学位。2019年7月职阿里巴巴,任推荐算法工程师。 叶梦贤,毕业于荷兰伊拉斯姆斯大学,硕士学位,2019年职阿里,任高级算法工程师。 顾海倩,毕业于北京邮电大学,硕士学位,2019年职阿里,任推荐算法工程师。 ??? 韩乔,2017年毕业于新加坡国立大学,硕士学位,2019年职阿里,任高级算法工程师。 ?林源远,毕业于中南大学,硕士学位,2018年职阿里,负责推荐算法相关的工作。 陈起,毕业于浙江大学,硕士学位,2019年职阿里,任职高级算法专家,研究方向包括NLP/NLG/知识图谱,目前主要负责电商知识图谱建设、内容理解、可解释模型及智能助理。 ??王姿雯,毕业于北京邮电大学,硕士学位,2019年职阿里巴巴,任算法工程师职位。 任伟龙,毕业于中国人民解放军火箭军工程大学,博士学位,2019年职阿里巴巴,高级算法工程师职位,主要技术方向为运筹优化算法,在流量分配、智能定价等领域应用优化算法提升效率和营收,同时小化运营成本。 张,毕业于英国布里斯托大学,硕士学位,2017年职阿里巴巴,算法专家职位。 张涛,毕业于北京邮电大学,硕士学位,18年职阿里,高级算法工程师职位,研究方向包括NLP,NLG,GAN,ML等。在学术会议和SCI期刊中发表过多篇学术文章,目前主要从事B类知识图谱建设和商品企划路升级。 宁振,毕业于南昌大学,硕士学位,2019年职阿里,高级算法工程师职位,主要从事NLP相关技术如文本理解、知识图谱的研究和应用。? 孙刘诚,阿里巴巴高级算法工程师,2019年毕业于同济大学,博士学位,毕业后加阿里巴巴,从事用户增长等相关的算法工作,同时是浙江大学-阿里巴巴联合培养博士后,发表学术论文近十篇。 刘祥宇,毕业于中国科学技术大学,硕士学位,2015年职阿里,现任技术专家职位,主要方向是研究电商导领域的相关工程研发工作。<br/>
目录展开

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

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部