现有的同城购业务围绕京东即时零售能力搭建了到店、到家两种业务场景。同城业务与现有业务进行互补，利用高频，时效性快的特点，可以有效提升主站复访复购频次，是零售的重要战略方向。

互联网信息服务算法推荐管理规定（征求意见稿）第一条为了规范互联网信息服务算法推荐活动，维护国家安全和社会公共利益，保护公民、法人和其他组织的合法权益，促进互联网信息服务健康发展，弘扬社会主义核心价值观，根据《中华人民共和国网络安全法》、《中华人民共和国数据安全法》、《中华人民共和国个人信息保护法》、《互联网信息服务管理办法》等法律、行政法规，制定本规定。第

共识算法是实现自主产权区块链的必不可少的关键环节，本文列出社区中相对成熟的区块链共识算法开源实现，包括BFT共识、Raft共识、Paxos共识、PoW共识等，可供希望开发自主产权区块链的团队参考学习。相关推荐：区块链开发系列教程(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fww

原理如果A和B具有好友关系，B和C具有好友关系，而A和C却不是好友关系，那么我们称A和C这样的关系为：二度好友关系。在生活中，二度好友推荐的运用非常广泛，比如某些主流社交产品中都会有"可能认识的人"这样的功能，一般来说可能认识的人就是通过二度好友关系搜索得到的，在传统的关系型数据库中，可以通过图的广度优先遍历算法实现，而且深度限定为2，然而在

_前言_在点击率CTR（ClickThroughRate）预估算法的推荐场景中使用TensorflowServing热更新较大模型时会出现短暂的延时毛刺，导致业务侧超时，降低算法效果，为了解决这个问题，爱奇艺深度学习平台团队经过多个阶段的优化实践，最后对TFServing和Tensorflow的源码进行深入优

Datawhale干货  作者：张贤，哈尔滨工程大学，Datawhale原创作者本文约7000字，NLP专栏文章，建议收藏阅读审稿人：Jepson，Datawhale成员，毕业于中国科学院，目前在腾讯从事推荐算法工作。!(https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGl

!(https://oscimg.oschina.net/oscnet/76a9ee48bb4c7f7b344343922f049224d4d.png)前言SOFA内置负载均衡，支持5种负载均衡算法，随机（默认算法），本地优先，轮询算法，一致性hash，按权重负载轮询（不推荐，已被标注废弃）。一起看看他们的实现（重点还是一致性

关于推荐引擎如今的互联网中，无论是电子商务还是社交网络，对数据挖掘的需求都越来越大了，而推荐引擎正是数据挖掘完美体现；通过分析用户历史行为，将他可能喜欢内容推送给他，能产生相当好的用户体验，这就是推荐引擎。推荐算法Slopeone的原理      首先Slopeone是一种基于项目的协同过

前几天聊的“协同过滤（CollaborativeFiltering）”和“基于内容的推荐（ContentbasedRecommendation）”，都必须分析用户的历史行为数据（例如电影点击数据，职位查看数据等），针对不同的用户进行个性化推荐。如果系统没有用户的历史行为数据积累，如何实施推荐呢？今天接着用通俗的语言说说推荐算法中的“相似性推

前言在当今互联网世界，推荐系统在内容分发领域扮演着至关重要的角色。如何尽可能的提升推荐系统的推荐效果，是每个推荐算法同学工作的核心目标。在爱奇艺海外推荐业务，引入TensorFlowRanking（TFR）框架，并在此基础上进行了研究和改进，显著提升了推荐效果。本文将分享TFR框架在海外推荐业务中的实践和应用。01算法的

１基于用户的协同过滤算法：基于用户的协同过滤算法是推荐系统中最古老的的算法，可以说是这个算法的诞生标志了推荐系统的诞生。该算法在1992年被提出，并应用于邮件过滤系统，1994年被GroupLens用于新闻过滤。在一个在线个性化推荐系统中，当一个用户A需要个性化推荐时，可以先找到和他有相似兴趣的其他用户，然后把那些用户喜欢的而用户A没有接触过的物品推

前言上一篇写了推荐系统最古老的的一种算法叫协同过滤，古老并不是不好用，其实还是很好用的一种算法，随着时代的进步，出现了神经网络和因子分解等更优秀的算法解决不同的问题。这里主要说一下逻辑回归，逻辑回归主要用于打分的预估。我这里没有打分的数据所以用性别代替。这里的例子就是用歌曲列表预判用户性别。什么是逻辑回归逻辑回归的资料比

算法任何一个入门的软件开发人员都会听到这句话：算法是软件的灵魂！近年来大火的“机器学习”即是在算法在人工智能上的集中体现。今日头条通过AI算法实现智能内容推荐，谷歌和百度通过AI算法实现垃圾内容检测和删除，阿里巴巴通过算法自动识别刷单和假货风险等等。随着软件行业的发展，我们真切的体会到人工智能的脚步声越来越近了。理论上讲，凡是重复的简单工作都

一、现状介绍算法策略在广告行业中起着重要的作用，它可以帮助广告主和广告平台更好地理解用户行为和兴趣，从而优化广告投放策略，提高广告点击率和转化率。模型系统作为承载算法策略的载体，目前承载搜索、推荐、首焦、站外等众多广告业务和全链路的深度学习建模，是广告算法

1、前言推荐领域算法模型的在线推理是一个对高并发、高实时有较强要求的场景。算法最初是基于Wide&Deep相对简单的网络结构进行建模，容易满足高实时、高并发的推理性能要求。但随着广告模型效果优化进入深水区，基于Transformer用户行为序列和Atten

1、前言推荐领域算法模型的在线推理是一个对高并发、高实时有较强要求的场景。算法最初是基于Wide&Deep相对简单的网络结构进行建模，容易满足高实时、高并发的推理性能要求。但随着广告模型效果优化进入深水区，基于Transformer用户行为序列和Atten

一、背景搜索推荐算法架构为京东集团所有的搜索推荐业务提供服务，实时返回处理结果给上游。部门各子系统已经实现了基于CPU的自适应限流，但是Client端对Server端的调用依然是RR轮询的方式，没有考虑下游机器性能差异的情况，无法最大化利用集群整体CPU，

目前，推荐算法部支持了主站、企业业务、全渠道等20业务线的900推荐场景，通过梳理大促运营、各垂直业务线推荐场景的共性需求，对现有推荐算法能力进行沉淀和积累，并通过算法PaaS化打造通用化的推荐能力，提升各业务场景推荐赋能效率，高效赋能业务需求。

近年来，放眼业界广告推荐领域的算法获得了长足的发展，从几篇奠定基础的序列学习、大规模图学习、在线学习&增强学习、多模态推荐问题等起步，业内算法不断迭代发展并在学术和工业场景上取得不错的应用。京东广告团队不仅在工业场景上非常重视实践，并不断为由“广告主”、“