第　一部分 通用流程
第　1章 問(wèn)題建�！�2
1.1　評(píng)估指標(biāo)　3
1.1.1　分類(lèi)指標(biāo)　4
1.1.2　回歸指標(biāo)　7
1.1.3　排序指標(biāo)　9
1.2　樣本選擇　10
1.2.1　數(shù)據(jù)去噪　11
1.2.2　采樣　12
1.2.3　原型選擇和訓(xùn)練集選擇　13
1.3　交叉驗(yàn)證　14
1.3.1　留出法　14
1.3.2　K折交叉驗(yàn)證　15
1.3.3　自助法　16
參考文獻(xiàn)　17
第　2章 特征工程　18
2.1　特征提取　18
2.1.1　探索性數(shù)據(jù)分析　19
2.1.2　數(shù)值特征　20
2.1.3　類(lèi)別特征　22
2.1.4　時(shí)間特征　24
2.1.5　空間特征　25
2.1.6　文本特征　25
2.2　特征選擇　27
2.2.1　過(guò)濾方法　28
2.2.2　封裝方法　31
2.2.3　嵌入方法　31
2.2.4　小結(jié)　32
2.2.5　工具介紹　33
參考文獻(xiàn)　33
第3章　常用模型　35
3.1　邏輯回歸　35
3.1.1　邏輯回歸原理　35
3.1.2　邏輯回歸應(yīng)用　38
3.2　場(chǎng)感知因子分解機(jī)　39
3.2.1　因子分解機(jī)原理　39
3.2.2　場(chǎng)感知因子分解機(jī)原理　40
3.2.3　場(chǎng)感知因子分解機(jī)的應(yīng)用　41
3.3　梯度提升樹(shù)　42
3.3.1　梯度提升樹(shù)原理　42
3.3.2　梯度提升樹(shù)的應(yīng)用　44
參考文獻(xiàn)　44
第4章　模型融合　45
4.1　理論分析　46
4.1.1　融合收益　46
4.1.2　模型誤差 分歧分解　46
4.1.3　模型多樣性度量　48
4.1.4　多樣性增強(qiáng)　49
4.2　融合方法　50
4.2.1　平均法　50
4.2.2　投票法　52
4.2.3　Bagging　54
4.2.4　Stacking　55
4.2.5　小結(jié)　56
參考文獻(xiàn)　57
第二部分　數(shù)據(jù)挖掘
第5章　用戶(hù)畫(huà)像　60
5.1　什么是用戶(hù)畫(huà)像　60
5.2　用戶(hù)畫(huà)像數(shù)據(jù)挖掘　63
5.2.1　畫(huà)像數(shù)據(jù)挖掘整體架構(gòu)　63
5.2.2　用戶(hù)標(biāo)識(shí)　65
5.2.3　特征數(shù)據(jù)　67
5.2.4　樣本數(shù)據(jù)　68
5.2.5　標(biāo)簽建�！�69
5.3　用戶(hù)畫(huà)像應(yīng)用　83
5.3.1　用戶(hù)畫(huà)像實(shí)時(shí)查詢(xún)系統(tǒng)　83
5.3.2　人群畫(huà)像分析系統(tǒng)　87
5.3.3　其他系統(tǒng)　90
5.3.4　線上應(yīng)用效果　91
5.4　小結(jié)　91
參考文獻(xiàn)　91
第6章　POI實(shí)體鏈接　92
6.1　問(wèn)題的背景與難點(diǎn)　92
6.2　國(guó)內(nèi)酒店P(guān)OI實(shí)體鏈接解決方案　94
6.2.1　酒店P(guān)OI實(shí)體鏈接　94
6.2.2　數(shù)據(jù)清洗　96
6.2.3　特征生成　97
6.2.4　模型選擇與效果評(píng)估　100
6.2.5　索引粒度的配置　101
6.3　其他場(chǎng)景的策略調(diào)整　101
6.4　小結(jié)　103
第7章　評(píng)論挖掘　104
7.1　評(píng)論挖掘的背景　104
7.1.1　評(píng)論挖掘的粒度　105
7.1.2　評(píng)論挖掘的維度　105
7.1.3　評(píng)論挖掘的整合思考　106
7.2　評(píng)論標(biāo)簽提取　106
7.2.1　數(shù)據(jù)的獲取及預(yù)處理　107
7.2.2　無(wú)監(jiān)督的標(biāo)簽提取方法　109
7.2.3　基于深度學(xué)習(xí)的標(biāo)簽提取方法　111
7.3　標(biāo)簽情感分析　113
7.3.1　評(píng)論標(biāo)簽情感分析的特殊性　113
7.3.2　基于深度學(xué)習(xí)的情感分析方法　115
7.3.3　評(píng)論標(biāo)簽情感分析的后續(xù)優(yōu) 化與思考　118
7.4　評(píng)論挖掘的未來(lái)應(yīng)用及實(shí)踐　119
7.5　小結(jié)　119
參考文獻(xiàn)　119
第三部分　搜索和推薦
第8章　O2O場(chǎng)景下的查詢(xún)理解與 用戶(hù)引導(dǎo)　122
8.1　現(xiàn)代搜索引擎原理　123
8.2　精確理解查詢(xún)　124
8.2.1　用戶(hù)查詢(xún)意圖的定義與識(shí)別　125
8.2.2　查詢(xún)實(shí)體識(shí)別與結(jié)構(gòu)化　129
8.2.3　召回策略的變遷　130
8.2.4　查詢(xún)改寫(xiě)　131
8.2.5　詞權(quán)重與相關(guān)性計(jì)算　134
8.2.6　類(lèi)目相關(guān)性與人工標(biāo)注　135
8.2.7　查詢(xún)理解小結(jié)　136
8.3　引導(dǎo)用戶(hù)完成搜索　137
8.3.1　用戶(hù)引導(dǎo)的產(chǎn)品定義與衡量 標(biāo)準(zhǔn)　137
8.3.2　搜索前的引導(dǎo)查詢(xún)?cè)~ 推薦　140
8.3.3　搜索中的引導(dǎo)查詢(xún)補(bǔ)全　143
8.3.4　搜索后的引導(dǎo)相關(guān)搜索　145
8.3.5　效率提升與效果提升　145
8.3.6　用戶(hù)引導(dǎo)小結(jié)　149
8.4　小結(jié)　149
參考文獻(xiàn)　150
第9章　O2O場(chǎng)景下排序的特點(diǎn)　152
9.1　系統(tǒng)概述　154
9.2　在線排序服務(wù)　154
9.3　多層正交A/B測(cè)試　155
9.4　特征獲取　155
9.5　離線調(diào)研系統(tǒng)　156
9.6　特征工程　156
9.7　排序模型　157
9.8　場(chǎng)景化排序　160
9.9　小結(jié)　165
第　10章 推薦在O2O場(chǎng)景的應(yīng)用　166
10.1　典型的O2O推薦場(chǎng)景　166
10.2　O2O推薦場(chǎng)景特點(diǎn)　167
10.2.1　O2O場(chǎng)景的地理位置因素　168
10.2.2　O2O場(chǎng)景的用戶(hù)歷史行為　168
10.2.3　O2O場(chǎng)景的實(shí)時(shí)推薦　169
10.3　美團(tuán)推薦實(shí)踐推薦框架　169
10.4　美團(tuán)推薦實(shí)踐推薦召回　170
10.4.1　基于協(xié)同過(guò)濾的召回　171
10.4.2　基于位置的召回　171
10.4.3　基于搜索查詢(xún)的召回　172
10.4.4　基于圖的召回　172
10.4.5　基于實(shí)時(shí)用戶(hù)行為的召回　172
10.4.6　替補(bǔ)策略　172
10.5　美團(tuán)推薦實(shí)踐推薦排序　173
10.5.1　排序特征　173
10.5.2　排序樣本　174
10.5.3　排序模型　175
10.6　推薦評(píng)價(jià)指標(biāo)　176
參考文獻(xiàn)　176
第四部分　計(jì)算廣告
第　11章 O2O場(chǎng)景下的廣告營(yíng)銷(xiāo)　178
11.1　O2O場(chǎng)景下的廣告業(yè)務(wù)特點(diǎn)　178
11.2　商戶(hù)、用戶(hù)和平臺(tái)三者利益平衡　180
11.2.1　商戶(hù)效果感知　180
11.2.2　用戶(hù)體驗(yàn)　181
11.2.3　平臺(tái)收益　182
11.3　O2O廣告機(jī)制設(shè)計(jì)　183
11.3.1　廣告位設(shè)定　183
11.3.2　廣告召回機(jī)制　183
11.3.3　廣告排序機(jī)制　184
11.4　O2O推送廣告　187
11.5　O2O廣告系統(tǒng)工具　190
11.5.1　面向開(kāi)發(fā)人員的系統(tǒng)工具　190
11.5.2　面向廣告主和運(yùn)營(yíng)人員的 工具　192
11.6　小結(jié)　194
參考文獻(xiàn)　194
第　12章 用戶(hù)偏好和損失建�！�196
12.1　如何定義用戶(hù)偏好　196
12.1.1　什么是用戶(hù)偏好　196
12.1.2　如何衡量用戶(hù)偏好　196
12.1.3　對(duì)不同POI 的偏好　197
12.1.4　用戶(hù)對(duì) POI 偏好的衡量　197
12.2　廣告價(jià)值與偏好損失的兌換　198
12.2.1　優(yōu)化目標(biāo)　199
12.2.2　模型建模　199
12.3　Pairwise 模型學(xué)習(xí)　201
12.3.1　GBRank　202
12.3.2　RankNet　204
參考文獻(xiàn)　205
第五部分　深度學(xué)習(xí)
第　13章 深度學(xué)習(xí)概述　208
13.1　深度學(xué)習(xí)技術(shù)發(fā)展歷程　209
13.2　深度學(xué)習(xí)基礎(chǔ)結(jié)構(gòu)　211
13.3　深度學(xué)習(xí)研究熱點(diǎn)　216
13.3.1　基于深度學(xué)習(xí)的生成式模型　216
13.3.2　深度強(qiáng)化學(xué)習(xí)　218
參考文獻(xiàn)　219
第　14章 深度學(xué)習(xí)在文本領(lǐng)域的應(yīng)用　220
14.1　基于深度學(xué)習(xí)的文本匹配　221
14.2　基于深度學(xué)習(xí)的排序模型　231
14.2.1　排序模型簡(jiǎn)介　231
14.2.2　深度學(xué)習(xí)排序模型的演進(jìn)　232
14.2.3　美團(tuán)的深度學(xué)習(xí)排序模型 嘗試　235
14.3　小結(jié)　237
參考文獻(xiàn)　237
第　15章 深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)中的 應(yīng)用　238
15.1　基于深度學(xué)習(xí)的OCR　238
15.1.1　OCR技術(shù)發(fā)展歷程　239
15.1.2　基于深度學(xué)習(xí)的文字檢測(cè)　244
15.1.3　基于序列學(xué)習(xí)的文字識(shí)別　248
15.1.4　小結(jié)　251
15.2　基于深度學(xué)習(xí)的圖像智能審核　251
15.2.1　基于深度學(xué)習(xí)的水印檢測(cè)　252
15.2.2　明星臉識(shí)別　254
15.2.3　色情圖片檢測(cè)　257
15.2.4　場(chǎng)景分類(lèi)　257
15.3　基于深度學(xué)習(xí)的圖像質(zhì)量排序　259
15.3.1　圖像美學(xué)質(zhì)量評(píng)價(jià)　260
15.3.2　面向點(diǎn)擊預(yù)測(cè)的圖像質(zhì)量 評(píng)價(jià)　260
15.4　小結(jié)　263
參考文獻(xiàn)　264
第六部分　算法工程
第　16章 大規(guī)模機(jī)器學(xué)習(xí)　268
16.1　并行計(jì)算編程技術(shù)　268
16.1.1　向量化　269
16.1.2　多核并行OpenMP　270
16.1.3　GPU編程　272
16.1.4　多機(jī)并行MPI　273
16.1.5　并行編程技術(shù)小結(jié)　276
16.2　并行計(jì)算模型　276
16.2.1　BSP　277
16.2.2　SSP　279
16.2.3　ASP　280
16.2.4　參數(shù)服務(wù)器　281
16.3　并行計(jì)算案例　284
16.3.1　XGBoost并行庫(kù)Rabit　284
16.3.2　MXNet并行庫(kù)PS-Lite　286
16.4　美團(tuán)并行計(jì)算機(jī)器學(xué)習(xí)平臺(tái)　287
參考文獻(xiàn)　289
第　17章 特征工程和實(shí)驗(yàn)平臺(tái)　290
17.1　特征平臺(tái)　290
17.1.1　特征生產(chǎn)　290
17.1.2　特征上線　293
17.1.3　在線特征監(jiān)控　301
17.2　實(shí)驗(yàn)管理平臺(tái)　302
17.2.1　實(shí)驗(yàn)平臺(tái)概述　302
17.2.2　美團(tuán)實(shí)驗(yàn)平臺(tái)Gemini　304