首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

商品标题实体识别

比赛链接 https://www.heywhale.com/home/competition/620b34ed28270b0017b823ad/content/3 1 赛题背景 京东商品标题包含了商品的大量关键信息...,商品标题实体识别是NLP应用中的一项核心基础任务,能为多种下游场景所复用,从标题文本中准确抽取出商品相关实体能够提升检索、推荐等业务场景下的用户体验和平台效率。...本赛题要求选手使用模型抽取出商品标题文本中的实体。 与传统的实体抽取不同,京东商品标题文本的实体密度高、实体粒度细,赛题具有特色性。...值得注意的是实体不仅仅与实体词有关,而且与当前标题所售卖商品有关。...举例说明,一个售卖产品为手机壳的商品标题中出现的“iPhone13”与售卖产品为手机的商品标题中出现的“iPhone13”为不同的实体标签。

1.7K20
您找到你想要的搜索结果了吗?
是的
没有找到

同款商品识别的克星--ArcFace!

ArcFace: Additive Angular Margin Loss for Deep Face Recognition(CVPR2019) 简 介 利用深度卷积神经网络(DCNNs)进行大规模人脸识别特征学习的一挑战是设计合适的损失函数以提高识别能力...在本文中,我们提出了一个附加的角Margin损失(ArcFace)来获得高分辨的人脸识别特征。由于与超球面上的测地距离精确对应,所提出的弧面具有清晰的几何解释。...背 景 目前训练人脸识别的DCNN方案主要有两种: 训练一个多分类器,它可以将训练集合中的不同实体分开; 训练embeddings,例如triplet loss。...但是softmax的loss和triplet loss都存在一些缺点, 对于softmax来说: 线性转化矩阵和是线性相关的; 学习得到的特征对于闭集分类问题是可分离的,而对于开集人脸识别问题,学习到的特征是不可分辨的...Inter-Loss 这边是减去后面的项,所以我们需要减去的项尽可能,也就是尽可能,也就是不同类之间尽可能的角度

3.1K10

有此方案在手,活动不用愁!

基于微信生态下的获客转化成为众多电商、新零售等企业的主战场之一,基于小程序 / 公众号 H5 / 视频号等微信场景下的节日、直播带货、整点「秒杀」等营销活动,再通过企业微信搭建私域用户流量池,早已成为众多电商...更低成本 活动专属资源包服务配置,实用实收,降低核心服务资源投入。 02....或 识别 / 扫描下方二维码,提交信息,我们将在 1-3 个工作日内与您联系,沟通了解更多业务场景信息,为您提供更加匹配适合的套餐方案。...GitHub: github.com/serverless 官网: cloud.tencent.com/product/serverless-catalog 点击「阅读原文」,了解更多营销一站式解决方案详情

4.3K40

618技术揭秘:弹窗搭投实践

Tech 导读 弹窗作为非常重要的营销触达手段被各业务广泛应用,本文主要介绍 “XView 营销弹窗搭投系统” 关于快速搭建、投放配置营销弹窗能力的实现原理,以及在 618 等重要场景中的应用和实践...618 来了,对于业务团队来说,最重要的事情莫过于各种营销。如会场、直播带货、频道内营销等等。...而弹窗作为一个极其重要的强触达营销工具,通常用来渲染氛围、引流主会场、以及通过频道活动来提升频道复访等。...通过以上分类的梳理,从业务视角来看,功能性的弹窗在中的重要性是其次的,而主要是营销类的弹窗,它们往往具备以下特点: 突发创意/需求:偶然的创意玩法,或突发的外部业务需求,时效性要求高,即上线时间不可逾期...配置接口编号及请求参数 4.搭建设计器中配置输出变量与组件属性的绑定关系 在上图案例中,通过接口的编排和配置,XView 将图中所示 “接口1” 作为数据源,此接口输出标准化命名的变量,让搭建设计器可以识别变量的意义并展示为中文提示

22820

人脸识别还敢闯红灯?人工智能智慧城市

对闯红灯行为现场抓拍 不过随着人脸识别技术的发展,这个管理难点有可能被攻破。最近,广东、山东、江苏一些城市开始在交通路口,启用人脸识别系统,对行人和非机动车闯红灯进行抓拍,并且现场曝光。...可识别身份信息 除了现场回放,交管部门还将连接户籍信息进行曝光。在宿迁市中心的世纪大道和洪泽湖路交叉口,屏上正滚动播放着最近一段时间这个路口市民闯红灯的现场图片。...宿迁公安局交警支队副支队长夏建设:屏上的显示大家都能看到,有的人在闯红灯以后会主动打我们交管部门的电话,情愿接受处罚,保证下次不再闯红灯了,让我们把他的照片撤掉。...目前,宿迁已在10个路口安装人脸识别系统,曝光了580人次的行人和非机动车闯红灯行为,人脸识别准确率超过90%。 人脸识别准确率超90% ?...最近,济南也开始启用人脸识别系统。 ? 不仅抓拍取证 还能识别身份信息 ? 当红灯亮起时,若有行人越过停止线,系统会自动抓拍4张照片,保留15秒视频,并截取违法人员头像。

1.1K00

NER | 商品标题属性识别探索与实践

---- ©作者 | 康洪雨 单位 | 有赞科技 研究方向 | NLP/推荐算法 来自 | PaperWeekly 最近一段时间在做商品理解的工作,主要内容是从商品标题里识别商品的一些属性标签,包括不限于品牌...▲ 商品理解示例,品牌:佳丰;口味:蒜香味 本文主要记录下做这个任务上遇到的问题,踩的坑,模型的效果等。...主要内容: 怎么构建命名实体识别(NER)任务的标注数据 BertCRF 训练单标签识别过程及踩坑 BertCRF 训练超多标签识别过程及踩坑 CascadeBertCRF 训练超多标签识别过程及踩坑...而且抽出的字一般都是标题前 1、2 个字,这与商品品牌一般都在标题前面有关。...多标签样本是指一个标题中包含多个标签,比如下面这个商品包含 5 个标签。

2K20

电商GMV和支付规模预测

在电商时,为了能够合理地制定KPI、高效地商品备货和营销资源的安排,都通常都需要对这次大的GMV和订单规模做预测,避免出现诸如产品断货或者过剩、人员效率不高等问题,导致客户流失未能成交。...这里很明确的,我们就是要预测某个大时间段的GMV,做本次预测的核心目标是,让业务方做好对促销资源投入的评估,最终实现投入资源的合理分配。...在传统的预测中,通常是基于历史GMV趋势做预测的,衡量的是历史期相对平销期流失爆发度,计算公式是本次大GMV=前平销期GMV*爆发系数,其中,前平销期GMV可以通过时间序列模拟获得,而期间的爆发系数通常是基于业务经验做推断获得的...但是通过这种方法发现,最终结果的不可控因素非常多,比如业务经验是否足够,时间序列周期的选择和模型的选择,最重要的是,这种预测放大是无法识别出不同用户的购买意向,也就做到之前的核心目标,不便于优化投入的资源分配和细化策略...这样,预测的输出结果就明确了,首先是用户id,用于用户的分类,例如基于此,可以将用户分为A组、B组等;其次是不同分类用户的购买概率,例如A类、B类客户购买概率分布是多少;最后是的购买金额。

6.1K40

电商,性能测试都在做什么?

电商期间剧增的流量,对电商平台相关的软件系统也带来了更严峻的挑战。 比如秒杀抢购活动要求高并发处理能力,核心业务流程要求更好的可用性以及稳定性,为了需要精确的对线上服务扩容做容量规划等等。...这篇博客,来聊聊电商期间,性能测试工程师都在做哪些事情。。。 PS:由于某些原因,这篇博客延期了将近一个月才发布,不过即将为双十一做准备,到时候会更一篇更详细的博客来说明具体的细节。。。...由于时间紧任务重,为了保证在期间系统能稳定运行,需要梳理出核心的业务。如下图: ?...②、除了核心业务流程,还有时会有一些抢购秒杀抽奖等活动,这类型的业务一般具有短时间内流量剧增,商品优惠券数量有限下的超卖现象,因此需要考虑高并发和超卖问题。...对于我司来说,第一次大力度的,只能通过高峰流量来进行倍增预估,然后做好随时扩容的准备。 4、渠道引流转化量 鉴于业务特性以及商务合作方面,有时候会有其他合作渠道的引流。

4.2K11

数据库如何应对保障活动

“功夫在诗外”,同样,活动下数据库稳定、顺畅的运行,主要工作在前的准备上,所以,准备工作是重点。 一.前准备工作 1.对活动应该尽可能地去了解,去熟悉。...包括业务模式、业务流程以及可能产生的订单量、预估峰值、预估的波峰时间、是否有爆款商品等。此外,还应对参与本次大活动的参与方有所了解,特别是IT部的主要参与人员,保证跨部门协同精准、顺畅。...针对最大性能,在前端做一个流量限制,特别是在商品展示、购物车、支付等功能上。流量限制,既保证了用户体验,也防止过去的数据请求将Cache、DB拖累至宕机。...12.评估期间应用部署变更可能对数据库造成的影响。比如,为应对活动的系统请求,SA可能会增加应用的部署。 13.期间数据库性能阈值预估。...6.记录过程中出现的主要异常。 三.后复盘 1.完善补充促使用的链路图,完善没有想到的节点。 2.收集汇总期间出现的问题点。

6.7K00

“618”你准备好了吗?

流量高峰期,一旦出现商品页面加载缓慢、抢购失败,立即下单报错,购物车内添加的商品丢失等问题,用户就会对平台,乃至品牌本身产生“心理阴影”,那么我们该如何对系统进行“彻查”,才能保障期间用户的顺滑体验呢...一到心就慌?...诉求1   在期间,服务器承压往往是个重大的考验,而很多企业往往会忽视压力测试这一环节,没有正确预估系统能承载的最大流量,或是虽然提前做了压测,但由于没有清晰完整的压测规划和完善的应对方案,并没有真正了解各链路的承载能力...WeTest压测大师领航智慧零售行业解决方案   为保障活动顺利开展,WeTest“压测大师”专家团队为企业打造零售行业服务器性能解决方案,能够有效解决零售品牌数字化转型过程中涌现的系统性能瓶颈,...目前,压测大师已为潮宏基、匡威、蒙牛等知名品牌提供过大前的压测专家服务,帮助企业高效解决性能瓶颈问题,保障期间核心系统的稳定性。

5.5K20

智慧零售商品识别系统方案解析,15分钟上手商品识别AI模型

2 基于EasyDL零售版的商品识别方案 将终端数据转化为数字资产 百度飞桨EasyDL零售版,针对快消零售业提供专业版服务,实现了低成本、高精度获取商品图像识别模型,完成智能化的店内陈列与费用核销。...通过 EasyDL 零售版,可以训练包含但不限于本品 SKU、竞品 SKU、POSM 助销物料、价签与价格等识别对象。...同时,还配套提供货架拼接、翻拍识别、空位识别商品陈列层数识别商品陈列场景识别等通用能力,从业务实际需求出发,有效获取网点真实商品分销和陈列数据,推动实时预警、及时跟进的市场策略落地,帮助快消品牌商顺利完成经营模式的数字化转型

1.3K10

【深度学习】同款商品识别的克星--ArcFace!

利用深度卷积神经网络(DCNNs)进行大规模人脸识别特征学习的一挑战是设计合适的损失函数以提高识别能力。...在本文中,我们提出了一个附加的角Margin损失(ArcFace)来获得高分辨的人脸识别特征。由于与超球面上的测地距离精确对应,所提出的弧面具有清晰的几何解释。...目前训练人脸识别的DCNN方案主要有两种: 训练一个多分类器,它可以将训练集合中的不同实体分开; 训练embeddings,例如triplet loss。...Inter-Loss 这边是减去后面的项,所以我们需要减去的项尽可能,也就是尽可能,也就是不同类之间尽可能的角度。...本文提出了一种Additive Angular Margin Loss ,该函数能有效地提高DCNNs学习的特征嵌入在人脸识别中的判别能力。

2.2K40

转化率精准预估优化论文随笔记

这是一篇阿里妈妈的论文【KDD’23 | 转化率预估新思路:基于历史数据复用的转化率精准预估】 常规的销量预测,遇到一些特大事件,直播、,一般很难预估得准确。...论文地址: https://arxiv.org/pdf/2305.12837.pdf 只在此摘录一些片段: 1 片段一:预估不足的原因 直接原因:周期内用户转化行为突变(五花八门的电商机制:...10小时的真实CVR均值 3 期间 分布相似数据的搜寻 找到当下,相似的历史“促销”数据,包括双11,618,双12等等时间点 寻找的方式就是构建时序向量,然后求相似。...第一个是查找与99相似的促销。我们检索到的前两个日期是2022年8月8日的88,以及2022年6月14日的618二峰,CVR也都比较接近。第二个例子是寻找与88促销相似的促销。...我们检索到的Top2结果是2022年7月12日的狂暑季,以及7月31日的七夕节(没有检索到99是因为88发生在99之前)。同时,我们还随机展示了一个低相似度的非日期。

36530
领券