| 广告位 后台主题配置管理 |
| 广告位 后台主题配置管理 |
| 广告位 后台主题配置管理 |
| 广告位 后台主题配置管理 |
本篇文章给大家谈谈老鸿SEO，以及老鸿运物流电话对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。
百度：在中文搜索领域做的还不错，收录的中文网页比谷歌稍多。低学历，非IT专业人士使用较多。
谷歌：技术含金量最高的搜索引擎。全球性的搜索引擎，市场占有全球第一。但其中文搜索退出大陆搬到香港后，大陆使用不太稳定。目前大陆的使用者主要是高学历、高收入、高消费的20~35岁的人士。IT届人士使用较多。需要搜索外文的也都用谷歌。
雅虎：相对于前者，雅虎的搜索技术已落后了，但其提供的内容非常丰富，类似门户网站。
一：线上推广
即网络上的推广，大部分站长都是通过线上这种方式来进行网站推广。线上推广成本比较低，当然如果你要做类似新浪这种门户的广告的话除外。在这里我先总结一下几种常见的推广方式，然后再来说一下比较新颖的推广。常见的推广方式如下：
1、 QQ推广。这个是用过最多的小技谅之一，对于美女图片站这些用这个方法来推广还是有一定的效果，主要是要注意推广的对象是否准确。比如交友网站可以到交友QQ群中埋伏一段时间，再来逐步发消息，一般消息不要直接发在QQ群里，可以用QQ群邮件发，如果QQ群邮件没有开通只有逐个人发，相当的累人，但如果客户针对性强的话效果还是不错，比如做的一个站长类的查询工具站，你发消息的对象是站长的话一般还是能留住人，前提是你的站真实有用。
2、 邮件推广。这个用的最多也是最老套的推广方式，直到现在还依然有大量人在用，因为它还是有效果的。做邮件推广更应该注重客户的针对性，如果针对性不强效果非常差，绝对不能直接发一个网址过去而不有其他的内容，你想一想有谁敢点这个链接?要做邮件推广一定要在邮件内容上花足功夫。
3、 付费广告推广。百度竞价、谷歌adsense等等都是一种付费广告方法，通过付钱带来一定的流量，这种方式一般适合企业来进行推广，一般站长资金不够充裕，无法做付费广告，但由于某些特定的词能带来巨大的利益，比如股票这个词，排在百度第一点一次需要支付20多元人民币，采用付费推广的还是非常多。如果小站长要进行付费广告的话可以选择阿里妈妈，针对某一个站的某一个位置来购买，那些精准性高，效果比较好。
4、 软文推广。通过软文来进行网站推广已经是为广大站长属熟悉的手段，并且很多人都在这样做，A5就是这样一个供广大站长展示软文魅力的非常不错的平台。虽说软文带来的外链比较不错，但还是不能完全只靠软文这一种方式来推广，毕竟内链的权重比不上首页，而且很多站长都写不出多少软文，就更不用谈出色的软文了。
常见的推广就不再多说，还有很多，现在我来讲一下比较新颖更有效果的推广方式：
1、 制作比如电子书。自己制作电子书供别人使用，电子书里面自然可以放上你的网站链接，如果电子书制作的好。下载量非常大的话那就相当于非常多的人知道了你的站点。
2、 制作小插件。指的是校内网、51、开心网等等这些社区的小插件，如果你技术不错，可以制作的话，给你带来的效益也是非常乐观的，带来的流量绝对可以用震惊这个词来形容。
3、 制作各种有用的软件工具。现在的下载网站都会有一个homepage的链接，指向软件的官方网页，你可以自己开发或者请人开发各种小软件，然后提交到各大下载站，收录后如果你的软件不错，下载量非常可观，当然在软件中肯定有我们的网站名称及网站或者链接，理所当然给我们带来了最精准的流量。
4、 口碑推广。这一点非常难做，但是如果你的网站内容非常好，访客会自己帮你推广网站，这就要求你的网站实用性非常强，能给访客带来实实际际的帮助。在这里我们要注意，网站上一定要有你的联系方式，或者是网站客服的联系方式，而且联系方式不应弄成邮件形式，一定要用电话或者QQ，这样可以马上找到你。试想一个连联系方式都没有的网站有何信任可言?而你对于每一位联系你的访客都要像真正的客户一样来对待，应该比10086的客服更热心，因为这毕竟是直接给自己带来收益。真心的对待每一位访客，日积月累，你的网站口碑会越来越好。
更多的线上推广方式可以来我的博客与我探讨，希望能找到一种或者几种最适合你的线上推广方式。
二：线下推广
线下推广非常适合定位准确的网站，比如地方网站，因为地域针对集中，客户群也集中，成本和效果控制得会更好。这里介绍几种线下推广的方式：
1、 发宣传单。最常见了，只要针对性强，效果还可以。可以印刷一些精美的传单，穿上印有网站名称的T恤，再发放一些小礼品，比如印有网站名称或者网址的圆珠笔，笔记本之类，成本不高。
2、 做公交站台广告。地方性站做站台广告根据广告牌的大小一般价格在300-3000一块，像我们的网站没必要像电信一样做得到处都是，而且都是些大副版面，我们可以选择一些一个月300-800块的广告牌，投放一段时间，不一定要一直投放，你是一个地方性站一定就要本地的人了解你的站点，相信公交站台广告牌广告能对你网站的知名度或者权威度都有很好的提升，因为人们总会觉得贵的东西总是好的，你跟电信的广告牌在一起也会认为你的网站是权威的。
3、 赞助活动。高校一般都有学生会外联部来找赞助，可以赞助个两三千块钱，然后发给他们印有网站标志的T恤，让他们来宣传一下。
4、 定期举办活动。这个主要是看网站的性质，比如是地方交友的网站可以举办一些联欢会，邀请一些美女参加，然后以此为嘘头来宣传。
线下推广方式非常多，主要一点是你有这个时间和一定的资金预算，否则也很难成事。
最后总结一下：网站推广无所不在，注意你身边每一个细微的事，可能都是一个推广你网站的好机会。
把握机会，让我们的网站人人皆知!你要相信，没人会笑话你的鸿图大志。
网站推广暂时就说到这里，下一篇将带来《SEO中级教程：网站内部结构优化》，通过这几个教程的发布我发现有好多站长朋友不够谦虚，总以为自己什么都是，别人什么都不是，人家把好的东西分享给你，你接受或者不接受就算了，却还指指点点，难道是怕其他的人学走了吗?昨天我在A5发布了一篇文章《今天我奖励了女朋友一台服务器》，估计好多站长看着很不服气，为什么呢?难道是因为一个业余的小女子都能够将一个网站做到上万IP，而有些专职站长都做不到，心里不是滋味?我觉得我们站长的心态要放好。
思维制胜：再任何团队中都有一位或多位有着非常聪明的头脑的人在支撑，他们之所以聪明就是因为有着非不寻常的思维，这些人通常都喜欢研究，喜欢钻研，喜欢测试，喜欢琢磨，而在seo领域中最赚钱的人他们在干什么，他们根本就没有去优化网站，以为网站完全可以让别人帮助他优化，他们在利用自己的思维想策略，想更深远的赚钱之路，所以seo赚钱秘笈之一就是思维，没有思维不可怕，可怕的是你连想都不敢想，所以要勇于用脑，善于思考，看别人利用seo赚钱的方法想自己如何做的更加轻松赚钱，看到一个成功利用seo轻松赚钱的人，我们应该想者怎么样做能超越他，能更轻松的赚钱呢？
I don't care —— 2NE1 中文音译歌词
你哦必森摸等秘思特歌
那呢切得路用so梦特
每一哈路为搜夕碰
ko秋一呢嫩得碰
ko哈几啊嫩各梦噶它 oh
库得亲姑啦呢苏码你要家亲姑
那多噶其森噶卡机码啊无来历法尔
衣增你忙赞路he
那米料嫩发你呢
它增张忙萨朗e嫩得 oh
卡特洗苏来其一秋那各咯
洗各你se表卡自洗吧
囊不卡冷牛 恰一嫩已不咯 no
I don't care 忙哈le
你噶哦第啊森么哈东一再亲码桑瓜
阿哈ge kio秋le
一再哇无不无不没噶你就码
Cause I don't care...
I don't care...
Cause I don't care...
I don't care...
boy,I don't care
要家低率打你率鸿秋不你
你噶诺木诺木寒心he
没一被弄呢送不另
拿不来啊搜给皮
托一桑木秋木各噶他 oh
男家de啊你啦d苏码你哪一亲谷
那诺de么亲姑de噶几擦一阿吉吗
恰拉力鸿噶不呢
诺也给冷瓜不呢
呢萨朗伊洛米多嫩de oh
ong呢多吧各大不码哈恩诺
呼吸那恰那e不几码
要不洗提e搜哟家恩斯苏里噶de料 oh no
I don't care 忙哈le
你噶哦第啊森么哈东一再亲码桑瓜
阿哈ge kio秋le
一再哇无不无不没噶你就码
Cause I don't care...
I don't care...
Cause I don't care...
I don't care...
boy,I don't care
Rap：
那诺得没无妙基色东把么gi要ki波
多互为哈噶森噶卡妙妈咪洗哇呢波
那逻辑给那噶个噶gi音洗洗呀加你
一丝得就哈几诺为一切哇么大里你
so噶及ko几码们he多非被吧
哦哪一户多那男家无力你被girl
一在农木哈吧五多不搜必无so
萨朗一大ki搜不路so
无力酷酷他们桑你无秋
and路啦配搜汤将各就
I don't care 忙哈le
你噶哦第啊森么哈东一再亲码桑瓜
阿哈ge kio秋le
一再哇无不无不没噶你就码
Cause I don't care...
I don't care...
Cause I don't care...
I don't care... boy,I don't care
2NE1的I DON'T CARE歌词的中文
CL:hey playboy, it's about time and your time's up.
I had to do this one for my girls you know,
sometime you gotta act like you don't care.
that's the only way you boys learn
I Don`t Care-2NE1
你领口上沾染的口红印 我绝对无法容忍
每一天几十次挂断的手机
却好像不会改变 oh oh
那许多号称只是朋友的女朋友
别以为我和她们一样 I want let it bye
现在由我做主 我要抛下迷恋
以前曾那么爱过你 oh
偶尔喝醉了打来电话 现在是凌晨五点半
你又在喊着其他女生的名字 no
I don't care 够了 你在哪里做什么
现在真的跟我无关 离我远点
不要现在才来缠着我哭诉求饶
cause I don't care e e e e e e
I don't care e e e e e e
cause I don't care e e e e e e
I don't care e e e e e e
Boy I don't care
偷瞟其他女生的腿的你
让我实在太心寒了
每天假装单身 瞒着我去的联谊
我再也无法忍受了 oh oh oh
我的朋友们都说你不适合我
为了你 我还被朋友们抱怨
倒不如放手 说我对你太过于在意
还曾经坚信你是我的爱 oh oh
今天你也说没时间 虽然打过电话给我
却果然在你身边听到了女生的笑声 oh no
I don't care 够了 你在哪里做什么
现在真的跟我无关 离我远点
不要现在才来缠着我哭诉求饶
cause I don't care e e e e e e
I don't care e e e e e e
cause I don't care e e e e e e
I don't care e e e e e e
Boy I don't care
我还记得那些为了你哭泣到清晨的夜晚 boy
想到后悔的你 心里舒服多了 boy
放了我又可惜 不放却又觉得无聊吗
拥有时就该珍惜的 你现在为何还来缠着我
光是受骗过的谎话就有几百次
从今天起我是让男人哭泣的bad girl
往后不掉一滴眼泪 把你嘲笑
爱情游戏中的loser
以为跪下求饶就能得手了吗
还是从我眼前立即消失吧
I don't care 够了 你在哪里做什么
现在真的跟我无关 离我远点
不要现在才来缠着我哭诉求饶
you know I don't care e e e e e e
I don't care e e e e e e
you know I don't care e e e e e e
I don't care e e e e e e
Boy I don't care ~~这有还有歪词！！练唱的话好用！！
姓名：陈心语 学号：21009102266 书院：海棠1号书院
转自： 人工智能在搜索中的应用_u014033218的专栏-CSDN博客
人工智能在搜索的应用和实践_qq_40954115的博客-CSDN博客
【嵌牛导读】日常生活中的搜索和推荐算法也与人工智能有所关联，让我们一起来看看吧！
【嵌牛鼻子】人工智能运用于搜索和推荐算法。
【嵌牛提问】人工智能在搜索和推荐算法中有什么运用呢？
【嵌牛正文】
智能交互
智能交互有三个方面的这部分组成，第一个就是Query推荐，这是比较古老的课题；第二个做智能导购，这是现在正在做的一个原形，后面我会讲为什么做智能导购；第三个内容的展示和个性化的创意。就是说你把商品怎么展示给用户，也是我们认为是交互的一部分。
第一个是Query推荐，这个问题怎么来抽象呢？Query推荐是一个用户当前Query下面我们怎么推荐其它Query，这是我们相关搜索一样的。我们推荐这样的一个Query以后，如果用户一旦点了其中的一个Query，用户的状态就会发生变化，从当前的Query跳到另外一个Query，这是用户状态的变化。第二个就是说我们怎么评价我们推荐的Query的好坏，它由几部分组成，一个Query有没有被点，第二个就是说推荐Query里面，它的SRP页会不会点，因为Query推荐本质上不是Query推荐做的最好就是最好的，它是说最终要在搜索SRP用户有没有买，有没有点击，这才是做的好的，这是第二个收益。还有一个更加间接的，通过Query推，这个状态转到下一个状态以后，这个里面还会推其它Query，还会有其它点击，这个时候也是个间接推荐。如果我不推Query就不能到这个状态，不到状态不会有这个Query，不会有这个收益。我们了解，这就是典型的一个马尔科夫决策过程，我们是用强化学习来做的，Actions就是我们的Query list，根据用户和当前Query推荐其他Query，状态就是User + Query，收益就是包括推荐Query击，还有一个间接收益，间接收益通过bellman 公式可以算出来，这就是一个DQN的强化学习项目。
智能导购
现在的搜索呈现的问题就是说，如果去看搜索的Query都是一些品类词、品牌词、型号词或者属性词。假定用户他知道买什么再来搜索搜，但是有各很大的东西用户不知道买什么吗？智能导购就是做做一个类似智能导购机器人的产品，引导用户怎么搜，用户也可以主动问，获取知识或购物经验。这是后台的算法的一个原形，不久后会上线。
智能内容
因为淘宝的商品，卖家为了适应我们的引擎，做了大量的SEO，里面都是罗列热门的关健词，导致问题淘宝的标题没什么差异，都写的差不多，看标题也不知道什么东西，或者知道但里面没有很多特色的内容。我们做智能内容很重要的出发点是怎么从商品的评价、详情页、属性里面挖出一些比较有卖点，或者商品比较有特色的东西展示给用户，让用户更好的了解商品，这是第一个。第二个淘宝上面还有类似商品聚合的，比如清单，生成一个清单，怎么给清单生成一个比较好的导入的描述，让用户描述这个清单干什么。这里面主要做了这两个事情。具体怎么做的？一个会生成一些Topic，比如行业运营加上我们挖的一些点，比如像手机一般大家关注点会是手机的性价比，拍照是不是清晰，还有速度是不是快，是不是发热什么的，这是用户关注的兴趣点。然后它会根据这个商品会选择一个兴趣点，通过Seq2seq生成短文本。
语义搜索
我们的商品属性基本上是比较标准化的，因为这里淘宝有一个这样的商品库，非标准化的内容是没法上传的。导致的问题是我们的商品内容相对来说是比较规范化的，但是用户的输入的Query不是这样的，比如我这里举一些例子，比如一个新品有各种表达，2017新品，2017冬季新品，是吧？新品，有很多的表达。所以就是从从用户的需求跟商品的内容，就存在了一个语义的Gap。还有我们经常举例，比如三口之家用的电饭锅，很多这种语义的问题，这个语义从语义角度解决语义Match的事情。
大概会有这么几个方面。比如一个就是意图的理解，还有意图的Mapping，比如大容量冰箱，首先知道大的是跟冰箱的容量相关的，冰箱是个类目，最后要Mapping到人的冰箱，把‘大’改写成一个容量大于多少升，类目是冰箱这样才能够比较好的解决我们这个搜索的这个召回的问题。 第二个语义理解，这里面包括Query和商品都要做语义理解，比如通过image tagging计算从图片里面抽取很多文本的语义标签补充到商品文本索引中。 第三个就是现在有这个端到端的深度学习技术来直接学Query和商品的Similarity，通过端到端的深度学习技术来做语义的召回和语义的相关性。
智能匹配
主要就是讲个性化，做个性化的首要就是个性化数据。个性化本质上就是说以用户为中心构建用户的标签，用户的行为，还有用户的偏好，再通过这些数据找到，去Match到商品，比如说你看过相似商品，典型的协同过滤，还有你偏好的品牌的其它商品。那就是基于这些经历了一个以用户为中心的电商图谱，这里面还加了一些辅助的数据，比如商品的相似度，店铺之间的相似度，这样构建了我们这样的叫电商图谱。
个性化召回与向量化召回
召回是这样的，首先从咱们的电商图谱里取出用户的信息，包括比如说年龄性别，还有当地温度是多少，还有行为足迹等等之类的，社交现在没用了，因为这是几年前社交特别火，什么都要掺和一下，其实社交，信息的社交到电商其实风马牛不相及的领域，没有任何价值。所以现在好友这东西几乎没有用。因为不同Query中，用户信息重要性是不一样的，我们根据上下文会做用户信息的筛选或者排序，会找出比较重要的信息做个性化召回。以上是淘宝商品索引结构，传统的搜索关键字是通过搜索关键字召回，而个性化商品索引，除了Query还会有商品簇，簇与簇之间的关系，品牌店铺等等之类的，会加很多个性化的特征做召回，通过这种带的好处是召回的结果跟用户是直接相关的，就召回这一步带来个性化。
但是这种基于行为召回还是存在一个问题的。最重要的问题它的泛化能力会比较差。最典型的比如说你通过协同过滤来做，如果两个商品，没有用户同时看过的话，这两个商品你认为他们相似度是零，这个结论是错的，但是如果通过协同过滤就有这个问题。我们今年实现了向量化召回，包括两步：一个是Similarity learning，通过这个深度学习做端到端的Similarity learning，就会把这个我们的User 和Item会变成一个向量；第二步就是做向量化召回，比如层次聚类，随机游走，learning to hash等,这样的话就是说会极大的提升召回的深度。
个性化工作
在个性化领域其实最重要的一个核心的问题就是怎么去理解用户，怎么感知用户和预测用户行为及偏好。
首先是数据，用户在淘宝有两个中类型重要的基本信息：一个是用户标签，比如年龄、性别、职业等；第二是用户足迹，比如 点过，买过的商品，店铺等；
其次是用户感知要和搜索上下文相关，即这个用户的表征和要用户搜索意图相关；
第三是搜索有很多差异化的任务，比如用户消费能力的预估， User到Item的CTR预估和用户购物状态预估等，是为每个任务做个端到端的深度学习模型还是用统一的用户表征来完成不同的Task？如果每一个任务都做端到端深度学习会有很多问题，比如离线和在线的性能开销会大很多，或部分任务样本太少。
如图是用户感知深度模型，输入X是用户的点击行为序列，下一步是embedding，embedding完以后，通过LSTM把用户行为序列做embedding，因为在搜索用户感知和Query相关，所以加入query 的 attention层，选择和当前query有关系的行为，表征完是Multi-task learning 网络。整个这个网络的参数大概有一百亿个参数，我在双11我们还实现了在线学习。
算法包括智能交互、语义搜索、智能匹配和搜索策略四个方向。
智能交互
商品搜索就是带交互的商品推荐，用户通过关键字输入搜索意图，引擎返回和搜索意图匹配的个性化推荐结果，好的交互技术能够帮助到用户更好的使用搜索引擎，目前搜索的交互主要是主动关键字输入和关键字推荐，比如搜索框中的默认查询词和搜索结果中的文字链等，推荐引擎根据用户搜索历史、上下文、行为和状态推荐关键字。和商品推荐的区别是，关键字推荐是搜索链路的中间环节，关键字推荐的收益除了关键字的点击行为外，还需要考虑对整个购物链路的影响，包括在推荐关键字的后续行为中是否有商品点击、加购和成交或跳转到另外一个关键字的后继行为，这是一个典型的强化学习问题，action 是推荐的关键字候选集合，状态是用户当前搜索关键词、上下文等，收益是搜索引导的成交。除了被动的关键字推荐，我们也在思考搜索中更加主动的交互方式，能够做到像导购员一样的双向互动，主动询问用户需求，挑选个性化的商品和给出个性化的推荐理由，目前我们已经在做智能导购和智能内容方向的技术原型及论证，智能导购在技术上主要是借鉴对话系统，通过引导用户和引擎对话与关键字推荐方式互为补充，包括自然语言理解，对话策略，对话生成，知识推理、知识问答和商品搜索等模块，功能主要包括：a. 根据用户搜索上下文生成引导用户主动交互的文本，比如搜索“奶粉”时，会生成“您宝宝多大？0~6个月，6个月到1岁….”引导文案，提示用户细化搜索意图，如果用户输入“3个月”后，会召回相应段位的奶粉，并在后续的搜索中会记住对话状态“3个月”宝宝和提示用户“以下是适合3个月宝宝的奶粉”，b. 知识导购，包含提高售前知识问答或知识提示，比如“3个月宝宝吃什么奶粉” 回答“1段”，目前对话技术还不太成熟，尤其是在多轮对话状态跟踪、知识问答和自动评价几个方面，但随着深度学习、强化学习和生成对抗学习等技术在NLP、对话策略、阅读理解等领域的应用，越来越多的训练数据和应用场景，domain specific 的对话技术未来几年应该会突飞猛进；智能内容生成，包括生成或辅助人工生成商品和清单的“卖点”，短标题和文本摘要等，让淘宝商品表达更加个性化和多元化。
语义搜索
语义搜索主要是解决关键字和商品内容之间的语义鸿沟，比如搜索“2~3周岁宝宝外套”，如果按照关键字匹配召回结果会远小于实际语义匹配的商品。语义搜索的范围主要包括：a. query tagging和改写，比如新品，年龄，尺码，店铺名，属性，类目等搜索意图识别和归一化，query tagging模型是用的经典的序列标注模型 bi-lstm + CRF，而标签分类（归一化） 作为模型另外一个任务，将序列标注和分类融合在一起学习；b. query 改写，主要是计算query之间相似度，把一个query改写成多个语义相似的query，通常做法是先用不同改写策略生成改写候选query集合，比如词替换、向量化后top k、点击商品相似度等，然后在用ltr对后续集合排序找出合适的改写集合，模型设计和训练相对简单，比较难的是如何构建高质量的训练样本集合，线上我们用bandit 的方法探测部分query 改写结果的优劣，离线则用规则和生成对抗网络生成一批质量较高的样本； c. 商品内容理解和语义标签，通过商品图片，详情页，评价和同义词，上下位词等给商品打标签或扩充商品索引内容，比如用 image tagging技术生成图片的文本标签丰富商品内容，或者更进一步用直接用图片向量和文本向量融合，实现富媒体的检索和查询；d. 语义匹配，经典的DSSM 模型技术把query 和商品变成向量，用向量内积表达语义相似度，在问答或阅读理解中大量用到多层LSTM + attention 做语义匹配，同样高质量样本，特别是高质量负样本很大程度上决定了模型的质量，我们没有采样效率很低的随机负采样，而是基于电商知识图谱，通过生成字面相似但不相关的query及相关文档的方法生成负样本。从上面可以看到query tagging、query相似度、语义匹配和语义相关性是多个目标不同但关联程度非常高的任务，下一步我们计划用统一的语义计算框架支持不同的语义计算任务，具体包括1. 开发基于商品内容的商品表征学习框架，为商品内容理解，内容生成，商品召回和相关性提供统一的商品表征学习框架，重点包括商品标题，属性，详情页和评价等文本信息抽取，图像特征抽取和多模信号融合；2. query 表征学习框架，为query 类目预测，query改写，query 推荐等提供统一的表征学习框架，重点通过多个query 相似任务训练统一的query表征学习模型；3. 语义召回，语义相关性等业务应用模型框架。语义搜索除了增加搜索结果相关性，提升用户体验外，也可以一定程度上遏制淘宝商品标题堆砌热门关键词的问题。
智能匹配
这里主要是指个性化和排序。内容包括：a. ibrain (深度用户感知网络)，搜索或推荐中个性化的重点是用户的理解与表达，基于淘宝的用户画像静态特征和用户行为动态特征，我们基于multi-modals learning、multi-task representation learning以及LSTM的相关技术，从海量用户行为日志中直接学习用户的通用表达，该学习方法善于“总结经验”、“触类旁通”，使得到的用户表达更基础且更全面，能够直接用于用户行为识别、偏好预估、个性化召回、个性化排序等任务，在搜索、推荐和广告等个性化业务中有广泛的应用场景，感知网络超过10B个参数，已经学习了几千亿次的用户行为，并且会保持不间断的增量学习越来越聪明； b. 多模学习，淘宝商品有文本、图像、标签、id 、品牌、类目、店铺及统计特征，这些特征彼此有一定程度的冗余和互补，我们利用多模学习通过多模联合学习方法把多维度特征融合在一起形成统一的商品标准，并多模联合学习中引入self-attention实现特征维度在不同场景下的差异，比如女装下图片特征比较重要，3C下文本比较重要等；c. deepfm，相对wide deep 模型，deepfm 增加了特征组合能力，基于先验知识的组合特征能够应用到深度学习模型中，提升模型预测精度；d. 在线深度排序模型，由于行为类型和商品重要性差异，每个样本学习权重不同，通过样本池对大权重样本重复copy分批学习，有效的提升了模型学习稳定性，同时通过融合用户状态深度ltr模型实现了千人千面的排序模型学习；e. 全局排序，ltr 只对单个文档打分然后按照ltr分数和打散规则排序，容易导致搜索结果同质化，影响总页效率，全局排序通过已知排序结果做为上下文预测下一个位置的商品点击概率，有效提升了总页排序效率；f. 另外工程还实现了基于用户和商品向量的向量召回引擎，相对倒排索引，向量化召回泛化能力更强，对语义搜索和提高个性化匹配深度是非常有价值的。以上实现了搜索从召回、排序特征、排序模型、个性化和重排的深度学习升级，在双11无线商品搜索中带来超过10% (AB-Test)的搜索指标提升。
智能决策
搜索中个性化产品都是成交最大化，导致的问题是搜索结果趋同，浪费曝光，今年做的一个重要工作是利用多智能体协同学习技术，实现了搜索多个异构场景间的环境感知、场景通信、单独决策和联合学习，实现联合收益最大化，而不是此消彼长，在今年双11中联合优化版本带来的店铺内和无线搜索综合指标提升12% (AB-Test)，比非联合优化版本高3% (AB-Test)。
性能优化
在深度学习刚起步的时候，我们意识到深度模型inference 性能会是一个瓶颈，所以在这方面做了大量的调研和实验，包括模型压缩(剪枝)，低秩分解，量化和二值网络，由于缺少相应的指令集和硬件支持，最终只在个别场景下上线，期待支持低精度矩阵计算和稀疏矩阵计算的硬件早日出现。
未来计划
通用用户表征学习。前面介绍的DUPN 是一个非常不错的用户表征学习模型，但基于query 的attention 只适合搜索，同时缺少基于日志来源的attention，难以推广到其他业务，在思考做一个能够适合多个业务场景的用户表征模型，非搜索业务做些简单fine tuning 就能取得比较好的效果；同时用户购物偏好受季节和周期等影响，时间跨度非常大，最近K个行为序列假设太简单，我们在思考能够做life-long learning 的模型，能够学习用户过去几年的行为序列；搜索链路联合优化。从用户进入搜索到离开搜索链路中的整体优化，比如 搜索前的query 引导（底纹），搜索中的商品和内容排序，搜索后的 query推荐（锦囊）等场景；跨场景联合优化。今年搜索内部主搜索和店铺内搜索联合优化取得了很好的结果，未来希望能够拓展在更多大流量场景，提高手淘的整体购物体验；多目标联合优化。搜索除了成交外，还需要承担卖家多样性，流量公平性，流量商业化等居多平台和卖家的诉求，搜索产品中除了商品搜索外还有“穹顶”，“主题搜索”，“锦囊”，“内容搜索”等非商品搜索内容，不同搜索目标和不同内容（物种）之间的联合优化未来很值得深挖。
你说的恶意点击
SEO可不是请人做，是要公司自己做。
加我HI好友，提供方案
目前中小型企业的网站都有哪些问题
近几年，由于全球经济进入了信息时代，企业信息化建设呼声日见高涨。一方面，那些大大小小的网络公司到处宣传，企业信息化多么重要；另一方面，各级政府也在强调抓企业上网。政府上网年、企业上网年高喊了几年了，效果如何呢？我们认为，照这几年这个搞法是劳民伤财，不如不做。
这样的例子简直太多了，据我们调查，可以不客气的说，中国企业网站（也包括不少的政府网站）95%以上的网站内容都是一次性的，随着时间的推移，建站之后不久就成了过时的老网站。网站不像报纸，报纸上有日期，看报的人知道什么是最新消息，可人家看网站的过时信息还以为就是现状呢，怎能不误事？这样的网站花了很多钱，倒起着副作用。所以讲，这样的网站劳民伤财、不如不做！因此可以预见：大批的、花了不少钱的企业网站即将报废！会使后来者心凉，这也是企业信息化推进难的一个原因。
可是现在企业上网的舆论和呼声一点不减，各种机构采用不同的公关方式、相同的网站建设思路正在为企事业单位大批建设着用不了多久就要起副作用的网站。
企业信息化建设十分必要，用不了多久就会像电话机、传真机那样成为企业经营管理不可或缺的通讯手段和管理手段，而且现在已经有不少企业和经营管理人员通过网站进行着管理和经营。但从现状来看，其中存在的问题是严重的。
我们认为现在企业网站建设存在着几个误区。
一、自己独立购置服务器。这是一些较大型的、有钱的企业或集团的做法。这种办法花钱很多，但效果却不一定好。
1、购置服务器就要几万、几十万元；
2、从网站管理员待遇的市面行情看，管理服务器的技术人员月薪就要过万，由于服务器在双休日、节假日都不能停机，所以一个人还管不过来，这又是一笔不小的开支，这种开支一般传统企业是很难接受的，但就是这样的高薪聘来的技术高手由于受市场环境影响，说跳槽就跳槽，他一跳槽网站很可能瘫痪，而且再换人来都难以恢复；
老鸿SEO的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于老鸿运物流电话、老鸿SEO的信息别忘了在本站进行查找喔。
| 广告位 后台主题配置管理 |
| 广告位 后台主题配置管理 |