原创 銀行核心系統|應用架構與案例,這次不談中臺

  應用架構(Application Architecture)介於業務與數據和技術架構之間,在銀行企業架構和信息系統規劃起着很重要的作用。 本文主要介紹應用架構的原則和包含的內容,以及典型銀行應用架構的樣子。   此文適合人羣: 銀行

原创 ###haohaohao#####爲什麼要進行圖嵌入(Graph embedding)?

爲什麼要進行圖嵌入(Graph embedding)? 本文參考這篇文章【9】的結構,對其中的部分內容進行修改和補充,其中文中圖來大部分自該文章【9】 Graph廣泛存在於真實世界的多種場景中,即節點和邊的集合。比如社交網絡中人與人之間的

原创 ######好好好#######janusgraph gremlin-hadoop spark on yarn數據導入

基於apache hadoop的配置安裝 安裝相關的大數據組件,包括: hadoop 2.6.2 spark 1.6.1 hbase 1.0.0 zookeeper 3.4.10 janusgraph 0.2.0 環境變量的配置 每臺機器

原创 網頁抽取技術和算法

基於機器學習的網頁抽取 基於正則或CSS選擇器(或xpath)的網頁抽取都基於屬於基於包裝器(wrapper)的網頁抽取,這類抽取算法的通病就在於,對於不同結構的網頁,要制定不同的抽取規則。如果一個輿情繫統需要監控10000個異構網站,就

原创 推薦系統系列二:推薦系統的工程實現

下面內容轉自大數據與人工智能微信公衆號,由於網絡上推薦系統的相關學習資料太多太雜,東拼西湊學習很難摸出門道,同時我也在學習推薦系統,因此我將該系列內容摘錄到我的博客,方便大家直接在博客中查看,大家一起學習進步,後面我也會閱讀推薦系統相關的

原创 深度學習Tensorflow生產環境部署(上·環境準備篇)

1 系統背景 系統是ubuntu16.04 ubuntu@ubuntu:/usr/bin$ cat /etc/issue Ubuntu 16.04.5 LTS \n \l 或者 ubuntu@ubuntu:/usr/bin$ unam

原创 從業務架構梳理到技術架構設計

本文取材於網絡公開材料,是筆者比較推崇的硬貨。 往期推薦

原创 docker打包flask簡單程序

docker打包flask簡單程序 簡單代碼: from flask import Flask app=Flask(__name__) @app.route('/') def hello(): return 'hello w

原创 @#####haohaohao#####推薦系統技術演進趨勢:從召回到排序再到重排

“ 張俊林老師最新推薦技術總結,近乎覆蓋推薦分發全鏈路。召回側介紹了傳統多路x2i到模型召回的發展歷程以及知識圖譜和GNN在其中的應用;排序側從模型的表達能力、優化目標和特徵及信息的利用三個方面展示了各種先進技術如何大放異彩;最後梳理了重

原创 推薦系統系列一:推薦系統介紹

下面內容轉自大數據與人工智能微信公衆號,由於網絡上推薦系統的相關學習資料太多太雜,東拼西湊學習很難摸出門道,同時我也在學習推薦系統,因此我將該系列內容摘錄到我的博客,方便大家直接在博客中查看,大家一起學習進步,後面我也會閱讀推薦系統相關的

原创 SBT無痛入門指南

SBT 是 Scala 的構建工具,全稱是 Simple Build Tool, 類似 Maven 或 Gradle。 SBT 的野心很大,採用Scala編程語言本身編寫配置文件,這使得它稍顯另類,雖然增強了靈活性,但是對於初學者來說同時

原创 利用樸素貝葉斯對名字進行性別預測

比較好的開源包observerss/ngender,注意使用~~~~~ 利用樸素貝葉斯對名字進行性別預測 3個小節,預計用時30分鐘。 請打開您的電腦,按照步驟一步步完成哦! 本教程基於Python 3.5。 原創者:s304060809

原创 ###好好好#####Cypher 語句入門到上天

簡介>Cypher語言的關鍵字不區分大小寫,但是屬性值,標籤,關係類型和變量是區分大小寫的。在數據查詢中,節點一般用小括號(),關聯用中括號[]。 下載和安裝 1.創建節點 2.查詢節點 2.1 查詢整個圖形數據庫: 2.2 查詢具有指定

原创 項目經理和技術經理的區別

項目經理和技術經理有什麼區別,區別有多大呢?這個問題此前我從沒有認真的去思考過,直到被明確的問到的時候,才細思極恐,連兩者的區別都沒能有條理的講出來。 一、關於項目經理: 在沒有真正進入軟件行業之前,對於系統集成方面的項目還是有些心得的

原创 當BERT遇上知識圖譜

寫在前面 上篇博客理了一下一些知識表示學習模型,那今天我們來看目前最流行的BERT模型加上外部知識這個buff後到底會有怎麼樣的發展。其實這個思路在之前就有出現過比較有意思且高效的工作,像百度的ERNIE和ERNIE2.0 以及清華的ER