给大家推荐10个优秀的开源项目
作为一名菜鸡Android，时常瞻仰大佬们的开源项目是非常必要的。这里我为大家收集整理了10个优秀的开源项目，方便我们日常开发中学习！
相关分享
1
喜欢
du
dusays.com
/
2024-11-02 16:56
什么是 OWASP 安全项目
本文介绍了 OWASP 安全项目的核心内容，包括常见的十大安全风险，如注入攻击、身份验证失效、敏感数据暴露等。文章详细说明了每种风险的原理及其防护措施，例如注入攻击的过滤策略、跨站脚本（XSS）防护以及安全配置错误的避免方法。这些措施帮助开发者提高 Web 应用的安全性，避免常见漏洞的利用。
无图
1
喜欢
te
tech.meituan.com
/
2024-11-02 16:22
全域用户建模在美团首页推荐的探索与实践
本文详述了全域建模技术在美团首页推荐系统的发展和演进。美团首页推荐算法团队通过多阶段递进式探索验证，在召回与排序模块引入多展位、多应用渠道的多源用户交互数据，并在落地过程中解决了美团多展位、多业务、时空场景强相关性的特点导致的严重跨域信号负迁移挑战。
无图
1
喜欢
cr
crossoverjie.top
/
2024-08-06 08:08
如何找到并快速上手一个开源项目
本文总结了如何参与开源项目。作者分享了从选择项目、了解社区规则到贡献代码的经验。文章建议新手从改善文档和修复小问题开始，逐步加深对项目的理解。同时，积极参与社区讨论和代码评审，能帮助提升技术水平和社区影响力。作者还强调了耐心和持续贡献的重要性。
无图
1
喜欢
cr
crossoverjie.top
/
2023-08-18 23:00
新手如何快速参与开源项目
这半年时间大大小小提了十几个 PR ，也逐渐捋清楚了一些上手的方法和套路，所以如果你也想参与开源，但苦于不知道如何入门，看完后希望对你有所帮助。
无图
1
喜欢
te
tech.meituan.com
/
2023-07-23 12:21
美团外卖推荐关于用户新颖体验优化的技术探索
外卖场景下，用户“复购”属性强、下单频次高，既想下单老商家，也会想换换“新口味”。为更好平衡用户的复购、尝新体验，外卖推荐团队从2022年起开始持续投入，构建了外卖场景新颖性推荐的体系化解决方案。截止目前，外卖首页用户曝光新颖性累计提升19%+，新颖好评率累计提升7%+，用户新颖体验Case率累计降低18%+。本文将详细介绍外卖首页Feed用户新颖体验优化过程中面临的挑战、解决思路以及业务思考。
无图
1
喜欢
te
tech.meituan.com
/
2023-07-04 23:28
基于AI+数据驱动的慢查询索引推荐
目前，美团内部的日均慢查询数量已经超过上亿条，如何对对这些慢查询进行分析并建立合适的索引，是美团数据库研发中心面临的一项挑战。美团数据库平台研发组与华东师范大学展开了科研合作，通过基于AI+数据驱动的索引推荐，来与基于代价的方法并行地为慢查询推荐索引，以提升推荐效果。
无图
1
喜欢
te
tech.meituan.com
/
2023-07-02 23:41
交互式推荐在外卖场景的探索与应用
外卖场景的用户停留时长低于传统电商，对用户实时需求的理解和反馈有更高的要求。针对业务问题，外卖推荐团队从2021年起开始持续投入，最终摸索出了一套适用于外卖场景的交互式推荐架构和策略，并取得了较好的收益。本文详细介绍了外卖首页Feed在搭建交互式推荐时遇到的挑战和解决思路。
无图
1
喜欢
te
tech.meituan.com
/
2022-12-24 23:31
大规模异构图召回在美团到店推荐广告的应用
美团到店推荐广告团队在图神经网络的长期落地实践中，思考分析了场景的特点与挑战，针对性地进行了模型设计，并通过大规模训练工具及线上部署优化多次成功落地，带来了线上收入提升。本文主要介绍了大规模图召回技术在美团到店广告场景下的实践经验，包括模型设计思路、模型迭代历程、大规模训练工具以及线上部署性能优化等，希望为从事相关工作的读者带来一些启发。
无图
1
喜欢
te
tech.meituan.com
/
2022-12-24 23:31
美团外卖推荐情境化智能流量分发的实践与探索
美团外卖推荐团队在推荐算法的长期落地实践中，针对外卖业务情境化特点对排序模型进行深入探索与优化。本文介绍了面向情境化建模的“情境细分+统一模型”建模思路，通过用户行为序列建模以及专家网络两个模块的优化，实现不同场景间对信息独有性的刻画和信息共性的相互传递，进而提升全部流量效率。
无图
1
喜欢
52
www.52nlp.cn
/
2022-12-18 20:48
知识图谱增强下的智能推荐系统与应用-于敬
经过多年的推荐系统理论发展，已经产生了三代主要的推荐系统。第一代推荐系统（1995-2005），主要包括三种方法：基于内容过滤的方法、基于协同过滤的方法和混合方法，技术上主要是规则统计和机器学习。第二代推荐系统（2003-2014），主要是基于时间、位置、用户组评分等特征上下文，对这一代推荐系统的研究目前仍在进行中。第三代推荐系统的研究更侧重在基于表示学习的语义模型以及在推荐过程中会有较多的关于知识组件的使用。
无图