赞过的人: 云栖精选
要不要再学学下面的文章?
一个合格的CTO应该看哪些书 (mp.weixin.qq.com)
相信大多数程序员的终极目标都是成为一名优秀的CTO,今天就和大家聊一聊想成为CTO都应该读哪些书,在这个书籍列表中,你可能看不到技术书籍,并不是因为它们对CTO或者技术经理来说不重要,而是因为像你我这样的人想要找到技术书籍并不是一件难事。
by @code小生 2021-11-21 18:32 分享 查看详情
运用 KF 思维技术,助您正确地做出决策 (forum.lovejade.cn)
当面临复杂环境和复杂信息时,清晰而正确地做出决策,显得尤为重要,且困难。当然,根据不同状况,您可以有不同类型决策;如可根据情感和经验,做出决策。前段时间,有接触到一个课程:KF 思维技术 ──提供四个应用在不同场景的思维流程,可帮助跳出固有思维局限,从而更快更准地分析和决策(理性)。在这里,将获得到的一点心得,跟朋友们分享和探讨;如觉有失,欢请斧正。
by @杨琼璞 2021-11-01 20:19 分享 查看详情
五分钟了解互联网Web技术发展史 (mp.weixin.qq.com)
本文将沿着时间线,从“发现问题-解决问题”的角度,带领大家了解 Web 技术发展的关键历程,了解典型技术的诞生以及技术更迭的缘由,思考技术发展的原因。
by @code小生 2021-10-24 13:56 分享 查看详情
CTO写低级Bug,致公司70GB数据泄露! (mp.weixin.qq.com)
据悉,一位未透露姓名的黑客利用 SQL 注入漏洞入侵 Gab 后台,并从数据库中窃取了约 70 GB 数据提供给了爆料组织 Distributed Denial of Secrets(简称 DDOSecrets)。这些数据包括了 7 万多条信息、4000 多万条帖子,以及哈希密码、明文密码、用户个人资料等。
by @code小生 2021-10-24 13:55 分享 查看详情
技术大佬们都是怎么学习的? (mp.weixin.qq.com)
这个问题我曾经也很好奇过,那些成为技术大佬的人当初是怎么学习,以及怎么成长过来的,因为我相信他们也是从 0 开始的,也会经历困难期之类的。或许,站在大佬们的“肩膀上”,可以走的更远。
by @code小生 2021-10-18 21:27 分享 查看详情
Data Mesh:除了技术,也关乎所有权与沟通力 (insights.thoughtworks.cn)
Data Mesh引入了新的组织视角,并且它与特定技术无关。 其关键思想是将领域驱动设计(DDD)和产品思维,应用到数据和分析领域的难题中。
by @Thoughtworks 2021-09-23 11:10 分享 查看详情
产品经理需不需要懂技术? (insights.thoughtworks.cn)
一个合格的产品经理,需要理解基础的技术知识 + 把握用户需求。而对于不同类型的产品经理来说,所需要懂技术的程度也是不一样的。
by @Thoughtworks 2021-08-02 10:29 分享 查看详情
记一次Vue3.0技术分享会 (mp.weixin.qq.com)
记录了我在组内的技术分享, 有同样需求的同学可以参考一下
分享全程下来时间大约1小时
by @code小生 2021-07-11 22:50 分享 查看详情
洞见RSAC | 生物行为识别技术在社工诈骗中的应用分析与探索 (blog.nsfocus.net)
人为因素才是安全的软肋,有意、无意的行为可造成潜在的威胁或者一连串的后果。2021年DBIR数据泄露报告(Data Breach Investigations Report)中提到85%的数据泄露涉及人的因素。社工攻击正是利用人的因素,引导操纵人们采取行动或泄露机密信息,以达到收集信息、欺诈或访问系统等目的的“骗局”。
by @技术头条 2021-06-13 22:41 分享 查看详情
美团搜索中NER技术的探索与实践 (tech.meituan.com)
命名实体识别(Named Entity Recognition,简称NER),又称作“专名识别”,是指识别文本中具有特定意义的实体,主要包括人名、地名、机构名、专有名词等。NER是信息提取、问答系统、句法分析、机器翻译、面向Semantic Web的元数据标注等应用领域的重要基础工具,在自然语言处理技术走向实用化的过程中占有重要的地位。在美团搜索场景下,NER是深度查询理解(Deep Query Understanding,简称 DQU)的底层基础信号,主要应用于搜索召回、用户意图识别、实体链接等环节,NER信号的质量,直接影响到用户的搜索体验。

下面将简述一下实体识别在搜索召回中的应用。在O2O搜索中,对商家POI的描述是商家名称、地址、品类等多个互相之间相关性并不高的文本域。如果对O2O搜索引擎也采用全部文本域命中求交的方式,就可能会产生大量的误召回。我们的解决方法如下图1所示,让特定的查询只在特定的文本域做倒排检索,我们称之为“结构化召回”,可保证召回商家的强相关性。举例来说,对于“海底捞”这样的请求,有些商家地址会描述为“海底捞附近几百米”,若采用全文本域检索这些商家就会被召回,显然这并不是用户想要的。而结构化召回基于NER将“海底捞”识别为商家,然后只在商家名相关文本域检索,从而只召回海底捞品牌商家,精准地满足了用户需求。
by @技术头条 2021-05-28 22:52 分享 查看详情