话题公司 › 喜马拉雅

公司:喜马拉雅

喜马广告算法优化(五):广告召回优化之路

实时竞价广告整体链路中,广告系统在接收到广告请求后,需要快速基于对流量的评估找出合适的广告返回给ADX参与竞价。要在极短时间内完成对海量广告的打分评估,业界普遍的做法与推荐系统类似,分为两个主要环节:召回和排序。

喜马广告算法优化实践(四):广告系统漏斗优化

广告引擎是效果广告变现的核心。本文为你讲述喜马广告引擎的漏斗结构

喜马广告算法优化实践(三):广告CTR模型优化实践

近年来,随着深度学习技术在CV、NLP等领域的不断发展,在线广告领域中经典的CTR预估问题,也在经历着深度学习技术带来的范式转变。

喜马广告算法优化实践(二):广告深层投放效果优化

在线广告的发展过程中,客户对于广告价值的要求日趋严格。广告计费模式的演变过程也是逐渐由浅到深的。

协程在主app网络请求框架中的改造实践

使用协程改造主app网络请求框架,简化回调式代码,提高可读性和维护性,处理多个并发请求的情况。

喜马拉雅KV存储演进之路

KV存储是喜马拉雅最重要的基础组件之一,每天承载着千亿级的请求量。XCache 已经在喜马拉雅线上大规模使用,实例数量 2500+,数据量 120TB+。

喜马拉雅直播秒开优化实践

喜马拉雅直播秒开优化实践

喜马拉雅API自动化测试演进&实战

喜马拉雅API测试演进,构建场景化回归体系,实现自动化批量测试,提高交付效率与质量。

浅谈业务解耦小工具 - Spring Event

业务开发过程中好用的解耦工具, 让代码灵活起来吧~

喜马广告算法优化实践(一):广告CVR模型演进历程

业务背景自营广告是喜马广告生态中的重要组成部分,它包含了多种广告类型,包括金融、电商、下载、教育、直播、专辑

喜马实践:模型时代的音频剪辑方式-云剪辑按字剪辑

‍‍本文共计3600字,阅读大概需要5分钟。创作者的马斯洛需求层次,据不完全统计,创作者对音频剪辑工具的马斯洛需求层次分为4个阶段。

喜马实践:5分钟读懂AI是如何画图的

随着"AI出图", "AI封面"等概念不断出现在我们的视线中、朋友圈中、甚至是PRD中,大家可能会好奇AI是如何按照我们的要求画图的,今天我们以通俗浅显的方式讲解下其中的过程。

蕉内、喜马拉雅、认养一头牛…优秀品牌都在用的开会方法论

沉淀优秀的开会方法,让进步发生。

分位数算法总结

分位数(quantile)的概念,也就是我们监控中常见的p99,查询ϕ−quantile分位点所在数据前,需要对无序数据进行排序,上述操作无论在时间还是空间上成本比较高,本文将阐述近年来实际工业中使用的各种分位数算法。

推送系统实践

给设备发推送的时候,必须说清楚你要发的是什么内容,即title、message/body,还要指定给哪个设备发推送。我们以token来标识一个设备, 在不同的场景下token的含义是不一样的,公司内部一般用uid或者deviceId标识一个设备,对于集成商、hmov也有自己对设备的唯一“编号”,所以公司内部的推送服务,要负责进行uid、deviceId到集成商token 的转换。

喜马拉雅自研网关架构演化

网关是一个比较成熟了的产品,基本上各大互联网公司都会有网关这个中间件,来解决一些公有业务的上浮,而且能快速的更新迭代,如果没有网关,要更新一个公有特性,就要推动所有业务方都更新和发布,那是效率极低的事,有网关后,这一切都变得不是问题,喜马拉雅也是一样,用户数增长达到6亿多的级别,Web服务个数达到600+,基本都接入网关接入,日处理200亿加次调用,单机QPS高峰达到4w+。

  • «
  • 1
  • »

Accueil - Wiki
Copyright © 2011-2024 iteam. Current version is 2.137.1. UTC+08:00, 2024-11-09 09:32
浙ICP备14020137号-1 $Carte des visiteurs$