本文投稿自贝壳家装数仓团队，在结合家装业务场景下所探索出的一种基于 Flink+Paimon 的排序方案。这种方案可以在实时环境对全量数据进行准确的分组排序，同时减少对内存资源的消耗。

从深度广度网络的原理出发，结合贝壳业态特点，讨论其在用户购房意愿量化上的应用，并在此基础上，分享我们进一步的探索与尝试。

业绩流行的「测试泳道设计」目前在自如网中经由基础架构中心自研的发布系统「Omega」落地了，名为「特性环境」，但在推行业务线使用过程中实际效果并不理想。为深层次解决此问题，我们将进行调研与实践。

作为个性化推荐系统重要的一环，构建一个成熟、健全、相互关联的标签体系至关重要。相较于粗粒度分类，标签可以更为灵活、精准地定义人或物的多属性，宛若一根根线头，穿穿绕绕，勾连起这个世界。程序眼中万物皆对象，而在标签建设者眼中，则万物皆可有标签。

让LiveData解决你的后顾之忧。

随着 Kubernetes 的广泛应用，安全风险也逐渐凸显出来。本文将从 Cloud、Cluster、Container 角度出发，以一种由下至上的方式，列举 Kubernetes 的安全风险，并提供相应的加固建议。

本文将带你了解Electron框架并编写出你的第一个跨平台桌面应用程序。

本篇主要讲针对低延时、高吞吐需求，对Milvus部署方式的一种定制方案。

2018年贝壳公司战略调整，业务量及业务复杂度有较大增长。面对新的挑战，搜索团队对整个搜索平台进行了重构，针对旧系统的一些问题，主要从可配置，异步化，并发，可扩展，全链路追踪，业务隔离等方面进行了优化。

想知道文本分类新秀fastText内部到底怎么实现的吗？戳进来一探究竟吧！

为什么在贝壳找房APP能够找到更好的房子？语义解析是其中非常重要的一环，本文就为你详细介绍语义解析在贝壳找房的相关工作。

为什么？茫茫宇宙中，贝壳搜索就能知道你想住哪。其实，在NLP中，NER（命名实体识别）是很多应用的关键一步。该技术在贝壳找房也已被广泛应用，比如智能搜索、智能问答、智能推荐等。本文就为你详细介绍我们的实践。

本文结合ES在贝壳找房的房源搜索、小区搜索、看点信息流等应用的实践经验，介绍ES的相关性计算原理，以及如何对相关性调优。

FM（因子分解机）作为CTR预估的经典方法，在深度学习时代又有了新的创新，本文带你抽丝剥茧地看看FM及其变体的原理，同时结合贝壳搜索真实数据，对比了不同模型之间的差别。

有监督的深度学习极大地依赖大规模的标注数据，在实际项目中，我们通常会面临少样本、样本分布不均衡等场景。因此，如何运用数据增强技术来改善上述问题是近年来的热点问题之一。

本文主要介绍DST在贝壳咨询助手的探索，包括业务背景、咨询助手架构图、DST服务架构、以及我们对DST的的一些探索。