https://mp.weixin.qq.com/s/UyMDskA0eGN-NmiifwQF6Q
美团本地生活场景的短视频分析
https://mp.weixin.qq.com/s/dr6gxJCDBM1Lk_tAOdi9-Q
推荐系统解构
https://zhuanlan.zhihu.com/p/103129589
推荐系统之标签体系
https://mp.weixin.qq.com/s/cBZ_XC1dSdp540-Hr1izuw
爱奇艺效果广告的个性化探索与实践
https://mp.weixin.qq.com/s/5QENu3LAhwjEQ7cp6y68gg
深入互联网广告中的出价模式
https://mp.weixin.qq.com/s/KTESiQVdgDkRwpHzNb_oww
深入互联网广告中的出价模式(补充篇)
https://mp.weixin.qq.com/s/M_DglkdeBw6Gmj4bO2LjcA
推荐系统产品概述
https://mp.weixin.qq.com/s/7xZDVicjq-8C3qJIZGarmg
推荐系统架构与算法流程详解
https://mp.weixin.qq.com/s/DZZ_BCiNw0EZg7V0KvhXVw
知乎搜索排序模型的演进
https://mp.weixin.qq.com/s/mFWhv6ykGFc6g40GGuzYOQ
推荐系统中模型训练及使用流程的标准化
https://zhuanlan.zhihu.com/p/139240761
如何评价一个推荐系统的好坏?
https://mp.weixin.qq.com/s/Lwnl5W2ZS3CjxrA46yMwyw
线上线下效果一致性杂谈
https://mp.weixin.qq.com/s/iHDGIHHlH2TqNL6iIEGVPg
流量为王:收益最大化的混排机制
https://mp.weixin.qq.com/s/LZlskUK4dmOd5fLTZIATnQ
如何提升链路目标一致性?爱奇艺短视频推荐之粗排模型优化历程
https://mp.weixin.qq.com/s/Jfuc6x-Qt0rya5dbCR2uCA
腾讯音乐:全民K歌推荐系统架构及粗排设计
https://mp.weixin.qq.com/s/tV3HfWZrrnyJEPV0R0QykA
模型化召回在陌陌社交推荐的应用和探索
https://mp.weixin.qq.com/s/V67YXV69dlmc2ke2WgPewQ
玩儿转oCPC
https://mp.weixin.qq.com/s/ZsekCl1uOqKxUOOk0otk_Q
搜索推荐广告排序之用户行为序列建模
https://mp.weixin.qq.com/s/TVCgH_B_d5T0hWuXfgnRQA
阿里粗排技术体系与最新进展
https://mp.weixin.qq.com/s/SRd7Cr16kpa_aUWDNwww_g
淘宝搜索模型核心技术:用户建模篇
https://mp.weixin.qq.com/s/YtQCGWNXDdUQGyF9mYKFHg
莫比乌斯: 百度的下一代query-ad匹配算法
https://mp.weixin.qq.com/s/ZtnaQrVIpVOPJpqMdLWOcw
基于用户的协同过滤来构建推荐系统
https://mp.weixin.qq.com/s/1hc7G4eBSyk-b8Dv4FsYbg
万字长文解读电商搜索——如何让你买得又快又好
https://mp.weixin.qq.com/s/NJDfrGJgIE2KK_t-yJ-C9Q
向量体系(Embedding)在严选的落地实践
https://mp.weixin.qq.com/s/iGC_zJnHxyRBnKR1gH1czg
智能重排序在推荐场景中的应用
https://mp.weixin.qq.com/s/j6FWqkdbOdQk-qAmYNmJqQ
58同镇下沉市场中的推荐技术实践
https://mp.weixin.qq.com/s/WfpSSQNLxua53o_AWsq4Gg
如何设计秒杀场景
https://mp.weixin.qq.com/s/bzKGvD-nU4l1o-_bucvm0Q
微信看一看如何过滤广告文章?
https://mp.weixin.qq.com/s/IQOp0Q8OLD9b6O28TgKodQ
多目标排序在快手短视频推荐中的实践
https://mp.weixin.qq.com/s/JOQdyQDCFStWXdxTckUa5Q
一矢多穿:多目标排序在爱奇艺短视频推荐中的应用
https://mp.weixin.qq.com/s/yctS5TWRCqc_h1Os4u-RBQ
拼接召回在飞猪交通域的实践
https://mp.weixin.qq.com/s/h1V-TyJWbXq-8gSvAnkneQ
多业务建模在美团搜索排序中的实践
https://mp.weixin.qq.com/s/6OMMboBdbLVA-HsEjA3bSA
Ctr预估之Calibration
https://mp.weixin.qq.com/s/WVPgLXN7KZueNbmfTJNhDA
推荐系统的PMF-概率矩阵分解和协同过滤
https://zhuanlan.zhihu.com/p/148951213
Item-CF的几种优化方式
https://mp.weixin.qq.com/s/sDG5xm1JZ8rIEaVXeVQ5cA
主流推荐引擎技术及优缺点分析
https://mp.weixin.qq.com/s/rhk5WHRg6HWHmK7KWD-UYw
常见的召回优化方式
https://mp.weixin.qq.com/s/nUQsFBh2Jyf1fqINNlpmqg
推荐系统Bias与Debias 2020最新综述
https://mp.weixin.qq.com/s/XD6qFpt8FdLTy2PcrLiTIA
推荐算法的”五环之歌”
https://mp.weixin.qq.com/s/6Zs0nM2HOZFBFsC0PUy_0A
推荐系统应该如何保障推荐的多样性?
https://mp.weixin.qq.com/s/4EY8E8LqUsfEGqC3xPSqeg
推荐生态中的bias和debias
https://mp.weixin.qq.com/s/9I6efSutqBcKmAlvozD-rQ
一文看懂基于内容的推荐算法
https://mp.weixin.qq.com/s/1Pkz1xj9N5MX4HDQ-mvP_w
不确定度建模(上)- 贝叶斯推断基础
https://mp.weixin.qq.com/s/ynmubPErKVq2h8GEVFlXwQ
不确定度建模(中)-蒙特卡洛采样
https://mp.weixin.qq.com/s/aZ7OHJBkrjqJbr2fl011_Q
不确定度建模(下)-变分推断及应用
https://mp.weixin.qq.com/s/r4aHwAB108zev5fhWqB-XQ
转化率预估中的贝叶斯平滑
https://mp.weixin.qq.com/s/wk_MGF1F7W2YP0VvM_aY3g
向量召回在躺平APP的实践
https://mp.weixin.qq.com/s/b6tTbug_Xd9OPFy2lA650g
广告模型初探(一)
https://mp.weixin.qq.com/s/5eIxApPG_dNNXssJHMKzeA
广告模型初探(二)
https://mp.weixin.qq.com/s/jTQOPobNPr96GTj0BDQiWQ
广告模型初探(三)
https://mp.weixin.qq.com/s/h6iBeTS992CDRixg2pFl6Q
ItemCF的演进:狭义 VS 广义
全联机单报文系统(Single-Message System):信息流和资金流是同步完成的。不联网,交易绝对无法达成。例如支付宝。
双报文系统(Dual-Message System)与EMV脱机认证:第一阶段叫授权(Authorization),只发一个请求报文,确认这张卡是不是真的、有没有挂失、额度够不够,耗时极短。甚至在小额场景或者网络中断时,终端机根本不需要联网!等到半夜网络恢复了,或者商户打烊结账了,刷卡机才把这一天攒下来的几千笔交易打包,发给收单行去做第二阶段的清算(Clearing)和结算(Settlement)。例如Visa、Mastercard。
VisaNet在技术本质上,只是一个全球报文路由器和清算中心。Visa不做钱包,不吸储,不存用户的账户余额。至于用户的数据合规、反洗钱审查、底层账本维护,全部甩锅给当地的持牌商业银行自己去搞。
主权实时支付系统(RTP):一个是印度的UPI(统一支付接口),另一个是巴西的Pix。UPI和Pix就是支付界的电子邮件协议。央行只制定二维码标准和银行间实时清算接口,不碰具体的App开发。
非洲之王M-Pesa是怎么在肯尼亚和坦桑尼亚普及移动支付的?人家连智能手机和互联网都不需要!直接基于2G功能机的USSD协议(非结构化补充数据业务)。用户在诺基亚按键手机上输入一串星号和井号的代码(比如15000#),直接走运营商的GSM短信信令通道,几秒钟就能完成转账和付款。
https://www.zhihu.com/answer/2103890353313027730
支付宝为什么无法成为世界性的支付工具?

您的打赏,是对我的鼓励