保存成功
订阅成功
保存失败,请重试
提交成功
携程技术微分享

携程技术微分享

工程师
携程技术中心官方账号,与爱学习的小伙伴一起分享携程一线实战经验~...更多
创作文章7

AI 在携程智能客服的应用

作为国内 OTA 的领头羊,携程每天都在服务着成千上万的旅行者。为了保障旅行者的出行,庞大的携程客服在其中扮演着十分重要的角色。但在客服的日常工作中,有一部分的行为是重复劳动,这对于客服来说是一种资源浪费。如何通过算法来提升客服效率成为技术一大挑战。 本场 Chat 将介绍智能算法如何辅助客服工作,并介绍QA问答背后的技术和难题,以及如何用机器学习和深度学习在提升用户体验和客服效率上进行落地。 本场 Chat 主要内容: 1. QA Chatbot 背后的技术细节和难题; 2. 精细化运营——AI算法如何提升用户体验; 3. 文本挖掘算法如何辅助客服工作。 -------- 作者简介:元凌峰,携程平台中心 AI 研发部资深算法工程师,负责携程智能客服算法研发,对 Chatbot 相关的 NLP 算法和推荐排序等算法感兴趣。2015年硕士毕业于上海交通大学图像模式研究所,后加入携程负责实时用户意图和小诗机等项目。
免费严选AI客服携程
482 订阅

如何一步步打造基于 React 的移动端 SPA 框架

前端各种新技术层出不穷,且各具特色,令人眼花缭乱。那么,对于一个前端团队,在碰到实际问题时,如何合理落地新技术,利用它来提升开发效率和产品质量是一件非常有挑战的事情。本次分享的话题就是如何抛开 demo,从实际项目出发,一步步打造基于 React 的移动端 SPA 框架。涉及技术栈: ReactJS,Redux, webpack, NodeJS, Express,ES6。主要内容包括: 1. 构建前端业务框架前的思考 2. 技术选型与实用性分析 3. 构建脚本执行生命周期和开发流程 4. 前端组件化,模块化,插件化,服务化的应用 5. Hybrid 性能痛点及处理方案 6. SPA 和 Reactjs 结合痛点及方案 7. 同构:基于 NodeJS 的 SPA SEO 解决方案 8. 我们如何实现工程化,自动化 ------ 作者/分享人:喻珍祥,携程港澳研发部高级研发经理,2004 年接触互联网前端开发,见证前端开发从美工到全栈开发的全过程。2014 年加入携程,主要负责永安旅游 APP 移动前端架构和研发。
React.jsSPA
199 订阅

携程在线风控系统的架构解析和问题总结

携程在线风控系统自 2011 年上线以来,随着携程业务的不断扩大,共经历了 3 次重大改版。日流量从百万级增加到现在的 10 亿级,平均每笔支付请求需要执行的风险判断从 50 条规则增加到现在的400+规则、5 个实时模型和3个准实时模型。经历 3 次大版本后,平均耗时从 600ms 逐步降低到了 150ms,降低了 80%。 本场 Chat 将分享携程在线风控系统的现有架构,及演进的过程中碰到的问题和对应的解决方案。 ------- **实录提要:** - 携程的风控系统在逻辑上是如何切分的,和美团的因子=>规则=>场景类似吗? - 那规则的产出是 yes 或者 no,还是具体的风险分值? - 离线规则引擎的数据存储方式是什么?因子数据存储hive,还是HBase? - 机器学习模块和规则引擎模块是怎么做融合的? - 规则变更有质量保证流程吗,如何保障手抖搞错? - 有没有考虑规则对业务进行灰度?
330 订阅

如何基于 Spark Streaming 构建实时计算平台

随着互联网行业的发展,人们对数据处理的时效性、可靠性以及准确性要求越来越高,实时计算也得到了蓬勃的发展。 本次分享将着重于介绍携程基于 Spark Streaming,构建实时计算平台的整套技术方案、架构,目前的使用场景,以及打造平台过程中遇到的挑战和问题。 **实录提要:** - Metrics 性能监控,生产环境在一个 App 怎么加监控,怎么获取? - 能支持的最大消息并发是多少?在仅有一次和至少一次的场景下,性能能差多少? - 平台监控是怎么做的,包括资源监控、任务监控等? - metric 信息是直接发送到时序数据库中的吗,会不会影响任务本身的性能? - CDH 的 Spark 是不是有限制? - Hive On Spark 会好点,还是只是 Hive 好点? - 对于作业的资源分配,有没有什么规律? - 广播变量是不是不能更新的? - Spark Streming 怎么解决数据迟到? ------- 作者/分享人:潘国庆,携程大数据平台资深研发工程师。2016 年加入携程,致力于实时计算领域的研究,负责调研、研发与维护携程实时计算平台。
Spark
892 订阅

大规模知识图谱的构建、推理及应用

知识图谱的相关研究如火如荼地开展着,知识图谱的构建与应用如雨后春笋般出现。大规模知识图谱的构建与应用发展十分迅速,具有广阔的前景。本次分享将着重探讨知识图谱构建的技术、方案、策略和知识图谱的一些应用,以及知识图谱中其他待研究的问题和挑战。 ------ **实录提要:** - 链接预测的原理大概是什么? - 什么是先验知识?能举例吗? - 对于特定领域的本体模型的构建有没有指导性的规范? - 多少量级的算是大量的先验知识?它是如何作用于深度学习的? - 利用大量先验知识,来降低模型对大规模标注语料的依赖的方法是什么? - 亚马逊的个性推荐,比别人的技术高超在哪些地方? - 可以分享携程在知识图谱中的技术架构吗? - 携程有没有结合情感分析在知识图谱中的应用?
知识图谱
327 订阅

携程运维工作流平台的演进之路

随着互联网技术的迅速发展,运维的事务日趋复杂,如何能高效地协调好人、工具与流程之间的关系,把运维人员从低效率、高强度、易犯错的人工操作彻底解放出来,让他们的能力与精力有更大程度的发挥,将是一个很大的挑战。 携程运维工作流平台经过三年时间的演进,从最开始引入商业产品 Remedy 平台做底层的单一工作流引擎,慢慢演化到抽象工作流平台的建设并扩展支持更多开源的工作流引擎,同时把原来平台进一步分层,建立了统一标准的接口,对业务进行了服务标准化、业务流程化以及流程自动化的改进。 本场 Chat 主要包括:如何进行运维工作流平台的架构建设、携程工作流平台的演进以及未来展望。 ------ 作者/分享人:徐豪杰,携程技术保障中心流程工具团队资深软件工程师,2013年加入携程,主要负责运维工作流平台架构设计和研发建设,在流程架构设计方面拥有丰富的实践与积累。
251 订阅

以 OTA 为例,看爬虫和反爬虫大战现状

随着大数据与机器学习的兴起,数据成了大家关注的重点。因此,爬虫成了小公司的命脉,反爬虫成了大公司的命脉。OTA 是爬虫的一大战场,希望从这里能让大家看出,这个不阳光的行业,现状是怎样的。 **实录提要:** - 如何分析爬虫请求和正常用户; - 爬虫在识别的时候怎么识别是否是同一个商品; - 怎么保证返回的错误数据没影响到用户呢; - 爬虫可能是亿级别的商品数据,如何判断页面的数据有没有变更; - 作者的爬虫是基于正则表达式实现的吗; - 怎么判断异地登录是正常的用户行为还是爬虫行为; - 专业做爬虫技术路线是怎样的; - 如何防止被爬取的网址限制 IP,用一个IP池不停的换 IP 吗; - 你们的反爬虫是怎么架构的; - 开发爬虫什么语言做好; - 针对 App 反爬虫来说,HTTPS 双向认证的方式是不是爬虫就没办法破解了; - 如果说反爬虫是一个独立的项目,是否一个开关是否打开反爬虫?
严选OTA爬虫
429 订阅