背景 随着游戏市场竞争的日趋激烈，越来越多的游戏运营服务选择借助大数据挖掘出更多更细的用户群来进行精细化，个性化运营，从而更好的抓住用户，获得更大的收益。在游戏运营中，无论是流失挽留，还是拉新，以及付费用户预测都是游戏运营的重要内容。 本文将着重介绍手游用户的流失预测。对于游戏运营者，如果能够尽早的

1以PigOnStorm直面实时应用开发面的挑战 在TRC（Tencent Realtime Computing）系统中TDProcess负责为各个应用提供实时计算的能力和服务，Storm是TDProcess的核心部件，虽然Storm已经成为开源流式计算领域的实际标准，但其生态系统远没有Hadoop

​ 机器学习是一个大武林，这里面江湖人士颇多，“发明”出来的算法兵器也是五花八门，浩瀚如海，足够你数上三天两夜了。然而，这些兵器行走江湖能用的不多，真正无敌的更是屈指可数，或许只有屠龙刀倚天剑了。正如江湖传言：武林至尊，宝刀屠龙，号令天下，莫敢不从，倚天不出，谁与争锋? 机器学习中还真有这么一把屠龙

​ 文字，一种信息记录的图像符号，千年来承载了太多的人类文明印记。OCR，一种自动解读这种图像符号的技术，一直以来都备受关注。尤其在信息时代的今天，数字图像纷繁复杂，如何便捷高效的获取其中的文字信息，更有着重要的时代意义。作为模式识别领域最为经典的研究热点之一，OCR经历了长时间的发展变化，各种新技

1. 背景 先来看两个例子，下面两幅图展示了百度在趋势预测方面的应用案例，一个是世界杯期间的比赛输赢预测，另一个是北京各旅游景区的游客人数预测。 这两幅图代表了大数据环境下趋势预测的典型场景，即事件预测和时序预测，本文重点关注第二幅图中的场景，即与时间维度相关的时间序列预测。 2. 时间序列预测 时

前言 大数据时代，海量流量和数据是变现的源泉。腾讯拥有最多样的用户数据，社交、聊天、游戏、听音乐、看电影、逛电商，等等，有巨大的挖掘空间，个性化精准推荐无疑是一把开矿的钥匙。TEG-数据平台部基于“数据+算法+系统”的设计理念，海量数据实时采集、流式计算、实时建模、实时推荐，构建海量、实时、精准的个

**To knowledge是目标，手段还是mining，俗称数据民工。**每当大家讲到大数据，都会不约而同的提到大数据几个V的定义：Volume，Variety，Velocity，Veracity，Value。大部分情况下我们都是将这几个V放在PPT的introduction部分一笔带过，并无详细

1背景 CTR预估，广告点击率（Click-Through Rate Prediction）是互联网计算广告中的关键环节，预估准确性直接影响公司广告收入。CTR预估中用的最多的模型是LR（Logistic Regression） [1]，LR是广义线性模型，与传统线性模型相比，LR使用了Logit变

与传统的浅层机器学习相比，深度学习具有优秀的自动提取抽象特征的能力，并且随着分布式计算平台的快速发展，大数据的处理能力得到极大的提升，使得近年来DL在工程界得到广泛的应用，包括图像识别，语音识别，自然语言处理等领域，并取得比传统机器学习更好的效果提升。另一方面，智能推荐系统，本质上是从一堆看似杂乱无

本文作者：内部搜索平台部推荐中心组长，2009年加入腾讯，从事搜索相关工作，包括社区问答，网页搜索，音乐、视频、应用宝等项目，方向涉及query理解，文本相关性、智能问答等。目前从事天天快报、新闻客户端等资讯个性化，包括用户兴趣、推荐策略、工程架构等。 搜索引擎中, 一个好的纠错系统能够将用户输入查

1.引言 技术钻研如逆水行舟，不进则退。公司的广告业务发展非常迅猛，有目共睹，激烈的外部竞争和客户越来越高的期望，都要求我们的技术不断进步；与此同时，我们也的确在生产实践中遇到了不少的技术问题和挑战，这些都促使我们在技术上不断的尝试突破。经过两年多时间的技术钻研和应用实践，同发表上一篇KM文章时的技

1. 引言 深度学习可以说是目前机器学习和人工智能领域最热的词汇了，已经热了数年，而且有望继续热下去。深度学习技术自横空出世以来，在多个应用领域刷新了历史记录，如语音识别、图像识别、自然语言处理等等，且其后劲甚足，不断有新的记录出现。近日，来自Google和Facebook的两个科学家团队又在体现高

**1.背景点击率预估（pCTR）**是广告投放过程中的一个重要环节，精准的点击率预估对于广告投放系统收益最大化具有重要意义。pCTR的优化主要有算法优化，系统改进，特征探索等几种途径。2015年下半年微信公众号位置，在引入了多种新特征，优化已有特征的准确度和覆盖率，并使用深度学习的算法框架后，效果

在内容爆炸性增长的今天，个性化推荐发挥着越来越重要的作用，如何在海量的数据中帮助用户找到感兴趣的物品，成为大数据领域极具挑战性的一项工作；另一方面，深度学习已经被证明在图像处理，计算机视觉，自然语言处理等领域都取得了不俗的效果，但在个性化推荐领域，工程应用仍然相对空白。 本文是深度学习在个性化推荐实

​ 本月中旬，腾讯大数据在“腾讯大数据技术峰会暨KDD China技术峰会”上宣布推出面向机器学习的第三代高性能计算平台——Angel，并预计于2017年第一季度开放其源代码，鼓励业界工程师、学者和技术人员大规模学习使用，激发机器学习领域的更多创新应用与良好生态发展。 那么，Angel是如何“以己之