360搜索的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

算法與數據中台：基於Google、Facebook與微博實踐

為了解決360搜索的問題，作者詹盈 這樣論述：

本書作者依據在Google、Facebook、新浪微博及滴滴出行等中美一流互聯網公司的實際工作經歷，對算法技術、數據技術，以及圍繞它們進行的技術中台建設實踐進行了全面的探討，並在此基礎上對資訊流推薦、計算廣告及智慧出行等核心互聯網業務進行了案例剖析。本書具有廣闊的技術視野，內容頗具深度，既適合互聯網行業的技術從業者閱讀，也適合電腦相關專業的高年級本科生、研究生閱讀。通過閱讀本書，讀者能加深對機器學習、深度學習、大數據、分散式系統及技術中台等相關領域的認知與理解，並從中獲得一定的啟發和可借鑒的經驗。 詹盈 本科畢業于南京大學，後赴美攻讀電腦博士學位。先後就職於 Google

、Facebook 以及新浪微博，歷任主任架構師、演算法總監等職位。長期致力於機器學習算法、算法工程平臺和大規模個性化系統等方向的技術研究以及團隊管理工作，對推薦系統、計算廣告、大資料和雲計算等相關業務領域有著長期深入的工作經驗和成功實踐。 鄭旭飛，先後就職於 360 搜索、滴滴出行以及新浪微博，歷任算法專家和資深工程師等職位，對搜索、推薦、廣告等個性化系統以及機器學習平臺有著豐富的實踐經驗。   第1章 算法與數據中台概述 1 1.1 中台的背景和意義 1 1.2 算法與數據中台的功能價值 3 1.3 算法與數據中台的技術體系 4 1.4 算法與數據中台的實踐場景 6 1

.5 算法與數據中台的應用前景 7 1.6 本章總結 8 第2章 中台技術之基礎設施 10 2.1 研發效率系統 10 2.1.1 代碼組織和構建 11 2.1.2 代碼審查和任務管理 13 2.1.3 持續集成 15 2.1.4 通用壓測平臺 17 2.2 服務通信系統 19 2.2.1 跨進程通信框架 20 2.2.2 服務註冊與發現 21 2.2.3 服務治理 24 2.3 監控報警系統 25 2.3.1 通用系統架構 25 2.3.2 指標計算模型 26 2.3.3 開源解決方案 27 2.4 鏈路跟蹤系統 29 2.4.1 應用場景與設計目標 30 2.4.2 系統架構 30 2.

5 本章總結 32 第3章 中台技術之線上算法系統 33 3.1 物料檢索系統 34 3.1.1 倒排檢索 35 3.1.2 倒排索引實例 37 3.1.3 相似檢索 38 3.1.4 相似檢索實例 40 3.1.5 模型粗排 40 3.2 模型預估服務 41 3.2.1 整體架構 42 3.2.2 多框架支持 43 3.2.3 模型上線 44 3.2.4 線上預估 45 3.2.5 異構設備 46 3.2.6 性能優化 47 3.2.7 效果監控 49 3.3 策略機制引擎 50 3.3.1 整體架構 50 3.3.2 計算流解譯器 51 3.3.3 Lua 解譯器 52 3.4 集群管理

平臺 53 3.4.1 多租戶架構 53 3.4.2 集群動態管理 54 3.4.3 集群性能監控 57 3.4.4 配置動態分發 59 3.5 效果評估系統 60 3.5.1 背景介紹 61 3.5.2 設計模式 61 3.5.3 系統架構 62 3.5.4 指標計算 64 3.6 本章總結 65 第4章 中台技術之機器學習平臺 66 4.1 機器學習平臺簡介 66 4.1.1 機器學習的研發流程 67 4.1.2 機器學習的研發挑戰 69 4.1.3 機器學習的研發技術 69 4.2 傳統機器學習算法 73 4.2.1 線性算法 73 4.2.2 因數分解機算法 77 4.2.3 決策樹

算法 81 4.3 深度學習算法 84 4.3.1 發展簡史 85 4.3.2 神經元模型 86 4.3.3 神經網路模型 87 4.3.4 神經網路的算法原理 88 4.4 模型框架基本原理 94 4.4.1 分散式運算架構 94 4.4.2 平行計算的同步機制 99 4.4.3 梯度更新算法 102 4.5 層結構的模型框架 108 4.5.1 Caffe 109 4.5.2 DistBelief 110 4.5.3 WBLEngine 112 4.5.4 小結 116 4.6 數據流程結構的模型框架 116 4.6.1 TensorFlow 116 4.6.2 PyTorch 122 4

.6.3 小結 126 4.7 複合結構的模型框架 126 4.7.1 場景特點 126 4.7.2 設計思路 127 4.7.3 架構與實現 128 4.7.4 性能優化 131 4.7.5 小結 132 4.8 機器學習平臺簡介 132 4.8.1 單業務線開發階段 132 4.8.2 平臺化建設階段 133 4.8.3 業界知名產品 134 4.9 新浪微博 WBL 機器學習平臺 135 4.9.1 使用者操作介面 136 4.9.2 管理中心 138 4.9.3 數據中心 140 4.9.4 調度中心 141 4.9.5 智慧中心 144 4.9.6 模型中心 145 4.10 本章總

結 147 第5章 中台技術之分散式數據庫 148 5.1 分散式數據庫概述 148 5.1.1 SQL 數據庫 148 5.1.2 NoSQL 數據庫 149 5.1.3 NewSQL 數據庫 150 5.2 分散式數據庫技術 150 5.2.1 ACID 理論 151 5.2.2 CAP 理論 151 5.2.3 BASE 理論 153 5.2.4 數據分片策略 154 5.2.5 數據複寫原則 157 5.2.6 Gossip 協議 158 5.2.7 分散式一致性協議 160 5.2.8 分散式事務協定 167 5.3 分散式數據庫產品 170 5.3.1 Redis 170 5.3

.2 Google BigTable 170 5.3.3 Google Spanner 173 5.4 LaserDB 分散式數據庫 177 5.4.1 系統架構 178 5.4.2 數據模型 179 5.4.3 分片策略 180 5.4.4 批量載入 181 5.4.5 同步機制 182 5.4.6 高可用架構 184 5.4.7 高性能方案 185 5.5 LaserDB 應用案例分析 188 5.5.1 數據緩存 188 5.5.2 特徵服務 189 5.5.3 向量存儲 190 5.5.4 樣本拼接 190 5.6 本章總結 191 第6章 中台技術之大數據平臺 192 6.1 大數

據平臺概述 192 6.1.1 大數據的特點 192 6.1.2 大數據平臺的技術棧 193 6.2 分散式協調系統 194 6.2.1 Google Chubby 195 6.2.2 Apache ZooKeeper 196 6.2.3 Consul 197 6.3 集群管理系統 199 6.3.1 Google Borg 200 6.3.2 Kubernetes 202 6.3.3 Apache YARN 203 6.4 分散式檔案系統 205 6.4.1 Google GFS 205 6.4.2 Apache HDFS 207 6.4.3 Dropbox MagicPocket 209

6.5 消息管道系統 210 6.5.1 Google PubSub 211 6.5.2 Apache Kafka 213 6.6 分散式運算系統 214 6.6.1 MapReduce 214 6.6.2 Apache Spark 216 6.6.3 Apache Flink 218 6.6.4 Apache Beam 220 6.7 數據倉庫與分散式查詢系統 221 6.7.1 Google BigQuery 222 6.7.2 Apache Hive 223 6.7.3 Facebook Presto 224 6.7.4 Facebook Scuba 226 6.8 本章總結 227

第7章 中台實踐之推薦系統 228 7.1 推薦系統的背景簡介 228 7.1.1 場景概況 229 7.1.2 整體架構 230 7.1.3 推薦思路 233 7.2 推薦系統的算法模型 235 7.2.1 GBDT-LR 融合模型 235 7.2.2 Wide & Deep 模型 237 7.2.3 DeepFM 模型 238 7.2.4 雙塔模型 238 7.2.5 多工模型 239 7.2.6 算法的發展趨勢 241 7.3 推薦系統的效果度量 244 7.3.1 體驗指標 244 7.3.2 算法指標 245 7.4 Facebook 資訊流推薦簡介 250 7.4.1 數據分發系統

251 7.4.2 特徵服務 252 7.4.3 索引系統 254 7.4.4 預估與排序服務 255 7.4.5 即時樣本拼接服務 256 7.4.6 模型訓練平臺 257 7.5 本章總結 258 第8章 中台實踐之數位廣告 259 8.1 數字廣告的背景簡介 259 8.1.1 核心概念 260 8.1.2 合約廣告 261 8.1.3 競價廣告 262 8.1.4 程式化交易廣告 263 8.2 數位廣告系統架構 264 8.2.1 業務平臺 265 8.2.2 算法與數據中台 265 8.3 數位廣告系統中的數據管理 266 8.3.1 站內數據 267 8.3.2 站外數據 2

67 8.4 數位廣告系統中的受眾定向 268 8.4.1 內容定向 268 8.4.2 用戶標籤定向 269 8.4.3 定制化標籤定向 269 8.4.4 社交關係定向 270 8.4.5 智能定向 270 8.5 數位廣告系統中的策略機制 270 8.5.1 流量預測 271 8.5.2 線上分配 271 8.5.3 頻次控制 272 8.5.4 平滑投放 272 8.5.5 探索策略 273 8.5.6 智能出價 274 8.5.7 廣告競價 276 8.5.8 反作弊機制 277 8.6 本章總結 277 第9章 中台實踐之網約車平臺 278 9.1 業務簡介 279 9.1.1

業務背景 279 9.1.2 運作流程 281 9.1.3 用戶體驗 281 9.2 技術架構 282 9.2.1 分層系統架構 282 9.2.2 業務中台 283 9.2.3 算法與數據中台 285 9.3 打車定價場景 286 9.3.1 場景描述 286 9.3.2 價格動態下浮策略 287 9.3.3 價格動態上浮策略 289 9.3.4 小結 290 9.4 打車排隊場景 290 9.4.1 場景描述 290 9.4.2 排隊時間預估策略 291 9.4.3 小結 292 9.5 打車安全場景 292 9.5.1 場景描述 292 9.5.2 安全性原則 293 9.5.3 小結

294 9.6 本章總結 294 參考文獻 295  

360搜索進入發燒排行的影片

提供免費防毒軟體服務公司商業模式探討

為了解決360搜索的問題，作者李俊明 這樣論述：

摘要在網際網路發達後的時代，提供免費使用軟體商品是一種新的經營模式，如應用軟體、線上遊戲及APP 等。本研究擬探討免費使用軟體如何從中獲利!本研究以Osterwalder九大要素的商業模式作為分析之架構，針對提供免費防毒軟體的三大公司之商業模式進行分析，分析結果顯示防毒軟體功能除了掃描、清除病毒，更需提供其他附加功能(PC效能提升、清除垃圾、加密管理等)吸引用戶。開始著重客戶導向，並利用社群功能了解用戶需求，開發符合使用者的功能。建立會員機制，協助市場擴展與產品行銷。三大公司的防毒軟體為永久免費，廠商依目標客層(家庭、進階付費及企業)提供簡易、進階及企業防毒商品價值主張，進而由廣告費、平台收

入及軟體授權費獲取收益來源。研究得知免費行銷模式已是防毒市場的趨勢，在市場競爭下公司的優勢取決於產品品值(防毒效能、功能性、操作性)，有了良好品質才能吸引使用者，提高市場佔有率。關鍵詞：免費商業模式、商業模式圖、防毒軟體

百度SEM競價推廣：策略、方法、技巧與實戰

為了解決360搜索的問題，作者馬明澤 這樣論述：

競價推廣已成為企業最主要的網絡營銷方式，本書以百度競價推廣為基礎，全面闡述了整個競價推廣過程中的重要環節，涉及大量賬戶操作實戰技巧，以及解決各類難點的方法，其中包括搜索引擎營銷基礎、百度搜索推廣介紹、賬戶結構搭建技巧、關鍵詞與創意的使用技巧、質量度優化與提升、賬戶工具的使用、百度推廣客戶端的使用、企業搜索推廣方案制作、百度網盟推廣、着陸頁分析、效果優化與數據分析，具體操作步驟翔實，對每個知識點都進行了深入詳細的講解。另外，結合筆者的實際操作經驗，本書將各環節最本質的一面透徹地展現給讀者，理論結合實戰，向讀者展示一個真實的競價推廣過程的核心內容。本書中沒有長篇大論的敘述，內容精簡不過時，緊隨搜索

引擎更新步伐，一切落實於具體執行思路，以營銷思想為貫穿，以解決實際問題為訴求，環環相扣，真正做到易懂、易用。馬明澤，中國實戰派網絡營銷專家，計算機學科碩士，曾歷任教育行業公司SEM特級講師、網絡營銷總監，培養過上千名學員。8年網絡營銷經驗，6年SEM競價推廣實操經驗，百度推廣企業聯盟特約專家。精通搜索引擎競價技巧，擁有豐富的一線實戰項目操作經驗，國內首批移動互聯網推廣專家。擔任多家大型企業網絡推廣顧問，年預算均達1000萬元以上，並通過競價推廣有效幫助企業獲得利潤。 第1章 搜索引擎營銷基礎 1.1 初識搜索引擎營銷 1.1.1 搜索引擎——百度 1.1.2

國內主流搜索引擎 1.1.3 國內搜索引擎的市場份額 1.1.4 摸清百度競價的套路 1.1.5 競價推廣的優勢 1.1.6 我們是SEMer 1.2 SEM與SEO 1.2.1 SEO簡介 1.2.2 SEM和SEO的區別 1.3 百度搜索、360搜索、搜狗搜索 1.3.1 行業大哥不好做——百度搜索 1.3.2 不管三七二十一——360搜索 1.3.3 搜狐、騰訊雙后台——搜狗搜索 1.4 百度付費推廣方式 1.4.1 百度搜索推廣 1.4.2 百度品牌專區 1.4.3 百度閃投推廣 1.4.4 百度網盟

推廣 1.4.5 百度圖片推廣 1.4.6 百度品牌起跑線 1.4.7 百度品牌地標 1.5 常見網絡廣告的付費形式 1.5.1 CPT：按時長/周期計費 1.5.2 CPM：按千次展示付費 1.5.3 CPA：按廣告投放實際效果付費 1.5.4 CPC：按點擊付費 1.6 百度推廣賬戶注冊 1.6.1 百度推廣賬戶開戶方式 1.6.2 百度推廣開戶流程 1.6.3 什麼是加 1.6.4 練習賬戶注冊流程第2章 百度搜索推廣 2.1 搜索推廣的概念 2.1.1 什麼是搜索推廣 2.1.2 為什麼搜什麼就可以看

到什麼 2.1.3 什麼是搜索詞 2.1.4 什麼是關鍵詞 2.1.5 搜索詞是關鍵詞嗎 2.1.6 搜索推廣的作用 2.2 搜索推廣漏斗 2.2.1 網民的購買流程 2.2.2 企業的推廣流程 2.2.3 搜索推廣漏斗層級介紹 2.2.4 為什麼叫「漏斗」 2.2.5 搜索推廣漏斗的三個階段 2.3 搜索推廣漏斗層級問題分析 2.3.1 展現量異常 2.3.2 點擊量異常 2.3.3 訪問量異常 2.3.4 咨詢量異常 2.3.5 訂單量異常第3章 百度搜索推廣——賬戶結構 3.1 賬戶結構搭建

3.1.1 賬戶結構層級數量值 ……第4章 百度搜索推廣——關鍵詞第5章 百度搜索推廣——創意第6章 質量度第7章 百度搜索推廣——工具的使用第8章 百度推廣客戶端第9章 搜索推廣方案制作第10章 百度網盟推廣第11章 着陸頁分析第12章 效果優化與數據分析附錄A 每日工作內容總結

中國大陸Wiki網站商業營運之研究：以互動在線為例

為了解決360搜索的問題，作者李政廷 這樣論述：

本研究針對中國大陸商業Wiki網站經營者互動在線公司做個案研究，由於商業Wiki網站在台灣仍屬少數，故希望能透過對於商業Wiki網站之個案研究汲取其經驗並了解其營運之關鍵因素。本研究透過個案研究法並輔以內容分析、參與觀察及深度訪談法的方式，得知商業Wiki網站的營利核心及可行模式，並與學者所提出Wiki網站金三角模式做比較，檢視商業Wiki網站營運的不同策略面。本研究結論如下：一、商業Wiki網站之營運建立在電子商務架構五大領域及電子商務法則三元素之概念下。二、Wiki採取商業營運之之五大策略為使用者、系統、內容、投資合作、營收獲利，此五大因素亦可歸納為Wiki網站採取商業營運之可行模式。三

、商業Wiki網站透過專門廣告之精確性，確立其營利核心。四、與Wiki金三角模式相較，商業Wiki網站除須維持Wiki網站三要素(使用者、系統、內容)外，更須注重其投資合作及營收獲利二策略。根據研究結果，本研究提出建議三點如下：一、商業Wiki網站需確立其傳播內容之經營策略。二、商業Wiki網站需有多元化的宣傳，吸引使用者及投資、獲利的進場。三、商業Wiki網站需縝密計畫其資源面，避免無法營利甚至虧損。