靠谱 的软件外包伙伴

您的位置:首页 > 新闻动态 > 携程系统开发中使用深度学习开发的案例分析!

携程系统开发中使用深度学习开发的案例分析!

2016-07-29 11:20:00

携程攻略社区是携程旗下的旅游攻略类社区,致力于为旅行者提供出行指南和资讯服务。依托携程2.5亿用户总量,社区日活跃用户超过500万,并汇集3000万条真实用户的旅行和酒店点评,并有40万篇旅行游记,2000位知名旅行达人。面对数据库中浩如烟海的信息,我们如何能去其糟粕,留其精华?

攻略社区的主要需求

攻略社区的数据比较复杂,包括了多语种,不同篇幅的自然语言处理,如用户评论,长短篇幅的游记,景点官网页面数据;图像数据处理,如用户上传的景点照片等多种应用场景。模型需要在极短的时间内对海量的这些信息进行正确分类。

图片描述

深度学习及一些经典模型简介

介绍浅层机器学习模型和深度学习模型的异同。从传统的支持向量机(SVM)起始,循序渐进,引出了在今天的分享中扮演了非常重要角色的卷积神经网络模型(CNN)。

从最基本算法角度简单明了地指出了CNN的特点、优势和应用场景。除CNN之外,还有词向量模型(WORD2VEC)、循环神经网络(RNN)、长短期记忆人工神经网络(LSTM)和循环卷积神经网络(RCNN)。

图片描述

DL在攻略社区应用

在介绍了攻略社区的特殊需求和主流深度学习模型之后,下一步便是如何根据实际情况和模型特点高效满足现有的需求。根据数据类型,应用场景又可分为以下若干部分:

  1. 在自然语言处理方面,主要运用CNN模型进行语义情感分析,LSTM模型进行地址质量打分,CNN+Highway+LSTM+Attention模型完成指定景点开放时间的抓取和判断。

    图片描述

  2. 在图像处理方面,运用CNN进行图像分类,识别广告图片,侵权图片和非法图片。以及CNN+LSTM+Attention进行图像中物体检测以及自动生成图片对应的带情感文字描述。

    图片描述

  3. 在视频领域中,使用RCNN和LSTM模型对视频数据进行自动审核并生成对应文字描述。

    图片描述

  4. 在数据内容领域中,用模糊神经网络进行目的地和POI信息的多元信息匹配。

图片描述

未来趋势和关注点

对于携程攻略社区而言,之后的工作目标除了优化现有模型外,还将从自动纠错、知识图谱、虚拟现实和更多更广泛的深度学习模型入手,进一步提高计算效率和准确率,为用户带来更多样化更好的体验。

图片描述

 

关于:中科研拓

深圳市中科研拓科技有限公司专注提供软件外包、app开发、智能硬件开发、O2O电商平台、手机应用程序、大数据系统、物联网项目等开发外包服务,十年研发经验,上百成功案例,中科院软件外包合作企业。通过IT技术实现创造客户和社会的价值,致力于为用户提供最佳的软件解决方案。联系电话400-0316-532,邮箱sales@zhongkerd.com,网址www.zhongkerd.com


  上一篇   [返回首页] [打印] [返回上页]   下一篇