hey il mio nome è Davos Inga sono uno di
i fondatori del viaggio Oso e lo sarò
parlando delle nostre guide di viaggio intelligenti
oggi volevo iniziare con questo
luce sgradevole perché sai che parliamo
molto sui big data e penso che
due diffusori prima di me hanno effettivamente parlato
sui big data
Non parlerò di big data intelligenti
perché la mia regola è se si adatta a un USB
stick non è big data e Amazon vende
un terabyte usa B stick ora e così
questo è il nuovo limite di grandi tutti i dati
destra
cos’è il viaggio oh, quindi facciamo viaggi intelligenti
guida guide di viaggio così intelligenti che conosci
le guide turistiche sui libri non lo sono davvero
cambiato gli ultimi cento anni circa
dispositivi puoi andare molto più lontano
sapere che sa dove sei lo sa
in una certa misura chi sei conosce la
tempo conosce il tempo che sa cosa
hai fatto e possiamo usarlo
tutte queste informazioni su di te sanno a
per darti suggerimenti intelligenti
che compaiono sullo schermo principale
le guide di viaggio sono completamente algoritmiche
basato cosa significa che significa che noi
non impiegare gli umani per scrivere viaggi
guide o qualsiasi informazione che forniamo
su internet e raccogliere tutto il
informazioni che possiamo trovare processo
che in qualche modo con te sai semplice
algoritmi ma alla fine che sputa fuori
un set di dati che viene poi caricato da
scaricato dai dispositivi e mostrato
queste guide di viaggio scherziamo sempre su questo
quando i robot prendono il sopravvento
saranno dalla nostra parte perché lo sai
non impieghiamo esseri umani che già abbiamo
i robot e uno dei lati positivi
gli effetti di ciò sono che copriamo il
mondo intero perché non dobbiamo
invia piloti a tutti i diversi
posizioni l’unica cosa che dobbiamo fare
è assicurarsi che i nostri algoritmi funzionino
per qualsiasi posizione e così attualmente noi
coprire oltre 10.000 città con tre
milioni di punti di interesse in quelli
città e cento ottanta paesi I
credo e finora le nostre app sono state
scaricato penso otto milioni di volte
o così che suona come vantarsi ma
è piuttosto rilevante perché dà
ci un sacco di informazioni sull’utilizzo che noi
quindi è possibile utilizzare per migliorare le nostre guide anche
a maggior ragione parliamo di suggerimenti
questo è questo il modo in cui su
iPhone la nostra app ti sembra la prima volta
aprilo per Berlino c’è un download
pulsante che permette di fare questo
cosa funziona offline tutte le nostre guide funzionano
offline e poi ci sono questi
suggerimenti l’idea è sempre quella
noi dipendiamo da dove ti offriamo
tu la cosa che potresti essere
interessa più e sarò a parlare
su questi tre pulsanti che noi
normalmente ho come ho detto la guida
sa dove sei, quindi abbiamo un vicino
Suggerisco signore che ti dà ancora qualcosa
informazioni su ciò che è vicino e
quello che potrebbe essere interessante lì lo sa
che ora è per i viaggi ancora più
rilevante a che ora è al locale
destinazione in modo che possa suggerire alcuni
cose che sono basate sul tempo e infine
sa che il tempo è in realtà
quando ho fatto questo le previsioni del tempo
per Berlino era piuttosto brutto e quindi mostra
questo è ed è piuttosto carino , no
conosci qualcuno se sei stato fuori
ma è abbastanza carino adesso
quindi iniziamo con le vicinanze ovviamente
suggerire cose nelle vicinanze in sé è
abbastanza facile chiedi al telefono dove si trova
e quindi si passa attraverso il database di
posti e tu dici oh bene questi sono
nelle vicinanze forse vuoi controllarli
quindi la domanda è più come si ottiene
ad un bel database di luoghi che sono
nelle vicinanze del modo in cui lo facciamo iniziamo
con il web ci sono un sacco di
luoghi che ci permettono di usare i loro dati
o questi sono posti di contenuto aperto
come OpenStreetMaps o Wikipedia o wiki
viaggio o le loro feste commerciali come
Facebook o prenotazioni con API
questo è applicabile a questo e così via
noi facciamo è attraversiamo tutti quei posti
e otteniamo che i loro feed li dividano
ciò che chiamiamo luoghi che sono
in sostanza città e app ti occhi
che sono le cose nelle città che
potresti essere interessante e così ora
abbiamo questi due set di dati di un misto
formato e usiamo un po ‘ di corrispondenza
algoritmi per cercare di capire cos’è
ciò che questo è di per sé, naturalmente, una
cosa complicata che sarebbe facile
Prenditi 15 minuti per spiegare, quindi se lo sei
interessato a cosa facciamo esattamente lì
vieni a trovarmi dopo questo e poi quando noi
abbiamo tutto questo combinato con cui finiamo
i nostri tre milioni di occhi Pugh e usiamo a
copia questa diapositiva da météo così
questo è il nostro sistema così parte della nostra parte
della nostra elaborazione è appena fatto con due
grandi macchine nella cucina dei nostri
ufficio si scopre che si può fare a
un sacco di elaborazione lì se non lo fai
cura dei dati in tempo reale o di grandi dimensioni, ma tu
mi importa della precisione quindi ed è a
è certamente più economico del noleggio
quelle macchine su Amazon e così è stato
le macchine quindi fanno questa elaborazione spingendolo
a Dropbox e a un foglio di lavoro Google
tiene traccia di ciò che è tutto e
poi le nostre nostre guide di volta in volta
prendi quel foglio di lavoro Google e vai a prendere
la roba da s3 a destra e poi finiamo
con una bella lista di suggerimenti di
luoghi che sono vicini dove abbiamo
alcune descrizioni delle cose e
sappiamo fin dove va tutto bene così
se i suggerimenti dei bassi sto saltando
qui il prossimo il tempo base
perché c’è qualche sovrapposizione ed è
più facile iniziare con il tempo
quindi se il basso suggerisce
cercano di recuperare le previsioni del tempo
quando hai accesso ai dati e poi quando
sei pronto per uscire in tempo confrontare
che tempo dovrebbe essere con il tipo
di cose che sono attraenti dato questo
sorta di tempo e ha il vantaggio
che abbiamo un bel modo per mostrare
qualunque cosa sarà e ti ispirerà
in una certa misura, anche se il tempo è
non così grande come in questo caso in cui io
non so quanto sia leggibile, ma è così
dice che i musei sono sempre un’opzione
che sembra molto adatto a Berlino
in questo periodo dell’anno, quindi iniziamo naturalmente
con i dati meteorologici dati meteo è a
bello e aperto se sei in quel tipo
di cosa ci sono questi ragazzi che hanno
stato raccolta dati meteorologici dal
1800 o giù di lì e puoi raccogliere questi
questi dati in un formato che è vagamente
basato su schede perforate ovviamente ma tu
può elaborarlo con il tuo qualsiasi moderno
cosa tu hai così quello che facciamo è noi
ottenere tutti questi dati e lo allineamo
con posizioni e pys che abbiamo e
quindi guardiamo a ciò che i nostri utenti effettivamente
fare in quei giorni e anche noi guardiamo
random picture stabilisce che troviamo sul
internet e guardiamo quando sono
preso e ora mettendo in fila quelle cose
e associando questo con P saggio possiamo
vedere che alcune cose come un museo il
l’uso in là sale un po ‘ in a
giorno di pioggia e il numero di immagini
che sono presi è abbastanza uguale mentre se
è se è un parco che vedi quello
il numero di immagini diminuisce drasticamente
quando il tempo non è eccezionale e se
è una spiaggia che vedi che è il numero
di immagini che le persone prendono sono
in realtà scende quando le temperature sono
più basso e quindi quello che facciamo è definire I
Pensa a dieci tipi di tempo basati su
temperatura se piove o meno e
e solarità
e poi guardiamo in correlazione con
che tipo di comportamento degli utenti e poi noi
diffondetelo basandovi su entrambi
Tipo di Pui, così tu lo sai
diciamo okay in generale, concludiamo questo
i musei sono buoni e in alcuni casi se
le cose sono abbastanza popolari che possiamo
effettivamente farlo su un singolo Pui
livello e possiamo dire ok bene questo questo
è davvero fantastico dove dovresti andare
questo ristorante perché ha fuori
posti a sedere naturalmente il nostro algoritmo no
so davvero che ha posti a sedere all’aperto
ma sappiamo che le persone vanno lì quando
è un bel maglione e quindi possiamo dire hey
è un buon cameriere perché non vai
quel bar e così finiamo con qualunque cosa
suggerimenti basati si e apparentemente
secondo il nostro algoritmo di ebrei
il museo è il miglior posto dove andare
se il tempo non è così grande sono sicuro
anche gli altri sono fantastici, ma se tu
avere più tempo ne vale sicuramente la pena
visite okay
Altri cinque minuti che dovrebbero funzionare
che cosa hai detto bene bene bene uh
Non posso avere diapositive per questo, ma io
può parlare più di suggerimenti basati sul tempo
quindi di nuovo la prima cosa è che noi
non devi fare tutto il pesante
sollevando perché i nostri utenti usano la nostra app
e guardano ciò che guardano
ad una certa ora e abbiamo un
sistema basato sulla legge di tenere traccia di
questo immutabile e Jason e tutto
e così possiamo fare quello che possiamo fare
in realtà guarda a cosa guarda la gente
a che ora cercare di risolvere il problema
il loro fuso orario locale perché gira
fuori non tutti quando viaggiano
oltremare regolare il loro fuso orario
alcune persone si limitano a regolare un tempo che
quindi confonde l’intera registrazione così noi
devi sapere buttare via queste persone
o fare ipotesi plausibili così vediamo che
le persone tendono a guardare il caffè in
mattina e inizia a guardare il pranzo
circa bene ora di pranzo e con cena
una delle cose interessanti che facciamo
vedere è che la gente inizia a guardare
posti a cena quindi intorno alle 5:00 e poi
più tardi ottiene
minori le distanze tra l’utente
e il posto che guardano a destra
perché sai quando iniziano
a guardare la cena verso le cinque sono
veramente disposti a ad andare fuori del loro modo
facendo un po ‘di ricerca e quello
Una cosa del genere ma quando sono le 9:00
vogliono davvero avere il kebab
dietro l’angolo perché ora sono
Affamato
quindi la cosa è che per dare
persone il giusto tipo di tempo basato
suggerimenti dove siamo per lo più
interessato a cose che non sono solo
altamente classificato secondo la nostra cosa ma
che sono altamente classificati per uno specifico
argomento giusto perché la classifica generale
di un posto è del tutto possibile e
molto probabilmente anche quello il migliore
il caffè potrebbe non essere il migliore
servizio sai che è perché è un
l’uomo è di un hipster barbuto che è
più interessato alla qualità della
caffè che in te e ti proibiscono
avere Wi-Fi o sai usare il tuo
portatile o qualsiasi altra cosa e ma loro ancora
buon caffè quindi cosa facciamo in ordine
per arrivare alle opinioni prendiamo il nostro
database di P saggio e guardiamo a tutti
le proprietà del valore che abbiamo per
esempio diciamo ok questo posto ha un telefono
numero e questo è il numero di telefono
stringa così poi andiamo a guardare il
Internet in generale, se possiamo trovare
questa proprietà ovunque e noi facciamo il
lo stesso con tutte le altre proprietà che
abbiamo abbiamo parlato di 20
proprietà e quindi allora abbiamo tutti questi
pagine in cui abbiamo trovato questi
proprietà su cui sono come potrebbe essere
riguardo ai posti in cui siamo dentro
il nostro database giusto e così raccogliamo
tutti su base per dominio e poi
vedi ok se questo è davvero il telefono
numero allora ci aspetteremmo che abbiamo
più colpi sul modello HTML intorno
questo numero di telefono per diversi py
posti nel nostro database che ti aspetti
è che è un è ed è un it’s it’s
un fortunato sai che è un po ‘un
Immagino ma ti aspetti che se un database
di recensioni
di caffè menziona il telefono
numero che l’HTML intorno a quel telefono
il numero sarà lo stesso per ogni py
che hanno non è sempre vero ma
se hai abbastanza pagine risulta
che è abbastanza vero e quindi ciò che possiamo
fare quindi è dire va bene non appena lo troviamo
per un certo dominio ne abbiamo cinque
colpi per qualsiasi proprietà o noi
avere più successi per diversi
proprietà che ora possiamo assumere
effettivamente abbiamo un modo di rilevare che
questa pagina è in realtà sul nostro P saggio
e quindi quello che possiamo fare è iniziare
opinion mining quindi c’è tutto questo
persone che questi modelli linguistici dove
hai parole che descrivono certe
opinioni e circa le cose e in modo che
modo possiamo quindi concludere che questa pagina
parla del caffè e che sono molto
entusiasta del caffè e così noi
quindi inoltralo ai nostri pochi occhi e
dì okay per questo questo py puoi noi
segnali su queste diverse dimensioni
e uno dei risultati sarà allora
sia che pensiamo che si risponda al caffè
è davvero abbastanza buono il granaio è acceso –
lo ha davvero scambiato per questo
si scopre che il fienile ha un po ‘
presenza locale qui sull’unica cosa
e ma sì intendo come le persone di
Google preferisce dire che gli algoritmi lo sono
neutrale non possiamo aiutarti, non possiamo
cambia tutto qui tutto bene
così che si concludono i nostri tre suggerimenti
sulla pagina principale ne abbiamo un sacco di altro
minori, ma è tutto per ora
bene grazie mille
le classifiche sono bloccate la guerra non è solo
linea di base
no intendiamo i nostri utenti o altro
utenti della gente, quindi teniamo traccia di così
l’ intero calcolo basato sul tempo
si basa su ciò che facevo nella nostra app
sì, così teniamo traccia di ciò che noi
non avere valutazioni e questo tipo di
cosa che usiamo solo non siamo un grande fan
di tende di feedback esplicito sai che è
interessante ma tende ad essere un po ‘
distorto perché solo le persone che sono
veramente infastidito o veramente entusiasta
tendono a farlo e quindi ti manchi
una sorta di punta di mezzo e se la gente te
conosci il modo migliore per vedere che il
il suggerimento funziona è se diciamo di sapere
questo è un ottimo posto per il caffè e poi
vedo davvero che l’utente va lì così
usiamo per un sacco di cose che usiamo Python
e quindi c’è questo NL DK o cos’è
chiamato
mmm toolkit che è davvero abbastanza
potente e tremendamente lento, giusto grazie
tu
i fondatori del viaggio Oso e lo sarò
parlando delle nostre guide di viaggio intelligenti
oggi volevo iniziare con questo
luce sgradevole perché sai che parliamo
molto sui big data e penso che
due diffusori prima di me hanno effettivamente parlato
sui big data
Non parlerò di big data intelligenti
perché la mia regola è se si adatta a un USB
stick non è big data e Amazon vende
un terabyte usa B stick ora e così
questo è il nuovo limite di grandi tutti i dati
destra
cos’è il viaggio oh, quindi facciamo viaggi intelligenti
guida guide di viaggio così intelligenti che conosci
le guide turistiche sui libri non lo sono davvero
cambiato gli ultimi cento anni circa
dispositivi puoi andare molto più lontano
sapere che sa dove sei lo sa
in una certa misura chi sei conosce la
tempo conosce il tempo che sa cosa
hai fatto e possiamo usarlo
tutte queste informazioni su di te sanno a
per darti suggerimenti intelligenti
che compaiono sullo schermo principale
le guide di viaggio sono completamente algoritmiche
basato cosa significa che significa che noi
non impiegare gli umani per scrivere viaggi
guide o qualsiasi informazione che forniamo
su internet e raccogliere tutto il
informazioni che possiamo trovare processo
che in qualche modo con te sai semplice
algoritmi ma alla fine che sputa fuori
un set di dati che viene poi caricato da
scaricato dai dispositivi e mostrato
queste guide di viaggio scherziamo sempre su questo
quando i robot prendono il sopravvento
saranno dalla nostra parte perché lo sai
non impieghiamo esseri umani che già abbiamo
i robot e uno dei lati positivi
gli effetti di ciò sono che copriamo il
mondo intero perché non dobbiamo
invia piloti a tutti i diversi
posizioni l’unica cosa che dobbiamo fare
è assicurarsi che i nostri algoritmi funzionino
per qualsiasi posizione e così attualmente noi
coprire oltre 10.000 città con tre
milioni di punti di interesse in quelli
città e cento ottanta paesi I
credo e finora le nostre app sono state
scaricato penso otto milioni di volte
o così che suona come vantarsi ma
è piuttosto rilevante perché dà
ci un sacco di informazioni sull’utilizzo che noi
quindi è possibile utilizzare per migliorare le nostre guide anche
a maggior ragione parliamo di suggerimenti
questo è questo il modo in cui su
iPhone la nostra app ti sembra la prima volta
aprilo per Berlino c’è un download
pulsante che permette di fare questo
cosa funziona offline tutte le nostre guide funzionano
offline e poi ci sono questi
suggerimenti l’idea è sempre quella
noi dipendiamo da dove ti offriamo
tu la cosa che potresti essere
interessa più e sarò a parlare
su questi tre pulsanti che noi
normalmente ho come ho detto la guida
sa dove sei, quindi abbiamo un vicino
Suggerisco signore che ti dà ancora qualcosa
informazioni su ciò che è vicino e
quello che potrebbe essere interessante lì lo sa
che ora è per i viaggi ancora più
rilevante a che ora è al locale
destinazione in modo che possa suggerire alcuni
cose che sono basate sul tempo e infine
sa che il tempo è in realtà
quando ho fatto questo le previsioni del tempo
per Berlino era piuttosto brutto e quindi mostra
questo è ed è piuttosto carino , no
conosci qualcuno se sei stato fuori
ma è abbastanza carino adesso
quindi iniziamo con le vicinanze ovviamente
suggerire cose nelle vicinanze in sé è
abbastanza facile chiedi al telefono dove si trova
e quindi si passa attraverso il database di
posti e tu dici oh bene questi sono
nelle vicinanze forse vuoi controllarli
quindi la domanda è più come si ottiene
ad un bel database di luoghi che sono
nelle vicinanze del modo in cui lo facciamo iniziamo
con il web ci sono un sacco di
luoghi che ci permettono di usare i loro dati
o questi sono posti di contenuto aperto
come OpenStreetMaps o Wikipedia o wiki
viaggio o le loro feste commerciali come
Facebook o prenotazioni con API
questo è applicabile a questo e così via
noi facciamo è attraversiamo tutti quei posti
e otteniamo che i loro feed li dividano
ciò che chiamiamo luoghi che sono
in sostanza città e app ti occhi
che sono le cose nelle città che
potresti essere interessante e così ora
abbiamo questi due set di dati di un misto
formato e usiamo un po ‘ di corrispondenza
algoritmi per cercare di capire cos’è
ciò che questo è di per sé, naturalmente, una
cosa complicata che sarebbe facile
Prenditi 15 minuti per spiegare, quindi se lo sei
interessato a cosa facciamo esattamente lì
vieni a trovarmi dopo questo e poi quando noi
abbiamo tutto questo combinato con cui finiamo
i nostri tre milioni di occhi Pugh e usiamo a
copia questa diapositiva da météo così
questo è il nostro sistema così parte della nostra parte
della nostra elaborazione è appena fatto con due
grandi macchine nella cucina dei nostri
ufficio si scopre che si può fare a
un sacco di elaborazione lì se non lo fai
cura dei dati in tempo reale o di grandi dimensioni, ma tu
mi importa della precisione quindi ed è a
è certamente più economico del noleggio
quelle macchine su Amazon e così è stato
le macchine quindi fanno questa elaborazione spingendolo
a Dropbox e a un foglio di lavoro Google
tiene traccia di ciò che è tutto e
poi le nostre nostre guide di volta in volta
prendi quel foglio di lavoro Google e vai a prendere
la roba da s3 a destra e poi finiamo
con una bella lista di suggerimenti di
luoghi che sono vicini dove abbiamo
alcune descrizioni delle cose e
sappiamo fin dove va tutto bene così
se i suggerimenti dei bassi sto saltando
qui il prossimo il tempo base
perché c’è qualche sovrapposizione ed è
più facile iniziare con il tempo
quindi se il basso suggerisce
cercano di recuperare le previsioni del tempo
quando hai accesso ai dati e poi quando
sei pronto per uscire in tempo confrontare
che tempo dovrebbe essere con il tipo
di cose che sono attraenti dato questo
sorta di tempo e ha il vantaggio
che abbiamo un bel modo per mostrare
qualunque cosa sarà e ti ispirerà
in una certa misura, anche se il tempo è
non così grande come in questo caso in cui io
non so quanto sia leggibile, ma è così
dice che i musei sono sempre un’opzione
che sembra molto adatto a Berlino
in questo periodo dell’anno, quindi iniziamo naturalmente
con i dati meteorologici dati meteo è a
bello e aperto se sei in quel tipo
di cosa ci sono questi ragazzi che hanno
stato raccolta dati meteorologici dal
1800 o giù di lì e puoi raccogliere questi
questi dati in un formato che è vagamente
basato su schede perforate ovviamente ma tu
può elaborarlo con il tuo qualsiasi moderno
cosa tu hai così quello che facciamo è noi
ottenere tutti questi dati e lo allineamo
con posizioni e pys che abbiamo e
quindi guardiamo a ciò che i nostri utenti effettivamente
fare in quei giorni e anche noi guardiamo
random picture stabilisce che troviamo sul
internet e guardiamo quando sono
preso e ora mettendo in fila quelle cose
e associando questo con P saggio possiamo
vedere che alcune cose come un museo il
l’uso in là sale un po ‘ in a
giorno di pioggia e il numero di immagini
che sono presi è abbastanza uguale mentre se
è se è un parco che vedi quello
il numero di immagini diminuisce drasticamente
quando il tempo non è eccezionale e se
è una spiaggia che vedi che è il numero
di immagini che le persone prendono sono
in realtà scende quando le temperature sono
più basso e quindi quello che facciamo è definire I
Pensa a dieci tipi di tempo basati su
temperatura se piove o meno e
e solarità
e poi guardiamo in correlazione con
che tipo di comportamento degli utenti e poi noi
diffondetelo basandovi su entrambi
Tipo di Pui, così tu lo sai
diciamo okay in generale, concludiamo questo
i musei sono buoni e in alcuni casi se
le cose sono abbastanza popolari che possiamo
effettivamente farlo su un singolo Pui
livello e possiamo dire ok bene questo questo
è davvero fantastico dove dovresti andare
questo ristorante perché ha fuori
posti a sedere naturalmente il nostro algoritmo no
so davvero che ha posti a sedere all’aperto
ma sappiamo che le persone vanno lì quando
è un bel maglione e quindi possiamo dire hey
è un buon cameriere perché non vai
quel bar e così finiamo con qualunque cosa
suggerimenti basati si e apparentemente
secondo il nostro algoritmo di ebrei
il museo è il miglior posto dove andare
se il tempo non è così grande sono sicuro
anche gli altri sono fantastici, ma se tu
avere più tempo ne vale sicuramente la pena
visite okay
Altri cinque minuti che dovrebbero funzionare
che cosa hai detto bene bene bene uh
Non posso avere diapositive per questo, ma io
può parlare più di suggerimenti basati sul tempo
quindi di nuovo la prima cosa è che noi
non devi fare tutto il pesante
sollevando perché i nostri utenti usano la nostra app
e guardano ciò che guardano
ad una certa ora e abbiamo un
sistema basato sulla legge di tenere traccia di
questo immutabile e Jason e tutto
e così possiamo fare quello che possiamo fare
in realtà guarda a cosa guarda la gente
a che ora cercare di risolvere il problema
il loro fuso orario locale perché gira
fuori non tutti quando viaggiano
oltremare regolare il loro fuso orario
alcune persone si limitano a regolare un tempo che
quindi confonde l’intera registrazione così noi
devi sapere buttare via queste persone
o fare ipotesi plausibili così vediamo che
le persone tendono a guardare il caffè in
mattina e inizia a guardare il pranzo
circa bene ora di pranzo e con cena
una delle cose interessanti che facciamo
vedere è che la gente inizia a guardare
posti a cena quindi intorno alle 5:00 e poi
più tardi ottiene
minori le distanze tra l’utente
e il posto che guardano a destra
perché sai quando iniziano
a guardare la cena verso le cinque sono
veramente disposti a ad andare fuori del loro modo
facendo un po ‘di ricerca e quello
Una cosa del genere ma quando sono le 9:00
vogliono davvero avere il kebab
dietro l’angolo perché ora sono
Affamato
quindi la cosa è che per dare
persone il giusto tipo di tempo basato
suggerimenti dove siamo per lo più
interessato a cose che non sono solo
altamente classificato secondo la nostra cosa ma
che sono altamente classificati per uno specifico
argomento giusto perché la classifica generale
di un posto è del tutto possibile e
molto probabilmente anche quello il migliore
il caffè potrebbe non essere il migliore
servizio sai che è perché è un
l’uomo è di un hipster barbuto che è
più interessato alla qualità della
caffè che in te e ti proibiscono
avere Wi-Fi o sai usare il tuo
portatile o qualsiasi altra cosa e ma loro ancora
buon caffè quindi cosa facciamo in ordine
per arrivare alle opinioni prendiamo il nostro
database di P saggio e guardiamo a tutti
le proprietà del valore che abbiamo per
esempio diciamo ok questo posto ha un telefono
numero e questo è il numero di telefono
stringa così poi andiamo a guardare il
Internet in generale, se possiamo trovare
questa proprietà ovunque e noi facciamo il
lo stesso con tutte le altre proprietà che
abbiamo abbiamo parlato di 20
proprietà e quindi allora abbiamo tutti questi
pagine in cui abbiamo trovato questi
proprietà su cui sono come potrebbe essere
riguardo ai posti in cui siamo dentro
il nostro database giusto e così raccogliamo
tutti su base per dominio e poi
vedi ok se questo è davvero il telefono
numero allora ci aspetteremmo che abbiamo
più colpi sul modello HTML intorno
questo numero di telefono per diversi py
posti nel nostro database che ti aspetti
è che è un è ed è un it’s it’s
un fortunato sai che è un po ‘un
Immagino ma ti aspetti che se un database
di recensioni
di caffè menziona il telefono
numero che l’HTML intorno a quel telefono
il numero sarà lo stesso per ogni py
che hanno non è sempre vero ma
se hai abbastanza pagine risulta
che è abbastanza vero e quindi ciò che possiamo
fare quindi è dire va bene non appena lo troviamo
per un certo dominio ne abbiamo cinque
colpi per qualsiasi proprietà o noi
avere più successi per diversi
proprietà che ora possiamo assumere
effettivamente abbiamo un modo di rilevare che
questa pagina è in realtà sul nostro P saggio
e quindi quello che possiamo fare è iniziare
opinion mining quindi c’è tutto questo
persone che questi modelli linguistici dove
hai parole che descrivono certe
opinioni e circa le cose e in modo che
modo possiamo quindi concludere che questa pagina
parla del caffè e che sono molto
entusiasta del caffè e così noi
quindi inoltralo ai nostri pochi occhi e
dì okay per questo questo py puoi noi
segnali su queste diverse dimensioni
e uno dei risultati sarà allora
sia che pensiamo che si risponda al caffè
è davvero abbastanza buono il granaio è acceso –
lo ha davvero scambiato per questo
si scopre che il fienile ha un po ‘
presenza locale qui sull’unica cosa
e ma sì intendo come le persone di
Google preferisce dire che gli algoritmi lo sono
neutrale non possiamo aiutarti, non possiamo
cambia tutto qui tutto bene
così che si concludono i nostri tre suggerimenti
sulla pagina principale ne abbiamo un sacco di altro
minori, ma è tutto per ora
bene grazie mille
le classifiche sono bloccate la guerra non è solo
linea di base
no intendiamo i nostri utenti o altro
utenti della gente, quindi teniamo traccia di così
l’ intero calcolo basato sul tempo
si basa su ciò che facevo nella nostra app
sì, così teniamo traccia di ciò che noi
non avere valutazioni e questo tipo di
cosa che usiamo solo non siamo un grande fan
di tende di feedback esplicito sai che è
interessante ma tende ad essere un po ‘
distorto perché solo le persone che sono
veramente infastidito o veramente entusiasta
tendono a farlo e quindi ti manchi
una sorta di punta di mezzo e se la gente te
conosci il modo migliore per vedere che il
il suggerimento funziona è se diciamo di sapere
questo è un ottimo posto per il caffè e poi
vedo davvero che l’utente va lì così
usiamo per un sacco di cose che usiamo Python
e quindi c’è questo NL DK o cos’è
chiamato
mmm toolkit che è davvero abbastanza
potente e tremendamente lento, giusto grazie
tu
Please follow and like us: