基于深度前馈序列记忆网络，如何将语音合成速度提升四倍？
简介： 我们提出了一种基于深度前馈序列记忆网络的语音合成系统。该系统在达到与基于双向长短时记忆单元的语音合成系统一致的主观听感的同时，模型大小只有后者的四分之一，且合成速度是后者的四倍，非常适合于对内存占用和计算效率非常敏感的端上产品环境。
教程 [2026-04-26]
如何评估深度学习模型效果？阿里工程师这么做
简介： 复杂的深度模型中，如果效果不好，是因为网络设计的欠缺？还是数据天然缺陷？是训练代码的bug？还是Tensorflow自身的问题？基于此，阿里工程师推出了DeepInsight深度学习质量平台，致力于解决当前模型调试和问题定位等一系列问题。
教程 [2026-04-26]
为减少用户电话排队，阿里研发了智能客服调度系统
简介： 提到调度，大家脑海中可能想起的是调度阿里云的海量机器资源，而对于阿里集团客户体验事业群（CCO）而言，我们要调度的不是机器，而是客服资源。今天，我们邀请阿里高级技术专家力君，为大家分享自动、智能的客服调度系统——XSigma。
教程 [2026-04-26]
为电商而生的知识图谱，如何感应用户需求？
简介： 本文从需求分析和体系化构建的角度出发，阐述在电商这一特殊领域的知识图谱构建过程中，形成的一整套概念体系，还有在此过程中，通过算法、工程、产品、运营和外包团队投入大量精力，通过不断磨合逐渐完善的平台架构和审核流程。
教程 [2026-04-26]
论文解读 | 数十亿商品中，长尾和新品怎么找到新主人？
简介： 在推荐系统的发展历程中，面临两个核心问题：用户的长尾覆盖度以及新商品的冷启动，在这两个维度下的模型扩展能力的瓶颈一直以来对广大推荐算法工程师都是不小的挑战。本文基于Graph Embedding的理论知识提出了创新框架，旨在提升商品推荐的多样性和发现性。
教程 [2026-04-26]
机器如何“猜你喜欢”？深度学习模型在1688的应用实践
简介： 本文主要介绍了Wide&Deep、PNN、DeepFM三个模型以及1688CBU事业部的顾海倩同学提出的Wide&Resnet模型结构，并尝试在1688猜你喜欢的真实数据场景中进行应用。文内有一些实验结果，也提出了一些遇到的问题，希望能与大家一起分享讨论。
教程 [2026-04-26]
句法敏感的实体表示用于神经网络关系抽取
简介： 信息抽取主要解决从海量文本中快速、准确地抽取出需求信息。关系抽取是信息抽取的关键技术之一，主要任务是从文本中识别出实体，并抽取实体间语义关系。把句法信息加入到实体的表示模型里是本文的创新之处和研究重点，下面，我们一起深入了解。
教程 [2026-04-26]
机器如何猜你所想？阿里小蜜预测平台揭秘
简介： 阿里小蜜是2015年阿里发布的一款智能客服机器人。2017年双11期间，阿里小蜜的服务量达到643万，其中智能解决率达到95%，占整体服务量的95%。经过近几年的发展，能否更进一步解决智能客服机器人的压力成为当前我们思考的问题。今天，小蜜机器人实验室的市丸带领大家一起思考。
教程 [2026-04-26]
针对商品标题冗长问题，阿里工程师怎么解决？
简介： 电商平台中，商品标题是用户认知商品的第一渠道。为了更好地描述商品属性，吸引买家注意，商家往往会在标题中堆砌大量冗余词，导致标题过长无法完整展示，给APP端用户带来不好的体验。如何在不影响商品成交转化率的前提下，将长标题变成短标题？本文将带你找到答案。