排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
随着互联网时代的快速发展,网络视听用户群体已趋于饱和,互联网电视行业已从规模化向精细化运营发展,给AI手段运维支撑价值运营带来机遇和挑战。本文提出了互联网电视AI营维一体化策略方案,通过AI智能手段支撑,引入itemCF、SVD++和LINE等推荐算法,结合主题库、用户和商品库的关系,建立推荐模型,降维聚类用户群体,采用分群分时结合方式运营,达到精准推荐、精准运营、精准运维的目标,形成一套自动化和智能化的营维方案。通过精选主题、电视剧主题和电影主题进行对比样本实验,在点击率和收看时长和转化率方面,均得到显著提升。 相似文献
2.
为降低数字通信系统传输差错并提高可靠性,从工程应用角度出发,在DSP硬件平台上实现(2,1,7)卷积码。用MATLAB仿真影响(2,1,7)卷积码性能的各个参数,与约束度为3和码率为3/4、2/3的卷积码进行对比,其仿真结果为DSP硬件实现奠定理论基础。最后选用TI公司的TMS320DM6437型号,在CCS3.3开发环境上运行。实验表明:约束度为7、码率为1/2的卷积码在较低的信噪比(SNR=6 dB)下误码率则可达到10-6,且DSP实现的(2,1,7)卷积码方便可行,快速稳定,译码准确,并具有较强的纠错能力。 相似文献
3.
4.
在大数据应用领域中,Hadoop的分布式存储和并行计算,经过多年的实践,其高可靠性、高扩展性和高容错性等特点已日益成熟,并广泛应用于云计算应用场景。在如今的应用系统建设中,提倡扁平化管理,摒弃烟囱式系统,Hadoop集群的分布式存储和并行计算的优势明显,但是多集群独立建设,带来管理成本和投入成本增加,不便于日常管理。与此同时,由于大数据应用场景的多样化,多租户场景多、资源分配不合理、调度不灵活等问题在Hadoop并行计算领域问题已不能满足用户的需求。因此,研究Hadoop集群多租户技术及YARN资源调度控制架构,实现多应用计算资源隔离,不断优化多任务、多用户下的大数据集群资源分配,合理资源分配与资源调度,减少资源浪费,提高集群资源利用率,降低资源投入成本,在大数据应用领域具有重大意义。 相似文献
5.
6.
随着云计算技术的不断成熟,上云业务爆发式增长,传统云平台运维工作往往需要大量的人员手工登录设备操作,这种方式运维效率极其低下,且在运维中极易出现人为的误操作。本文打破传统方式,改变现有的运维模式,基于Ansible开源工具,由传统运维模式向自动化运维模式转变,在云平台日常维护场景中深度挖掘总结出六大运维场景,即“软件安装部署”“服务开局配置”“设备信息采集”“安全合规整改”“设备配置备份”“虚机批量迁移”等,通过该自动化运维的方式,自主部署、自主开发、自主编排,打造集约化的剧本库,支撑解决云资源池的批量化运维作业,提高运维效率,将有限的运维人员从大量的繁复的运维工作中解放出来,实现云业务的降本增效、节能减排效果。 相似文献
7.
1