ITPub博客

基于学术界和工业界经验，爱奇艺设计和探索出了一套适用于多种业务场景的深度语义表示学习框架。在推荐、搜索、直播等多个业务中的召回、排序、去重、多样性、语义匹配、聚类等场景上线，提高视频推荐的丰富性和多样性，改善用户观看和搜索体验。 本文将介绍爱奇艺深度语义表示框架的核心设计思路和实践心得。

MySQL Binlog用于记录用户对数据库操作的结构化查询语言(Structured Query Language，SQL)语句信息。是MySQL数据库的二进制日志，可以使用mysqlbin命令查看二进制日志的内容。爱奇艺在会员订单系统使用到了 MySQL Binlog，用来实现订单事件驱动。在使用Binlog 后在简化系统设计的同时帮助系统提升了可用性和数据一致性。 本文将从实际应用角度出发理解 MySQL中的相关技术原理，从技术原理和工作实践相结合，帮助大家以及在相关设计中存在的潜在问题，希望能给大家有所帮助和启发，共同进步。

“组件库”这一事物近两年已在互联网行业中流行起来，它的主要价值大家都应该清楚：能快速搭建前端页面、减少设计与开发沟通成本、统一体验规范等等。为了满足中小企业的需求，越来越多的开源组件库诞生，但开源代表着通用，无法满足业务特色需求，于是不少企业也开始做起了自己的组件库。 搭建组件库的成本很高，因此需避免两种结果：一是做得很全或能力很强大，却用不上；二是没满足自身业务需求，白做了。那如何搭建自身业务组件库能“投入产出比”更高呢？

前 言 随着视频数量的爆发式增长，特别是近年来短视频领域的迅速崛起，视频已经成为大部分互联网用户娱乐的首要选择，占据了用户大部分娱乐时间。面对如此海量的视频，如何帮助爱奇艺用户从冗长的视频中筛选出更具吸引力的视频片段，提高用户的观看体验，提升用户粘性，成为我们十分关注的研究课题。为此，我们深入研究了视频精彩度分析技术，成功实现了不同时间粒度下精彩视频片段的自动筛选，并能给出片段包含的看点标签，在多个业务场景中都得到了较好的应用效果。 爱奇艺拥有十分丰富的PPC(Professional Produced Content)视频资源，视频内容多样，仅仅是综艺就可分为搞笑、选秀、访谈、情感、职场、脱口秀等十几种类型，如果每个类型都建立一个精彩度模型，不仅资源消耗巨大，而且模型的自适应能力也将大大降低。学术界的精彩看点检测技术大多聚焦于UGC(User Generated Content)视频，且

初夏最火的造型是什么？不少人可能会脱口而出——“淡黄的长裙，蓬松的头发。。。” 就连我这个上古时期的老年人，都开始每周四和周六准时点开爱奇艺首页，吸一口青春美少女们。原因无他，后疫情灰色时期，还有什么能比漂亮小姐姐的灿烂笑容更能让人感觉到人间值得呢？而我上一次真情实感追完的的女团选秀，可能要追溯到……《超级女声》。

本⽂以爱奇艺开源的⽹络协程库（https://github.com/iqiyi/libfiber ）为例，讲解⽹络协程的设计原理、编程实践、性能优化等⽅⾯内容。

作为一线程序猿，是否有过类似经历？新接手一个系统，各接口入口流量是多少，又是哪些业务方在调用？系统大量异常报警，如何快速锁定影响范围，恢复故障并定位问题？接口调用超时，究竟是客户端问题还是服务端响应慢，还是网络波动来背锅？ 监控的重要性不言而喻，可是接入监控的额外工作又让人望而却步？每天编写代码之余，又要花多少时间定位线上问题？自己负责的系统故障，是否要等调用方反馈才知道？本文分享爱奇艺有关微服务监控的实践和思考。

发展起源 爱奇艺除了在音视频、推荐等深度学习的AI应用以外，也有不少数据挖掘、数据分析的传统机器学习应用场景，例如用户预测、风控等。传统的研发模式的痛点，就是会给算法人员和业务人员一些不便利，具体如下： 1. 用户代码基于单机脚本实现，处理环节长、耦合高，难以修改和扩展，长久以来可读性降低； 2. 同一业务下多个场景、同一场景下多个模型，在数据处理、模型训练等技术流程上类似，场景重复步骤和数据结果难以重复利用； 3. 场景不同导致存在周期训练、定时预估、实时预估等需求，对业务人员和算法人员的代码要求高，维护成本高； 4. 算法人员和业务人员对分布式机器学习的开发存在技术壁垒，导致数据量和模型复杂度受单机资源限制； 基于以上痛点，爱奇艺开发了面向通用的机器学习场景的一站式机器学习平台Deepthought，可实现可视化交互，能更加直观便捷的搭建适合业务场景需要的架构，以及实时预估服

在爱奇艺业务生态里，“用户”和“内容”是两个核心词汇，虹吸了我们大量的时间和精力。查同学所在的推荐团队，就是利用机器学习技术为用户找到其感兴趣的内容，为内容找到可能对其感兴趣的用户。这简单的原理背后却是极复杂的算法计算和海量的数据处理，是使命中的“让快乐简单”。 接下来，就让我们听听查同学和他推荐算法的故事吧。

作为一线程序猿，是否有过类似经历？新接手一个系统，各接口入口流量是多少，又是哪些业务方在调用？系统大量异常报警，如何快速锁定影响范围，恢复故障并定位问题？接口调用超时，究竟是客户端问题还是服务端响应慢，还是网络波动来背锅？ 监控的重要性不言而喻，可是接入监控的额外工作又让人望而却步？每天编写代码之余，又要花多少时间定位线上问题？自己负责的系统故障，是否要等调用方反馈才知道？本文分享爱奇艺有关微服务监控的实践和思考。

发展起源 爱奇艺除了在音视频、推荐等深度学习的AI应用以外，也有不少数据挖掘、数据分析的传统机器学习应用场景，例如用户预测、风控等。传统的研发模式的痛点，就是会给算法人员和业务人员一些不便利，具体如下： 1. 用户代码基于单机脚本实现，处理环节长、耦合高，难以修改和扩展，长久以来可读性降低； 2. 同一业务下多个场景、同一场景下多个模型，在数据处理、模型训练等技术流程上类似，场景重复步骤和数据结果难以重复利用； 3. 场景不同导致存在周期训练、定时预估、实时预估等需求，对业务人员和算法人员的代码要求高，维护成本高； 4. 算法人员和业务人员对分布式机器学习的开发存在技术壁垒，导致数据量和模型复杂度受单机资源限制； 基于以上痛点，爱奇艺开发了面向通用的机器学习场景的一站式机器学习平台Deepthought，可实现可视化交互，能更加直观便捷的搭建适合业务场景需要的架构，以及实时预估服

随着互联网时代的发展，表情包成为现在大家网上交流的必备工具，针对表情搜索的产品需求，爱奇艺逗芽技术团队经历了从ElasticSearch到Lucene再到结合语义的搜索实践之路。不同阶段的技术选型可能可以为大家提供一些中小体量业务垂直领域搜索的落地思路。 逗芽表情搜索 爱奇艺逗芽表情（https://douya.iqiyi.com）是一款通过视频AI算法算法，针对UGC、PGC等来源进行表情图片生产，并在爱奇艺内外部多渠道分发的创新产品。用户通过文字输入搜索好玩有趣的表情图片是逗芽的核心功能之一。

从《偶像练习生》、《中国新说唱》到《青春有你》、《潮流合伙人》，爱奇艺近年来不断深耕青年文化领域，成功推出了多部爆款内容，持续引领青年潮流文化的发展。在这之中，延续三年的“偶青”系列IP推动了偶像元年的开启、为偶像团体选拔类综艺树立起全新的标杆，在满足用户多元娱乐需求的同时，向全球用户输出勇敢追梦、坚持自我的正向精神，也为国内偶像市场注入新鲜血液，再度推动偶像市场的健康良性发展。 《青春有你2》已于5月30日晚顺利收官。百位训练生历经层层考核，最终由青春制作人助力选出的THE9以团体形式正式诞生,并获得蒙牛真果粒代言资格。在历次节目顺利进行的背后，有无数的团队付出了努力和汗水。其中就包括了投票服务技术团队。下面主要介绍一下投票服务的架构优化和对《青春有你2》的支持工作。

爱奇艺的技术产品团队

爱奇艺的技术产品团队

爱奇艺的技术产品团队

当你打开某个视频App时可能会出现几个场景，比如，你可能会根据标签/分类浏览是否有自己感兴趣的内容，在此同时也会根据你以往的浏览习惯推荐给你感兴趣的内容，又或者直接在搜索栏中输入脑海中的关键词查找……别看这些都是很常见的小动作，背后却有很多人为之努力着，其中用到的一项重要的技术就是自然语言处理（NLP）。