多模态混合推荐系统 面向无明确购买意图的浏览用户,设计并实现了一套结合内容、规则与协同过滤的混合推荐系统。系统利用多模态特征(图像与文本)进行候选集生成,通过多策略融合提升了推荐的准确性与多样性。 核心技术栈: 多模态特征提取: 使用 DINO v2 (Vision Transformer) 提取商品图像特征,利用 GloVe 提取商品文本属性特征,实现商品表征向量化。 召回与推荐算法: 基于内容: 基于欧氏距离计算多模态向量相似度,实现“相似商品推荐”。 协同过滤: 采用 ALS(交替最小二乘法) 进行矩阵分解捕获潜在兴趣;利用 Item2Vec 学习商品序列的上下文关联。 基...
本项目在技术架构上采用了典型的“端-边-云”物联网(IoT)与数字孪生(Digital Twin)设计模式。不局限于具体的业务场景,其背后的通用技术细节主要体现在以下几个方面: 基于 MQTT 的低延迟通信架构: 系统采用 MQTT 协议作为核心消息总线,利用发布/订阅(Pub/Sub)机制实现服务端(仿真边缘端)与前端(HMI监控端)的彻底解耦与实时双向通信。通过合理的 Topic 规划(如指令下发、状态实时上报)并配置 QoS 1(至少交付一次)级别,有效确保了控制指令和高频状态数据在网络传输过程中的高可靠性,避免了指令丢包。 核心 PLC 循环扫描引擎的纯代码级仿真: 后台使用 ...
本项目在技术架构上采用了典型的“端-边-云”物联网(IoT)与数字孪生(Digital Twin)设计模式。不局限于具体的业务场景,其背后的通用技术细节主要体现在以下几个方面: 基于 MQTT 的低延迟通信架构: 系统采用 MQTT 协议作为核心消息总线,利用发布/订阅(Pub/Sub)机制实现服务端(仿真边缘端)与前端(HMI监控端)的彻底解耦与实时双向通信。通过合理的 Topic 规划(如指令下发、状态实时上报)并配置 QoS 1(至少交付一次)级别,有效确保了控制指令和高频状态数据在网络传输过程中的高可靠性,避免了指令丢包。 核心 PLC 循环扫描引擎的纯代码级仿真: 后台使用 ...