曾惠
系统架构师
北京新线中视文化传播有限公司 · 5年经验
日薪：
￥900/8h
地点：
深圳 福田
时间：
下班后周日可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
语法:java,sql,JavaScript,vue
系统:linux,windows
框架:springboot,springmvc,springcloud,shiro,springtask
数据库:mysql,sqlserver,mongodb,redis,elastic
开发工具:idea+git+eclipse
系统:linux,windows
框架:springboot,springmvc,springcloud,shiro,springtask
数据库:mysql,sqlserver,mongodb,redis,elastic
开发工具:idea+git+eclipse
项目经验
北京新线中视的高能时刻项目:
1.为了提升用户搜索体验，独自搭建了elasticSerch实时搜索服务。用于用户音乐和挑战的搜索，并将该服务整合到开发框架中，考虑到后期请求量过大的问题，改用异步批量处理，解决带宽问题和系统瓶颈。为提升搜索性能，采用分索引存储，再根据业务需求，分配不同的分词器，解决默认分词器过于臃肿的问题，最终有效提升了搜索效率和用户体验。
2.针对2.0版本的个性化推荐，采用了java热门的开源推荐项目easyRec(http://www.easyrec.org/)。通过内网接口录入视频标签，再通过采集到的用户行为录入到推荐系统后使用UPA算法，获取用户感兴趣的标签，最终实现推送给用户感兴趣的热门视频。由于该推荐系统只提供了接口录入用户行为，在实际使用中并不可取，最终更改了该项目的源码，去掉依赖，直接从nginx读取离线数据入到推荐库，成功实现并使用到项目中
1.为了提升用户搜索体验，独自搭建了elasticSerch实时搜索服务。用于用户音乐和挑战的搜索，并将该服务整合到开发框架中，考虑到后期请求量过大的问题，改用异步批量处理，解决带宽问题和系统瓶颈。为提升搜索性能，采用分索引存储，再根据业务需求，分配不同的分词器，解决默认分词器过于臃肿的问题，最终有效提升了搜索效率和用户体验。
2.针对2.0版本的个性化推荐，采用了java热门的开源推荐项目easyRec(http://www.easyrec.org/)。通过内网接口录入视频标签，再通过采集到的用户行为录入到推荐系统后使用UPA算法，获取用户感兴趣的标签，最终实现推送给用户感兴趣的热门视频。由于该推荐系统只提供了接口录入用户行为，在实际使用中并不可取，最终更改了该项目的源码，去掉依赖，直接从nginx读取离线数据入到推荐库，成功实现并使用到项目中
团队情况
整包服务：
微信公众号开发微信小程序开发PC网站开发H5网站开发App开发文档原型图UI设计
负责人：
系统架构师
团队成员：
产品经理 UI设计师 安卓工程师 前端工程师 后端工程师
曾惠
有团队 · 可整包
系统架构师 · 5年经验 · 北京新线中视文化传播有限公司
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
语法:java,sql,JavaScript,vue
系统:linux,windows
框架:springboot,springmvc,springcloud,shiro,springtask
数据库:mysql,sqlserver,mongodb,redis,elastic
开发工具:idea+git+eclipse
系统:linux,windows
框架:springboot,springmvc,springcloud,shiro,springtask
数据库:mysql,sqlserver,mongodb,redis,elastic
开发工具:idea+git+eclipse
项目经验
北京新线中视的高能时刻项目:
1.为了提升用户搜索体验，独自搭建了elasticSerch实时搜索服务。用于用户音乐和挑战的搜索，并将该服务整合到开发框架中，考虑到后期请求量过大的问题，改用异步批量处理，解决带宽问题和系统瓶颈。为提升搜索性能，采用分索引存储，再根据业务需求，分配不同的分词器，解决默认分词器过于臃肿的问题，最终有效提升了搜索效率和用户体验。
2.针对2.0版本的个性化推荐，采用了java热门的开源推荐项目easyRec(http://www.easyrec.org/)。通过内网接口录入视频标签，再通过采集到的用户行为录入到推荐系统后使用UPA算法，获取用户感兴趣的标签，最终实现推送给用户感兴趣的热门视频。由于该推荐系统只提供了接口录入用户行为，在实际使用中并不可取，最终更改了该项目的源码，去掉依赖，直接从nginx读取离线数据入到推荐库，成功实现并使用到项目中
1.为了提升用户搜索体验，独自搭建了elasticSerch实时搜索服务。用于用户音乐和挑战的搜索，并将该服务整合到开发框架中，考虑到后期请求量过大的问题，改用异步批量处理，解决带宽问题和系统瓶颈。为提升搜索性能，采用分索引存储，再根据业务需求，分配不同的分词器，解决默认分词器过于臃肿的问题，最终有效提升了搜索效率和用户体验。
2.针对2.0版本的个性化推荐，采用了java热门的开源推荐项目easyRec(http://www.easyrec.org/)。通过内网接口录入视频标签，再通过采集到的用户行为录入到推荐系统后使用UPA算法，获取用户感兴趣的标签，最终实现推送给用户感兴趣的热门视频。由于该推荐系统只提供了接口录入用户行为，在实际使用中并不可取，最终更改了该项目的源码，去掉依赖，直接从nginx读取离线数据入到推荐库，成功实现并使用到项目中
团队情况
服务范围：
团队构成：
负责人(系统架构师)
|
核心队员：产品经理 ·
UI设计师 ·
安卓工程师 ·
前端工程师 ·
后端工程师
立即沟通
