熱詞演算法

A. 關於百度頁面下方「相關搜索」 1、輸入關鍵詞後百度頁面下方出現的「相關搜索」的內容是根據什麼出現的

1、既然是相關搜索自然是通過關鍵詞額相關性出來的，你在網上都多某一關鍵詞都會出來包含這個關鍵詞的搜索最多的內容排列，這是按照搜索量由高到低排列的。
2、第一位，第二位，還是第幾位，都是有搜索量決定
3、清除不掉，只能說出現新的搜索熱詞把之前的替換掉，個人可以做到，刷搜索量就行。
4、這種事情像網路客服反應，人家是不會鳥你的，這是有演算法決定的。
============================================================================
一下子問這么多問題，連個分都沒有，還務必清楚給你解釋，先追加兩百分再說吧。

B. 百度seo和google seo演算法比較

網路seo和google seo演算法比較

1、自家產品優勢
輸入任意一個熱門關鍵詞，網路首頁基本都會出現網路自家產品的排名，即使這些自家產品沒有做過任何SEO，它們依然能夠堅挺的排在首頁。SEO人如果能學會利用網路自家產品借力使力，可以達到事半功倍的效果。
而谷歌對於自家產品一視同仁，如果違反谷歌站長指南，即使是自家產品，谷歌一樣格殺勿論，谷歌日本、谷歌瀏覽器等被降權就是很好的例子們。
所以，要做好谷歌SEO，必須嚴格遵守谷歌站長指南，沒有捷徑;要做好網路SEO，如果要短期獲得效果，嘗試藉助網路自身平台的優勢將會是一個很不錯的想法。

2、搜索結果首頁用戶行為
在谷歌，用戶找到他們想要的信息通常只需要網路用戶一半的時間(谷哥是30秒，而度娘是55秒)，大部分用戶只看前三個結果;
反之，在網路，用戶通常會把搜索結果上的內容從頭掃到尾，同時我們注意在網路的那張熱力圖上，紅點表示點擊，大量出現在網路搜索框和底部相關搜索上，而非搜索結果的網頁，這對於網路來說可不算是一個給力的數據，那為啥會這樣子?很大程度原因要和搜索質量有關，網路的搜索結果相對是比較混沌的，很多時候用戶根本分不清那些是付費廣告，那些是自然結果，而通常這些付費廣告的內容又不能很好滿足用戶的需求，所以用戶可能會選擇再次提煉搜索字詞，或者乾脆拉到底部看相關推薦去再次尋找他們真正想要的內容。當然，可也是為什麼網路用戶平均要花費55秒，幾乎是谷歌的兩倍的搜索時間去發現他們想要的信息。

3、頁面收錄
從頁面收錄的時間來看，谷歌絕對是比網路快很多，而且通常只要在外圍放置少量的外鏈入口谷歌就能順著鏈接爬到你的網站並且建立索引，而網路則不同，對於新站不會立刻收錄，甚至相當長的時間都不收錄。新網站通過網路的考核期後，網路才開始收錄你的網站，這個考核期對於很多站長來說是比較難熬的，考核期的時間有時候確實讓人琢磨不透，有的網站甚至一個多月兩個月才開始收錄，也有的網站兩三天就收錄了，如果說是一些高質量的網站收錄快，質量較差的網站收錄慢也能理解，可是據了解一些非法的網站、質量很差的網站也有很多很快就被收錄了，這就讓人有些琢磨不透了。
所以，做網路SEO，特別是新站，不要隨便去保證別人二、三個月見效之類的話，很可能兩個月網路都沒有把你的網站放出來，呵呵。所以一般我們和客戶去談這樣類型的SEO優化，都是至少要6個月的優化期，少於這個時間一般是不做的，除非他不要保證績效。

4、對待新站的策略
對待新站網路和谷歌都有各自的審核標准，谷歌有谷歌沙盒，網路也有自己的審核期，從持續的時間來看，基本上也差不過，都為3-6個月的時間。不同的是，過了審核期後，谷歌評判關鍵詞排名的標准更多是從這個頁面本身的質量度和外部鏈接的推薦情況來排序，不會因為你的站點年輕而影響某個具體頁面的排名，而網路依舊會考慮整站的權重，所以新站很難從網路獲取熱詞、難詞的排名，更多的情況是通過大網站轉載之後，被大網站搶去流量和排名，而對於谷歌來說，新站獲取熱詞排名是極有可能的事情。

5、網站被K後的恢復機制
網站一定被谷歌K了之後，不用過於擔心，按照谷歌站長指南調整好自己的網站，再通過谷歌管理員工具和谷歌溝通，谷歌會重新觀察網站是否改正之前的作弊手段，一旦改正之後，谷歌還是會恢復的。但網路，如果網站被K，那麼恢復的幾率就很小了，雖然網路也有申訴通道，但是個人認為這些只是形式上的擺設，大部分得到的回復都是答非所問，當然網路也可以怪大部分站長問的問題很不明確，屬於無效提問。但事實上，即使是有效提問，處理的速度和回復效率仍然是很低下的，如果要舉例，足可以寫一篇博文，這里暫不詳述。當然這個也是和網路自身人員的素質有關，沒有專人專項去管這件事情必然導致目前這種尷尬的局面。所以對於網路SEO，一定要嚴格遵守網路站長指南，雖然可以說有些網站作弊也能排到網路首頁，這種情況我無法解釋，就像為什麼有些人無所作為，在公司里混混也能拿高工資，或許看到的只是表面現象。

6、robots協議遵守情況
谷歌完全遵守robots協議，一旦robots設置屏蔽谷歌蜘蛛之後，谷歌就不會對網站進行抓取和索引，但是網路似乎並不嚴格遵守，當給網站設置robots協議之後，網路蜘蛛有時會繞過/無視robots文件，仍然會繼續爬行空間文件，當然這里只是說它們在爬行，沒有放出來而已，但，個人猜測，網站數據都完完整整的被網路記錄在他們的伺服器內，只是沒有生成摘要在搜索結果頁顯示而已。網路並不嚴格遵守robots協議。

7、外部鏈接評判標准
谷歌和網路對於外鏈的評判標准其實很不同，對於谷歌而言，外鏈更像是外部推薦，不僅僅局限於那個寫在a標簽裡面可以直接點擊的鏈接，來自social端的推薦因素也能夠影響排名。而對於網路來說，鏈接就是鏈接，和social沒有直接關系，同時網路也會認可那些沒有寫在a標簽里的鏈接(這點谷歌是不接受的)，這個也是取決於互聯網這個大環境，很多人不願意給可以點擊的外鏈，但是這些外鏈又確實是真心推薦的，到底算還是不算呢?網路站長平台說過，評判鏈接的唯一標准就是這條鏈接是否是用戶真心推薦。所以，不管鏈接形式如何，只要這條鏈接推薦的東西有價值，就被網路算做一條外部鏈接，並且可以傳遞權重。
另外，外鏈重要程度網路和谷歌也各不相同。谷歌認為外鏈(外部的真實推薦)是網站的一個非常重要的信號，甚至要比一些站內SEO優化，如關鍵詞密度，H標簽、內鏈、URL結構都重要，因為谷歌完全有能力去索引和識別一個網站，而用戶推薦的數據是谷歌所看中的。
而網路則不同，外部鏈接重要性佔比沒有谷歌那麼大，一方面中國互聯網的推薦機制還不夠成熟，外鏈的可信度其實並不怎麼高;另一方面，網路自身對於網站的索引和識別能力並沒有谷歌那麼強，所以對於網路SEO，做好站內優化、特別是關鍵詞部署、網站結構梳理包括導航、內鏈機制都是非常重要的。

8、內容更新
網路似乎比谷歌更重視內容的更新，一個網站或者頁面有持續更新的內容對於網路來說是很友好的。也可以搜索一些冷門行業的熱門關鍵詞看看搜索結果前十的網站異同，你會發現排在谷歌前十的網站的內容幾乎不怎麼更新，而如果要排到網路首頁的話，網站則必須是有海量內容更新機制，網路給予新鮮內容的權重度要遠高於谷歌。

9、原創識別機制
中國互聯網轉載和抄襲是司空見慣的事情，這個時候對搜索引擎來說，識別原創的能力就顯得尤為重要，網路這方面做得非常不好。

10、熱門事件效應速度
谷歌對於熱門信息的處理相對較快，往往能夠很准確的找到新聞源的位置，而網路更多的是依靠大網站來獲取熱門信息，一旦小網站上有熱點內容而又沒有被大網站即時發現的話，網路是很難在短期內挖掘到的，所以這就是為什麼網路要和新浪微博達成戰略合作關系來共享數據，也是看中微博的一個短頻快的特性，包括網路也會開放API介面與各大網站進行數據共享，就是為了彌補網路蜘蛛抓取的局限性和對熱點把控能力弱這樣一個無法在短期彌補的特性。

C. 360搜索演算法開啟神話之旅，下一個是筋斗雲嗎

近期360搜索演算法更新較為頻繁，從悟空演算法到後羿演算法，簡直就一神話套裝呀。那麼下面來紛紛看看他們是起到什麼作用的吧。

悟空演算法

首先是悟空演算法，互聯網上針對網站的各種黑客攻擊日趨嚴重。網站被黑後，在搜索結果中將無法展現正常的標題和摘要，取而代之的是博彩、色情等不良內容，對網站在搜索引擎中的排序、網站流量、聲譽和用戶體驗都會造成極其惡劣的影響，背後隱藏的各種欺詐、釣魚行為會嚴重損害網民利益。

其演算法就不應該叫後羿演算法，覺得如來演算法更恰當，還記得六耳獼猴（假悟空）如來被收，那能更好而又恰當的形容原創與抄襲邏輯。

除此之外，下一個演算法上線會是筋斗雲嗎？加速演算法，對於伺服器特別慢影響用戶體驗的站點一定的懲罰，或者是其他神話名詞。只能360的演算法名稱是要上天了呀！（以上內容純屬吐槽）

原創內容來自胡多錢，轉載請註明

作者簡介：胡多錢果批網創始人，自媒體人，科技媒體

D. 新浪微博什麼是熱詞指數

熱詞指數是基於關鍵詞每日的微博熱議度，採用科學演算法計算得出的反映用戶對關鍵詞每日關注度情況的指標。

E. 個性化推薦是怎麼做的

各種推薦演算法不能僅僅是研發涉獵領域，作為PM，也要深入到演算法內部，了解演算法的設計，以及結合內容對演算法不斷「調教」，才能讓產品的推薦演算法不斷完善，才能符合用戶的口味。

目前比較流行的個性化推薦演算法有以下幾種：

基於內容的推薦：根據內容本身的屬性(特徵向量)所作的推薦。

基於關聯規則的推薦：「啤酒與尿布」的方式，是一種動態的推薦，能夠實時對用戶的行為作出推薦。是基於物品之間的特徵關聯性所做的推薦，在某種情況下會退化為物品協同過濾推薦。

協同過濾推薦：與基於關聯規則的推薦相比是一種靜態方式的推薦，是根據用戶已有的歷史行為作分析的基礎上做的推薦。可分為物品協同過濾、用戶協同過濾、基於模型的協同過濾。其中，基於模型的協同又可以分為以下幾種類型：基於距離的協同過濾;基於矩陣分解的協同過濾，即Latent

Factor Model(SVD)或者ALS;基於圖模型協同，即Graph，也叫社會網路圖模型。

1、產品冷啟動通過熱度演算法進行內容推薦

產品發展初期，由於一方面沒有用戶行為、用戶喜好、用戶畫像，另外也沒有大量的內容樣本基礎，是很難開展個性化推薦的。所以在產品初期，一般採取「熱度演算法」，顧名思義就是把熱點的內容優先推薦給用戶。雖然無法做到基於興趣和習慣為每一個用戶做到精準化的推薦，但能覆蓋到大部分的內容需求，而且啟動成本比個性化推薦演算法低太多。

熱度演算法基本原理：

新聞熱度分 = 初始熱度分 + 用戶交互產生的熱度分 – 隨時間衰減的熱度分

Score = S0 + S(Users) – S(Time)

1)以新聞或視頻較有時效性的內容舉例，熱度隨內容陳舊而分值衰減。

2)初始熱度分不要一視同仁。

按照新聞類別給予新聞不同的初始熱度，讓用戶關注度高的類別獲得更高的初始熱度分，從而獲得更多的曝光。軍事>娛樂>體育>財經....

對於重大事件的報道，如何讓它入庫時就有更高的熱度，我們採用的是熱詞匹配的方式。

即對大型新聞站點的頭條，Twitter熱點，競品的頭條做監控和扒取，並將這批新聞的關鍵詞維護到熱詞庫並保持更新;每條新聞入庫的時候，讓新聞的關鍵詞去匹配熱詞庫，匹配度越高，就有越高的初始熱度分。這樣處理後，重大事件發生時，Twitter和門戶網站的爭相報道會導致熱詞集中化，所有匹配到這些熱詞的新聞，即報道同樣事件的新聞，會獲得很高的初始熱度分。

3)用戶交互的熱度分值比重不一。首先明確用戶的的哪些行為會提高新聞的熱度值，然後對這些行為賦予一定的得分規則。

例如對於單條新聞，用戶可以點擊閱讀(click)，收藏(favor)，分享(share)，評論(comment)這四種行為，我們為不同的行為賦予分數，就能得到新聞的實時用戶行為分為：

S(Users) = 1*click + 5*favor + 10*comment + 20*share

這里對不同行為賦予的分數為1,5,10,20，但這個值不能是一成不變的;當用戶規模小的時候，各項事件都小，此時需要提高每個事件的行為分來提升用戶行為的影響力;當用戶規模變大時，行為分也應該慢慢降低，因此做內容運營時，應該對行為分不斷調整。

當然也有偷懶的辦法，那就是把用戶規模考慮進去，算固定用戶數的行為分，即：

S(Users) = (1*click + 5*favor + 10*comment + 20*share)/ DAU * N(固定數)

這樣就保證了在不同用戶規模下，用戶行為產生的行為分基本穩定。

2、基於內容特徵與用戶特徵進行個性化推薦

對於此種推薦，有兩個實體：內容和用戶，因此需要有一個聯系這兩者的東西，即為標簽。內容轉換為標簽即為內容特徵化，用戶則稱為用戶特徵化。對於此種推薦，主要分為以下幾個關鍵部分：

標簽庫

內容特徵化

用戶特徵化

隱語義推薦

綜合上面講述的各個部分即可實現一個基於內容和用戶畫像的個性化推薦系統。

標簽庫

標簽是聯系用戶與物品、內容以及物品、內容之間的紐帶，也是反應用戶興趣的重要數據源。標簽庫的最終用途在於對用戶進行行為、屬性標記。是將其他實體轉換為計算機可以理解的語言關鍵的一步。

標簽庫則是對標簽進行聚合的系統，包括對標簽的管理、更新等。

一般來說，標簽是以層級的形式組織的。可以有一級維度、二級維度等。

標簽的來源主要有：

已有內容的標簽

網路抓取流行標簽

對運營的內容進行關鍵詞提取

對於內容的關鍵詞提取，使用結巴分詞+TFIDF即可。此外，也可以使用TextRank來提取內容關鍵詞。

這里需要注意的一點是對於關聯標簽的處理，比如用戶的標簽是足球，而內容的標簽是德甲、英超，那麼用戶和內容是無法聯系在一起的。最簡單的方式是人工設置關聯標簽，此外也可以使用word2vec一類工具對標簽做聚類處理，構建主題模型，將德甲、英超聚類到足球下面。

內容特徵化

內容特徵化即給內容打標簽。目前有兩種方式：

人工打標簽

機器自動打標簽

針對機器自動打標簽，需要採取機器學習的相關演算法來實現，即針對一系列給定的標簽，給內容選取其中匹配度最高的幾個標簽。這不同於通常的分類和聚類演算法。可以採取使用分詞 +Word2Vec來實現，過程如下：

將文本語料進行分詞，以空格,tab隔開都可以，使用結巴分詞。

使用word2vec訓練詞的相似度模型。

使用tfidf提取內容的關鍵詞A,B,C。

遍歷每一個標簽，計算關鍵詞與此標簽的相似度之和。

取出TopN相似度最高的標簽即為此內容的標簽。

此外，可以使用文本主題挖掘相關技術，對內容進行特徵化。這也分為兩種情況:

通用情況下，只是為了效果優化的特徵提取，那麼可以使用非監督學習的主題模型演算法。如LSA、PLSI和GaP模型或者LDA模型。

在和業務強相關時，需要在業務特定的標簽體系下給內容打上適合的標簽。這時候需要使用的是監督學習的主題模型。如sLDA、HSLDA等。

用戶特徵化

用戶特徵化即為用戶打標簽。通過用戶的行為日誌和一定的模型演算法得到用戶的每個標簽的權重。

用戶對內容的行為：點贊、不感興趣、點擊、瀏覽。對用戶的反饋行為如點贊賦予權值1，不感興趣賦予-1;對於用戶的瀏覽行為，則可使用點擊/瀏覽作為權值。

對內容發生的行為可以認為對此內容所帶的標簽的行為。

用戶的興趣是時間衰減的，即離當前時間越遠的興趣比重越低。時間衰減函數使用1/[log(t)+1], t為事件發生的時間距離當前時間的大小。

要考慮到熱門內容會干預用戶的標簽，需要對熱門內容進行降權。使用click/pv作為用戶瀏覽行為權值即可達到此目的。

此外，還需要考慮雜訊的干擾，如標題黨等。

另，在非業務強相關的情況下，還可以考慮使用LSA主題模型等矩陣分解的方式對用戶進行標簽化。

隱語義推薦

有了內容特徵和用戶特徵，可以使用隱語義模型進行推薦。這里可以使用其簡化形式，以達到實時計算的目的。

用戶對於某一個內容的興趣度(可以認為是CTR)：

其中i=1…N是內容c具有的標簽，m(ci)指的內容c和標簽i的關聯度(可以簡單認為是1),n(ui)指的是用戶u的標簽i的權重值,當用戶不具有此標簽時n(ui)=0，q©指的是內容c的質量，可以使用點擊率(click/pv)表示。

3、其他運用

除了個性化推薦，基於內容的相關性演算法能精準地給出一篇新聞的相關推薦列表，對相關閱讀的實現非常有意義。此外，標簽系統對新聞分類的實現和提升准確性，也有重要的意義。

4、優缺點

基於內容的推薦演算法有幾個明顯優點：

對用戶數量沒有要求，無論日活幾千或是幾百萬，均可以採用;因此個性化推薦早期一般採用這種方式。

每個用戶的特徵都是由自己的行為來決定的，是獨立存在的，不會有互相干擾，因此惡意刷閱讀等新聞不會影響到推薦演算法。

而最主要的缺點就是確定性太強了，所有推薦的內容都是由用戶的閱讀歷史決定，所以沒辦法挖掘用戶的潛在興趣;也就是由於這一點，基於內容的推薦一般與其他推薦演算法同時存在。

基於用戶的協同推薦

終於，經過團隊的努力，你的產品已經有了大量活躍用戶了，這時候你開始不滿足於現有的演算法。雖然基於內容的推薦已經很精準了，但總是少了那麼一點性感。因為你所有給用戶的內容都是基於他們的閱讀習慣推薦的，沒能給用戶「不期而遇」的感覺。

於是，你就開始做基於用戶的協同過濾了。

基於用戶的協同過濾推薦演算法，簡單來講就是依據用戶A的閱讀喜好，為A找到與他興趣最接近的群體，所謂「人以群分」，然後把這個群體里其他人喜歡的，但是A沒有閱讀過的內容推薦給A。

舉例我是一個足球迷，系統找到與我類似的用戶都是足球的重度閱讀者，但與此同時，這些「足球群體」中有一部分人有看NBA新聞的習慣，系統就可能會給我推薦NBA內容，很可能我也對NBA也感興趣，這樣我在後台的興趣圖譜就更完善了。

1、用戶群體劃分

做基於用戶的協同過濾，首先就要做用戶的劃分，可以從三方面著手：

(1)外部數據的借用

這里使用社交平台數據的居多，現在產品的登錄體系一般都借用第三方社媒的登錄體系，如國外的Facebook、Twitter，國內的微信、微博，借用第三方賬戶的好處多多，例如降低門檻，方便傳播等，還能對個性化推薦起到重要作用。

因為第三方賬戶都是授權獲取部分用戶信息的，往往包括性別，年齡，工作甚至社交關系等，這些信息對用戶群劃分很有意義。

此外還有其他的一些數據也能借用，例如IP地址，手機語種等。

使用這些數據，你很容易就能得到一個用戶是北京的還是上海的，是大學生還是創業者，並依據這些屬性做准確的大類劃分。

比如一篇行業投資分析出來後，「上海創業圈」這個群體80%的用戶都看過，那就可以推薦給剩下的20%。

(2)產品內主動詢問

常見在產品首次啟動的時候，彈框詢問用戶是男是女，職業等，這樣能對內容推薦的冷啟動提供一些幫助。但總體來說，性價比偏低，只能詢問兩三個問題並對用戶的推薦內容做非常粗略的劃分，同時要避免打擾到用戶;這種做法算是基於用戶個性化的雛形。

(3)對比用戶特徵

新聞的特徵加用戶的閱讀數據能得到用戶的特徵，那就可以通過用戶特徵的相似性來劃分群體。

最後總結，沒有一款完美的個性化推薦演算法，畢竟用戶的心裡你別猜別猜別猜，但是產品經理還是要結合自身產品不斷打磨演算法。

F. 各類場景應用中涉及的AI演算法匯總

整理了各類場景應用中AI演算法

一、圖像CV

內容安全，目標檢測，圖像識別，智能視覺生產，圖像搜索，圖像分割，物體檢測，圖像分類，圖像標簽，名人識別，概念識別，場景識別，物體識別，場景分析，智能相冊，內容推薦，圖庫管理，網紅人物識別，明星人物識別，圖像搜索，商品圖片搜索，版權圖片搜索，通用圖片搜索，車牌識別，垃圾分類，車輛檢測，菜品識別，車型識別，犬類識別，實例分割，風格遷移，智能填充，智能識圖，拍照搜商品，精準廣告投放，電商導購，圖像分析，圖像理解，圖像處理，圖像質量評估，場景識別，物體識別，場所識別，圖像自訓練平台，圖像分類，目標檢測，圖像分割，關鍵點檢測，圖像生成，場景文字識別，度量學習，圖像識別，圖像比對，圖像分類使用手冊，圖像分類API文檔目標檢測使用手冊，目標檢測API文檔Logo檢測使用手冊，Logo檢測API文檔，通用圖片搜索，車牌識別，垃圾分類，車輛檢測，車型識別，犬類識別，實例分割，風格遷移，智能填充，車牌識別，相冊聚類，場景與物體識別，無限天空，圖像識別引擎，黃色圖片識別，暴力圖像識別，工業輪胎智能檢測，肋骨骨折識別，顯微識別，圖像處理，廣告識別，人臉演算法，人體演算法，圖像識別，圖像增強，OCR，圖像處理，ZoomAI，智能貼圖，智能製作，質量評價，圖像識別，智能鑒黃，圖像識別，實時手寫識別，唇語識別，通用文字識別，手寫文字識別，圖像技術，圖像識別，圖像審核，圖像搜索，圖像增強，圖像特效，車輛分析，圖像生成，繪畫機器人獨家，動漫化身獨家，像素風獨家，超清人像獨家，圖像融合，換臉技術，神奇變臉，圖像風格化，證件照生成，線稿圖像識別，寶寶檢測，圖像分類，圉像深度估計，天空分割，食物分割，貓狗臉技術，食物識別獨家，圖像美學評分，車輛分析，車型識別，車型識別（含指導價），車型識別（含配置參數），車標識別，人臉識別（活體），車牌識別，表情識別，安全帽識別，計算機影像，計算機視覺，聚焦光學字元識別、人臉識別、質檢、感知、理解、交互，圖像視頻分析，Logo檢測，內容審核，智能批改，筆記評估，思維導圖評估，物體檢測，物體識別。

二、人臉、體態、眼瞳、聲音、指紋

人臉分割人臉識別，無，人體分析HAS，識別人的年齡，性別，穿著信息，客流統計分析，智能客服，熱點區域分析，人體檢測，人臉口罩識別，人臉對比，人臉搜索，人臉檢測與屬性分析，人臉活體檢測，人體關鍵點檢測，行人重識別，細粒度人像分割，人像分割，人臉解析，3D人體姿態估計，人臉融合，人臉識別，換臉甄別，人臉支付，人臉核身，人像變換，人臉試妝，人臉融合，人體分析，手勢識別，人臉驗證與檢索，人臉比對，人臉比對sensetime，人臉水印照比對，靜默活體檢測，靜默活體檢測sensetime，人臉檢測和屬性分析，人臉特徵分析tuputech，配合式活體檢測，人臉安防，計算機視覺，智能應用服務，人臉查詢人臉分析人臉統計名單庫管理人臉布控，人臉應用，人體應用，人體查詢，車輛查詢車輛分析車輛統計車輛布控車輛名單庫管理，車輛應用，人臉圖像識別人體圖像識別車輛圖像識別，圖像識別，圖像比對，人臉比對，人體檢測，人臉口罩識別，人臉對比，人臉搜索，人臉檢測與屬性分析，人臉活體檢測，人體關鍵點檢測，行人重識別，細粒度人像分割，人像分割，人臉解析，3D人體姿態估計，人臉融合，人臉識別，人臉檢測，人臉比對，人臉搜索，人臉關鍵點，稠密關鍵點，人臉屬性，情緒識別，顏值評分，視線估計，皮膚分析，3D人臉重建，面部特徵分析人體識別，人體檢測，人體關鍵點，人體摳像，人體屬性，手勢識別人像處理，美顏美型，人臉融合，濾鏡，聲紋識別支付，語音合成，語音合成，聲紋識別，語音喚醒，人臉識別引擎，攝像頭人臉識別，圖片人臉檢測，身份識別，人臉識別，人臉屬性，人體識別，聲紋識別，衣服檢索及聚類，語音分析，聲紋識別，說話人歸檔，人臉和人體識別，人臉檢測，手勢識別，人臉與人體識別，人臉識別雲服務，人臉識別私有化，人臉離線識別SDK，人臉實名認證，人像特效，人體分析，人臉技不，皮膚分析獨家，頭部分割，宏觀人臉分析，人臉關鍵點檢測，微觀人臉分析獨家，頭發分析獨家，五官分割，頭發分割人體技術，人體外輪廓點檢測獨家，精細化人像摳圖，人體框檢測，肢體關鍵點檢測，人像分割，服飾識別，手勢識別，皮膚分割，人臉，說話人識別，人臉檢測識別，人臉1：1比對，人臉檢測，AI人臉/人形車輛，大數據人像圖片防偽，QoS保障，CDN，表情識別，舉手動作識別，人臉檢測，網路切片，邊緣計算，人臉分析，人臉檢測，人臉搜索，人體分析，手勢識別，著裝檢測，人臉識別，行為檢測，人臉識別，人形檢測，行為分析，人臉檢測，人臉跟蹤，人臉比對，人臉查找，人臉屬性分析，活體檢測，聲音指紋，聲紋識別。

三、視頻

視頻分割、視頻處理、視頻理解、智能視覺、多媒體，視頻內容分析，人體動作監控，視頻分類，智能交通，人/動物軌跡分析，目標計數，目標跟蹤，視頻編輯-，精彩片段提取，新聞視頻拆分，視頻摘要，視頻封面，視頻拆條，視頻標簽-，視頻推薦，視頻搜索，視頻指紋-，數字版權管理，廣告識別，視頻快速審核，視頻版權，視頻查重，視頻換臉，車輛解析， 體育 視頻摘要，視頻內容分析，顏色識別，貨架商品檢測， 時尚 搭配，危險動作識別，無，無，視頻，視頻換臉，車輛解析， 體育 視頻摘要，視頻內容分析，顏色識別，貨架商品檢測， 時尚 搭配，危險動作識別，菜品識別，視頻識別引擎，結腸息肉檢測，胃鏡評估系統，視頻標簽，場景識別，客流分析，手勢識別，視頻技術，短視頻標簽，視覺看點識別，動態封面圖自動生成，智能剪輯，新聞拆條，智能插幀，視頻技術，多模態媒資檢索公測中，媒體內容分析，媒體內容審核，視頻生成，視頻動作識別，

四、ocr文字識別

手寫識別，票據識別，通用文檔，通用卡證，保險智能理賠，財稅報銷電子化，證照電子化審批，票據類文字識別，行業類文字識別，證件類文字識別，通用類文字識別，通用文字識別，駕駛證識別，身份證識別，增值稅發票識別，行駛證識別，營業執照識別，銀行卡識別，增值稅發票核驗，營業執照核驗，智能掃碼，行業文檔識別， 汽車 相關識別，票據單據識別，卡證文字識別，通用文字識別，手寫文字識別，印刷文字識別，銀行卡識別，名片識別，身份證識別intsig，營業執照識別intsig，增值稅發票識別intsig，拍照速算識別，公式識別，指尖文字識別，駕駛證識別JD，行駛證識別JD，車牌識別JD，身份證識別，增值稅發票識別，營業執照識別，火車票識別，計程車發票識別，印刷文字識別（多語種），印刷文字識別（多語種）intsig內容審核，色情內容過濾，政治人物檢查，暴恐敏感信息過濾，廣告過濾，OCR自定義模板使用手冊，OCR自定義模板API文檔，通用文字識別，駕駛證識別，身份證識別，增值稅發票識別，行駛證識別，營業執照識別，銀行卡識別，身份證識別，駕駛證識別，行駛證識別，銀行卡識別，通用文字識別，自定義模板文字識別，文字識別引擎，身份證識別，圖片文字識別，通用文字識別，身份證識別，名片識別，光學字元識別服務，通用文字識別，手寫體文字識別，表格識別，整題識別（含公式），購物小票識別，身份證識別，名片識別，自定義模板文字識別，文字識別，通用文字識別，銀行卡識別，身份證識別，字幕識別，網路圖片識別， 游戲 直播關鍵字識別，新聞標題識別，OCR文字識別，通用場景文字識別，卡證文字識別，財務票據文字識別，醫療票據文字識別， 汽車 場景文字識別，教育場景文字識別，其他場景文字識別，iOCR自定義模板文字識別，通用類OCR，通用文本識別(中英)通用文本識別(多語言)通用表格識別，證照類OCR，身份證社保卡戶口本護照名片銀行卡結婚證離婚證房產證不動產證，車輛相關OCR，行駛證駕駛證車輛合格證車輛登記證，公司商鋪類OCR，商戶小票稅務登記證開戶許可證營業執照組織機構代碼證，票據類OCR，增值稅發票增值稅卷票火車票飛機行程單計程車發票購車發票智能技術，票據機器人證照機器人文本配置機器人表格配置機器人框選配置機器人，文字識別，行駛證識別，駕駛證識別，表單識別器，通用文本，財務票據識別，機構文檔識別，個人證件識別，車輛相關識別，通用表格，印章識別，財報識別，合同比對，識別文字識別，簽名比對，OCR識別，教育OCR，印刷識別，手寫識別，表格識別，公式識別，試卷拆錄

五、自然語言NPL

文本相似度，文本摘要，文本糾錯，中心詞提取，文本信息抽取，智能文本分類，命名實體，詞性標注，多語言分詞，NLP基礎服務，地址標准化，商品評價解析智能簡訊解析，機器閱讀理解，金融研報信息識別，法律案件抽取，行業問答推理，行業知識圖譜構建，文本實體關系抽取，搜索推薦，知識問答，短文本相似度，文本實體抽取， 情感 傾向分析，興趣畫像匹配，文本分類-多標簽，文本分類-單標簽，定製自然語言處理，語言生成，語言理解，自然語言處理基礎，文本摘要，數據轉文字，文本生成，智能問答系統，內容推薦，評價分析，文本分類，對話理解，意圖理解， 情感 分析，觀點抽取，中文分詞，短文本相似度，關鍵詞提取，詞向量，命名實體，識別依存，句法分析， 情感 分析，評論觀點抽取，短文本相似度，機器翻譯，詞法分析，詞義相似度，詞向量，句法分析，文本分類，短語挖掘，閑聊，文本流暢度，同義詞，聚類，語言模型填空，新聞熱詞生成，機器閱讀理解，商品信息抽取，詞法分析， 情感 分析，關鍵詞提取，用戶評論分析，資訊熱點挖掘，AIUI人機交互，文本糾錯，詞法分析，依存句法分析，語義角色標注，語義依存分析（依存樹），語義依存分析（依存圖）， 情感 分析，關鍵詞提取，NLP能力生產平台，NLP基礎技術，中文詞法分析-LAC，詞向量—Word2vec，語言模型—Language_model，NLP核心技術， 情感 分析、文本匹配、自然語言推理、詞法分析、閱讀理解、智能問答，信息檢索、新聞推薦、智能客服， 情感 分析、文本匹配、自然語言推理、詞法分析、閱讀理解、智能問答，機器問答、自然語言推斷、 情感 分析和文檔排序，NLP系統應用，問答系統對話系統智能客服，用戶消費習慣理解熱點話題分析輿情監控，自然語言處理，文本分類使用手冊，文本分類API文檔， 情感 分析，評論觀點抽取，短文本相似度，機器翻譯，詞法分析，詞義相似度，詞向量，句法分析，文本分類，短語挖掘，閑聊，文本流暢度，同義詞，聚類，語言模型填空，新聞熱詞生成，機器閱讀理解，商品信息抽取智能創作，智能寫作，搭配短文，種草標題，賣點標題，社交電商營銷文案，自然語言處理能力，基礎文本分析，分詞、詞性分析技術，詞向量表示，依存句法分析，DNN語言模型，語義解析技術，意圖成分識別， 情感 分析，對話情緒識別，文本相似度檢測，文本解析和抽取技術，智能信息抽取，閱讀理解，智能標簽，NLG，自動摘要，自動寫文章，語言處理基礎技術，文本審核， 情感 分析，機器翻譯，智能聊天，自然語言，基於標題的視頻標簽，台詞看點識別，意圖識別，詞法分析，相關詞，輿情分析，流量預測，標簽技術，自然語言處理，語義對話，自然語言處理，車型信息提取，關鍵詞提取，語義理解，語義相似度，意圖解析，中文詞向量，表示依存，句法分析，上下文理解，詞法分析，意圖分析，情緒計算，視覺 情感 ，語音 情感 ， 情感 分析，沉浸式閱讀器，語言理解，文本分析，自然語言處理，在線語音識別，自然語言理解火速上線中， 情感 判別，語義角色標注，依存句法分析，詞性標注，實體識別，中文分詞，分詞，

6、知識圖譜

知識圖譜，葯學知識圖譜，智能分診，騰訊知識圖譜，無，葯學知識圖譜，智能分診，知識理解，知識圖譜Schema，圖資料庫BGraph，知識圖譜，語言與知識，語言處理基礎技術，語言處理應用技術，知識理解，文本審核，智能對話定製平台，智能文檔分析平台，智能創作平台，知識圖譜，實體鏈接，意圖圖譜，識別實體，邏輯推理，知識挖掘，知識卡片

7、對話問答機器人

智能問答機器人，智能語音助手，智能對話質檢，智能話務機器人，無，電話機器人，NeuHub助力京東智能客服升級，騰訊雲小微，智能硬體AI語音助手，對話機器人，無，問答系統對話系統智能客服，Replika對話技術，客服機器人，智能問答，智能場景，個性化回復，多輪交互，情緒識別，智能客服，金融虛擬客服，電話質檢，AI語音交互機器人，中移雲客服·智能AI外呼，人機對話精準語義分析

8、翻譯

協同翻譯工具平台，電商內容多語言工具，文檔翻譯，專業版翻譯引擎，通用版翻譯引擎，無，機器翻譯，無，機器翻譯，音視頻字幕平台，機器翻譯，機器翻譯niutrans，文本翻譯，語音翻譯，拍照翻譯，機器翻譯，機器翻譯，文本翻譯，語音翻譯，通用翻譯，自然語言翻譯服務，文本翻譯，圖片翻譯，語音翻譯，實時語音翻譯，文檔翻譯(開發版，機器翻譯，文本翻譯，語音翻譯，拍照翻譯，機器翻譯實時長語音轉寫，錄音文件長語音轉寫，翻譯工具，機器翻譯火速上線中

9、聲音

便攜智能語音一體機，語音合成聲音定製，語音合成，一句話識別，實時語音識別錄音文件識別，客服電話，語音錄入，語音指令，語音對話，語音識別，科學研究，安防監控，聲音分類，語音合成，語音識別，實時語音轉寫，定製語音合成，定製語音識別，語音合成，語音合成聲音定製，離線語音合成，短語音識別，錄音文件識別，聲紋識別，離線語音識別，實時語音識別，呼叫中心短語音識別，呼叫中心錄音文件識別，呼叫中心實時語音識別，語音識別，語音合成，聲紋識別，語音識別，語音聽寫，語音轉寫，實時語音轉寫，語音喚醒，離線命令詞識別，離線語音聽寫，語音合成，在線語音合成，離線語音合成，語音分析，語音評測，性別年齡識別，聲紋識別，歌曲識別，A.I.客服平台能力中間件，語音識別，語音交互技術，語音合成，語音合成聲音定製，離線語音合成，短語音識別，錄音文件識別，聲紋識別，離線語音識別，實時語音識別，呼叫中心短語音識別，呼叫中心錄音文件識別，呼叫中心實時語音識別，遠場語音識別，語音識別，一句話識別，實時語音識別，錄音文件識別，語音合成，實時語音識別，長語音識別，語音識別，語音合成，波束形成，聲源定位，去混響，降噪，回聲消除，分布式拾音，語音識別，語音喚醒，語音合成，聲紋識別，智能語音服務，語音合成，短語音識別，實時語音識別，語音理解與交互，離線喚醒詞識別，語音識別，一句話識別，實時語音識別，錄音文件識別，電話語音識別，語音喚醒，離線語音識別，離線命令詞識別，遠場語音識別，語音合成，通用語音合成，個性化語音合成，語音技術，短語音識別，實時語音識別，音頻文件轉寫，在線語音合成，離線語音合成，語音自訓練平台，語音交互，語音合成，語音識別，一句話識別，實時短語音識別，語音合成，語音喚醒，本地語音合成，語音翻譯，語音轉文本，短語音聽寫，長語音轉寫，實時語音轉寫，語音內容審核，會議超極本，語音交互技術，語音識別，語義理解，語音合成，音頻轉寫，音視頻類產品，語音通知/驗證碼，訂單小號，撥打驗證，點擊撥號，數據語音，統一認證，語音會議，企業視頻彩鈴，語音識別，語音文件轉錄，實時語音識別，一句話語音識別，語音合成，通用語音合成，個性化語音合成，語音評測，通用語音評測，中英文造句評測，在線語音識別，語音識別，語音喚醒，語音合成，語音合成，語音識別，語音聽寫，語音轉寫，短語音轉寫(同步)，語音識別，語音 情感 識別

十、數據挖掘AI硬體

演算法類型：包括二分類、多分類和回歸，精準營銷，表格數據預測，銷量預測，交通流量預測，時序預測，大數據，無，機器學習使用手冊，機器學習API文檔，大數據處理，大數據傳輸，數據工廠，大數據分析，數據倉庫，數據採集與標注，數據採集服務，數據標注服務，AI開發平台，全功能AI開發平台BML，零門檻AI開發平台EasyDL，AI硬體與平台，GPU雲伺服器，機器人平台，度目視頻分析盒子，度目AI鏡頭模組，度目人臉應用套件，度目人臉抓拍機，人臉識別攝像機，昆侖AI加速卡，智能預測，購車指數，數據科學虛擬機，平台效率，雲與AI，抗DDoS，天盾，網站漏洞掃描，網頁防篡改，入侵檢測防護，彈性雲伺服器，對象存儲服務，雲專線（CDA，AI計算機平台—360net深度學習基礎模型，AI演算法訓練適配主流AI框架

十一、其他

內容審核，智能鑒黃，特定人物識別，通用圖片審核，文本智能審核，廣告檢測，Logo檢測，商品理解，拍照購，商品圖片搜索，通用商品識別，疫情物資識別，酒標識別，細分市場劃分，品牌競爭力分析，老品升級，新品定製，商品競爭力分析，商品銷量預測，商品營銷，用戶評論佔比預測，商品命名實體識別，商品顏色識別，強化學習，智能地圖引擎，內容審核，智能鑒黃，特定人物識別，通用圖片審核，文本智能審核，廣告檢測，Logo檢測商品理解，拍照購，商品圖片搜索，通用商品識別，疫情物資識別，酒標識別，細分市場劃分，品牌競爭力分析，老品升級，新品定製，商品競爭力分析，商品銷量預測，商品營銷，用戶評論佔比預測，商品命名實體識別，商品顏色識別，個性化與推薦系統，推薦系統，輿情分析，輿情標簽，智慧教育，智能語音評測，拍照搜題，題目識別切分，整頁拍搜批改，作文批改，學業大數據平台，文檔校審系統，會議同傳系統，文檔翻譯系統，視頻翻譯系統，教育學習，口語評測，朗讀聽書，增強現實，3D肢體關鍵點SDK，美顏濾鏡SDK，短視頻SDK，基礎服務，私有雲部署，多模態交互，多模態 情感 分析，多模態意圖解析，多模態融合，多模態語義，內容審查器，Microsoft基因組學，醫學人工智慧開放平台，數據查驗介面，身份驗證（公安簡項），銀行卡驗證，發票查驗，設備接入服務Web/H5直播消息設備託管異常巡檢電話提醒，音視頻，視頻監控服務雲廣播服務雲存儲雲錄制，司乘體驗，智能地圖引擎，消息類產品，視頻簡訊，簡訊通知/驗證碼，企業掛機彩信，來去電身份提示，企業固話彩印，模板閃信，異網簡訊，內容生產，試卷拆錄解決方案，教學管理，教學質量評估解決方案，教學異常行為監測，授課質量分析解決方案，路況識別，人車檢測，視覺SLAM，高精地圖，免費SDK，智能診後隨訪管理，用葯管家，智能預問診，智能導診，智能自診，智能問葯，智能問答，裁判文書近義詞計算，法條推薦，案由預測，

G. 求輿情熱詞數據統計的方法

這個主要是靠系統內置演算法，根據輿情事件相關的高頻詞語，這個詞語就是輿情熱詞。在西盈網路輿情監測系統中的事件專題模塊就能自動生成該事件的輿情熱詞圖。