Spark

PetalSearch同时聚焦本地化搜索，支持全球上百万家酒店预订，涵盖用户的衣食住行，全场景贯通线上搜索与线下服务，为用户碎片化、场景化的搜索提供更好的体验。2021年10月，PetalSearch将在搜索上积累的技术、能力、工具、知识等，开放给电商、新媒体、泛互联网、新零售、智慧政务、出行、金融

异常自动分类：根据异常工单信息自动识别异常类型（图片不匹配、SKU错误、数量差异、配件缺失等），分发到对应的专业Agent处理。2.供应商自动沟通：Agent自动联系供应商，发送异常信息并跟进回复。3.智能判断决策：基于四步思考链（理解意图→判断确定度→检查条件→输出自检）对供应商回复做出判断，区分

软件核心功能介绍这是一个离线训练的推荐系统，根据用户历史行为与特征，生成TopK个个性化推荐商品，并通过接口返回给前端展示。功能模块：•数据与特征服务模块：汇总MySQL的订单表等及埋点统计点击数据；使用SparkSQL生成多维度特征表。•序列建模与RNN召回:把用户购买行为明细加工为时间序列；通过

用户下单到前置仓后，系统会拉拉取当前前置仓需要调度的订单，在线骑手、分拣员数据，依托于智能调度4.0算法，合理的将订单分配给合适的骑手，尽可能有效的提升配送/分拣效率。 技术点： 之前的区域调度策略，限制一个骑手一趟只能带一个区域的订单，在高压下，骑手送不过来；原有的旧策略是基于贪心策略，容易陷入局部最优；基于此开发了V4策略，根据当前站点压力情况，允许骑手一趟带不同区域（强相关区域）的订单，初始方案使用贪心，然后使用大领域搜索优化，搜索过程会考虑当前分配方案的用户等待时长、超时时长、配送时长、聚单距离、区域关联度等因素，提供效率优先/用户体验优先模式供前置仓选择，从而得到一个全局更优的分配方案。