在網(wǎng)絡高速發(fā)展讲衫、信息爆炸的時代缕棵，我們每天都在接受各種各樣的新內(nèi)容，小到娛樂八卦涉兽，大到社會動向招驴；在此大背景下，冗雜的信息也影響了各個服務的產(chǎn)品設(shè)計花椭。
對于開發(fā)者來說忽匈，為了提高服務的綜合能力而添加了過多的延展功能，同時也弱化了其原本的核心功能矿辽。
對于用戶來說丹允，用在篩選服務的時間逐漸增多，但卻會經(jīng)常出現(xiàn)精挑細選的服務并沒有自己想要的功能袋倔，或者下載了一個內(nèi)存超高的服務后雕蔽，發(fā)現(xiàn)自己只需要其中一個功能。
為了減少用戶使用服務的成本宾娜，收獲更舒適美好的服務體驗批狐，鼎道智聯(lián)正在全力打造一款【以人為本】的系統(tǒng) DingOS，以“顧問式交互”為用戶提供服務前塔。服務的智能推薦則為其中的重要一環(huán)嚣艇，鼎道算法團隊創(chuàng)新地提出了DingOS 設(shè)備端計算，提供各種場景的通用化解決方案华弓。
01?什么是?DingOS 設(shè)備端計算
DingOS 設(shè)備端計算主要依據(jù)“用戶交互——本地引擎——模型計算——推理輸出”等流程進行架構(gòu)設(shè)計食零。
在進行響應需求啟動時，可以由設(shè)備端計算引擎進行模型計算與推理寂屏，得到推理結(jié)果后進行直接返回贰谣，全程沒有網(wǎng)絡傳輸時間的損耗娜搂，采用本地模型和候選集預加載后，也能最大程度上節(jié)省磁盤I/O時間吱抚，大部分情況下只需要耗費本地系統(tǒng)的cpu和內(nèi)存讀取時間即可百宇。
因此，DingOS 設(shè)備端計算可以做到1毫秒左右的響應時間秘豹。
02?DingOS 設(shè)備端計算模型
下面介紹設(shè)備端計算之LR算法（線性回歸模型）：
該模型優(yōu)點：
相對簡單携御，訓練和預測的計算復雜度都相對較低
對稀疏的離散數(shù)據(jù)非常有效
可以集中精力發(fā)掘新的有效特征，且可以并行化工作
解釋性較好憋肖，可以根據(jù)特征權(quán)重做解釋
線性回歸模型：
Y=aX1+bX2+cX3+dX4+...?
· 針對召回算法返回的熱門候選集數(shù)據(jù)因痛，進行二次精排，可以看做是對推薦的預估岸更；
· X1,X2,...可以理解成服務的特征值鸵膏，比如服務屬性中服務類別，服務得分等怎炊；
· a谭企，b，c评肆，...是每個特征值的權(quán)重债查；
· Y介于0和1之間，越接近1瓜挽，越可能被推薦盹廷，越趨近0，被推薦的概率就越芯贸取俄占；
· 通過最小二乘法計算a，b淆衷，c缸榄，...，得出擬合公式祝拯，擬合出的模型是一條直線甚带；在線之上的就是正樣本（被推薦的），在線之下就是負樣本（沒被推薦的）佳头；
· 在做模型預測的時候鹰贵，對于新進來的一個服務，將其X各個值輸入進去康嘉，然后判斷點是在直線的上方砾莱，還是線的下方。如果在線的下方凄鼻，就可以認為這個服務不被推薦腊瑟，其排序的權(quán)重就比較小块蚌；如果在線的上方闰非，Y 的值就會比較大，比如 0.99峭范，其排序的權(quán)重就更靠前财松。
03?DingOS 設(shè)備端計算的優(yōu)勢
行業(yè)內(nèi)其他的隱私計算大多是應用層進行請求處理的，本地沒有推薦能力纱控，全部靠云端推薦引擎進行推薦請求的處理和結(jié)果返回辆毡，服務請求上會比 DingOS 的設(shè)備端計算經(jīng)過更多的層級。
設(shè)備端計算無論是在架構(gòu)上甜害，還是在鏈路上都提供了更加靈活和高效的請求處理舶掖，能夠充分利用?DingOS 內(nèi)置系統(tǒng)級服務的優(yōu)勢，用戶無需在應用商店中選擇應用服務尔店，DingOS 系統(tǒng)會根據(jù)用戶的操作自行推薦最適合當前動作及需求的服務眨攘，為用戶優(yōu)化掉繁雜的篩選和下載等動作，提高用戶使用服務的效率嚣州。
給用戶帶來了“特殊服務”的同時鲫售，設(shè)備端隱私計算還能更好地保護用戶隱私，嚴格遵守相關(guān)法律法規(guī)的要求该肴，數(shù)據(jù)本地處理不上云情竹，讓服務用起來更加舒心、安心匀哄、放心秦效，最大程度的完成了【以人為本】的交互。
鼎道秉承著【助天下人盡享智能物聯(lián)服務】的愿景拱雏，致力于讓所有用戶以最便利的形式使用互聯(lián)網(wǎng)服務棉安，按需所取。
我們正在這條科技之路上持續(xù)探索铸抑，并反復打磨 DingOS 及其生態(tài)贡耽；我們誠邀各界和我們一起打造開放、創(chuàng)新鹊汛、共贏的生態(tài)蒲赂，也希望為你的科技探索帶來一些動力，或啟發(fā)刁憋。
