移动云盘用户规模迁移算法研究

为最大程度降低移动云盘用户数据跨节点迁移时对用户的影响,提出一种对非迁移地区用户不停机迁移算法。相比现有停业务的迁移算法,该算法将系统标记为迁移状态,如访问移动云盘用户属于被迁移地区的用户,则不允许该用户访问个人云,也不允许对该用户创建的家庭云、群组和圈子进行增删改操作,仅可读,否则可以正常使用所有移动云盘业务。另外,支持对某地区用户分批次迁移。该算法大幅降低了用户数据迁移过程中对移动云盘业务的影响,提升了用户体验。

云端马拉松图像的号牌识别研究

对于马拉松赛事举办方而言,如何将赛事期间为运动员们拍摄的海量照片进行云端的精准分类、推送和管理是一项具有挑战性的服务工作。为了实现云端海量马拉松图片的智能分类,本文提出了一种基于目标检测的两阶段号牌识别算法框架,利用号牌编号的识别实现高效的图像分类功能。本文首先利用RetinaNet算法实现号牌检测,然后通过DenseNet-CTC进行端到端的号牌识别,在保证精度的前提下有效减少冗余信息,提升推理速度。在RBNR、FUNNR和TEST数据集上进行了对比实验,结果证明了本方法的有效性和良好的泛化性。

浅谈设计模式在Android代码重构中的应用

近年来,Android平台稳居全球智能手机操作系统市场占有率首位,Android应用蓬勃发展,成为人们生产生活中的重要工具。许多企业注重节省Android应用开发的时间成本,软件设计不够完善,导致代码日益复杂,维护困难。本文从设计模式的角度出发,分析其在Android代码重构中的应用,以实现提升应用的运行效率、降低代码维护成本的目的。

网盘智能相册系统研究与设计

随着AI技术及5G系统应用的不断发展,网盘服务逐渐从最基础的存储、传输功能向智能化方向演变,在内容智能分类、内容检索和内容创作方面为用户提供更智能、便利和高效的服务。利用AI技术的个人网盘将可以采用更加智能化的方式帮助用户提高数据管理的效率,进一步优化用户使用体验。本文针对图像识别等人工智能技术在个人网盘中的应用问题展开研究,并设计提出网盘智能相册系统,为网盘用户提供智能高效的相册管理服务。

139邮箱Android端折叠屏设备适配

本文从折叠屏背景、研究成果出发,介绍了折叠屏技术和发展,Android技术,并从多窗口适配、平行视界适配、文件拖拽适配这三个方面,对139邮箱Android端进行折叠屏手机的适配,进而完成139邮箱Android端的折叠屏适配工作。可以帮助开发者认识、理解折叠屏技术特性,学习折叠屏的应用适配,对于后续项目的适配工作将具有指导意义和参考价值。

分布式图像解析系统的设计与研究

随着互联网技术发展和硬件算力的增强,基于深度学习的人工智能算法在实际应用中有着长足发展,更多的人工智能算法被应用在各类产品中。但这些人工智能模型具有庞大的参数规模,且对算力具有强依赖性,如何在不影响用户体验的情况下,提升深度学习算法能力成为研究重点。本文针对目前主流的请求方式进行分析,提出了结合异步的分布式消息队列图像解析系统,这对人工智能算法在云服务中的应用具有指导意义与参考价值。

网盘业务引入人工智能技术的设计与研究

随着互联网技术和5G网络的发展,用户对数据传输、存储和共享的需求呈爆发性增长。网盘领域的市场竞争从最基础的存储、传输功能向智能化方向演变。将基于语音、图像识别的人工智能技术引入个人网盘服务中,能为用户带来更加智能、便利和高效的体验。针对网盘业务引入人工智能技术,提出了应用人工智能规范的设计方案,这对后续能力与业务结合的建设工作具有指导价值与参考意义。

Android应用启动速度优化策略研究

智能手机的普及带动移动开发的飞速发展,为用户的日常生活提供了便利。但是,随着功能需求的叠加和开发的积累,加上Android开发的碎片化,导致应用日益臃肿,启动变慢。笔者从启动流程、布局渲染和代码规范3个方面分析,探究Android应用启动速度优化策略,旨在为开发者提供借鉴。

Android应用网络错误率优化方案

随着移动互联网的快速发展,移动应用对我们的生活产生了重要影响。在Android应用市场里,每款应用都可能被替代,只有用户体验好的应用可以脱颖而出。网络错误是应用使用过程中经常碰到的问题,导致用户在使用过程中出现数据加载时间长、数据加载失败等不流畅的体验。优化Android应用的网络错误率,缩短网络请求的时间,提高网络请求的成功率,可以提高应用的流畅性和稳定性,对提升用户体验有着重要意义。

智能推荐在个人网盘内容生态中的应用

内容智能推荐系统是个人网盘为实现精准推荐内容给用户而研发的推荐系统,能够提供多方数据接入和多方数据推荐服务的平台。在整合数据的过程中,为了解决数据来源单一,数据基数少等问题,尽可能结合外部数据,热门数据和用户的行为数据,通过召回策略和冷启动解决策略,以期达成推荐数据的智能化和准确性,在个人网盘现有门户范围内,采用相同内容不同用户,相同用户不同内容的对比测试(AB Test)方法,不断优化、迭代智能推荐算法模型,为构建基于智能推荐系统提供的推荐能力,提供最优推荐模型,达成数据来源多样,推荐数据稳定准确,提升用户体验的商业目标。

基于海量数据的个人网盘笔记搜索实践

个人网盘笔记搜索包含了笔记后台的数据同步及相关搜索前端的查询逻辑。单个用户的笔记数量及单个笔记大小等因素增加了业务处理的难度,如何保证笔记数据的完整、安全、一致?如何提升服务的并发处理能力?如何对数据进行容错和扩展性保证?笔记搜索选择了实现难度复杂、查询写入性能高、分页性能高、并发处理能力高的ES+Mysql+Redis方案,运用kafka数据本地硬盘持久化、中英文分词使用等机制,从数据的读写出发,把每日的热点数据独立出来读写,查询时结合存量数据做增量合并的方式得到最终查询结果。通过可靠的算法及各种容错机制最终提升整个笔记搜索服务的安全性、可靠性、易扩展性,并最终提升用户笔记搜索体验。