网上赌场真人发牌-澳门网上赌场空城

首先選取了序列特征各異的12條富含RGG的多肽片段，利用SPR技術(shù)評(píng)價(jià)多肽片段對(duì)G-四鏈體的結(jié)合能力。再結(jié)合filter-binding、NMR等研究手段，發(fā)現(xiàn)并證實(shí)了含有7個(gè)RGG重復(fù)單元的多肽12能選擇性識(shí)別G-四鏈體結(jié)構(gòu)，其識(shí)別位點(diǎn)為G-四鏈體的四分體平面。利用序列突變和序列重排等方式，作者證實(shí)多肽12對(duì)G-四鏈體的特異識(shí)別存在明顯的序列特異性，這種特異性同時(shí)表現(xiàn)在氨基酸的類型以及其特定的排布順序上。基于上述結(jié)果，作者對(duì)含有該RGG多肽序列的蛋白進(jìn)行數(shù)據(jù)庫搜索，發(fā)現(xiàn)了cold-inducible RNA-binding protein（CIRBP），并通過一系列實(shí)驗(yàn)證實(shí)該蛋白能在細(xì)胞內(nèi)外有效識(shí)別G-四鏈體。值得注意的是，該RGG肽段在CIRBP識(shí)別G-四鏈體的過程中起關(guān)鍵作用，突變或缺失都會(huì)導(dǎo)致蛋白識(shí)別G-四鏈體的能力顯著下降。該研究首次通過RGG多肽序列與G-四鏈體相互作用的系統(tǒng)研究，發(fā)現(xiàn)了全新的G-四鏈體結(jié)合蛋白，并為將來發(fā)現(xiàn)更多的G-四鏈體結(jié)合蛋白提供了一種新途徑。

其他成果/n一種酶法輔助制備棉籽蛋白的方法，包括如下步驟：步驟一、棉籽粉原料的制備；步驟二、將棉籽粉原料和水混勻，加入多糖復(fù)合酶酶解，并進(jìn)行超聲波振蕩處理，得到振蕩酶解液；步驟三、一次堿提得到一次蛋白液和一次沉淀；步驟四、二次酶提得到二次蛋白液；步驟五、將一次蛋白液和二次蛋白液混勻，酸沉離心得到一次沉淀粉；步驟六、將一次沉淀粉和水混勻，并加入糖化酶酶解，滅酶離心得到二次沉淀粉；步驟七、將二次沉淀粉冷凍干燥，即得棉籽蛋白。本發(fā)明提供的酶法輔助制備棉籽蛋白的方法，工藝更簡(jiǎn)單安全，棉籽蛋白提取率可達(dá)70％

項(xiàng)目研究背景 ：乳鐵蛋白是轉(zhuǎn)鐵蛋白家族中的成員之一，在人和哺乳 動(dòng)物的乳汁中含量較豐富，其中，牛常乳中含量為 0.02～0.35mg/mL。乳 鐵蛋白因其晶體呈紅色，又稱 “紅蛋白 ”，具有多種生理功能，乳鐵蛋白大 多從牛乳加工奶酪時(shí)的副產(chǎn)物乳清中提取加工而成。當(dāng)前，我國(guó)在干酪發(fā) 展過程中面臨的很大問題是乳清的利用。隨著乳品工業(yè)的發(fā)展，乳清大量 增加，這將成為乳鐵蛋白的一個(gè)重要來源，本項(xiàng)目以牛常乳為原料

滌綸織物雖具有良好的挺闊性、褶皺彈性，但不親水，對(duì)人體皮膚不友好，沒有保健功能。粘膠纖維織 物具有 良好的吸濕、抗靜電，但對(duì)皮膚沒有保健功能。 開發(fā)的全新改性接枝技術(shù)，可以在滌綸纖維和滌綸織物表面接枝各種動(dòng)植物蛋白，如蠶絲蛋白、牛奶蛋 白、大都蛋白、花生蛋白、蠶蛹蛋白等等。從而制備各種高功能滌綸蛋白復(fù)合面料。 改性接枝的滌紛蛋白復(fù)合面料，蛋白質(zhì)都分布在滌綸纖維表面上，在服用時(shí)，與人體皮膚相接觸的全是 各種動(dòng)植物蛋白,對(duì)人體皮膚具有良好的保健作用。同時(shí)，織物的吸濕性、抗靜電性都得到很好的改善；褶 皺彈性、挺闊性保持良好。 高功能滌綸復(fù)合蛋白面料，適宜制備高檔滌綸面料，具有很高的附加值，生產(chǎn)工藝流程較短、成本較 低，無需投資購買新設(shè)備。該技術(shù)也同樣適用于粘膠蛋白復(fù)合面料。粘膠蛋白復(fù)合面料對(duì)人體皮膚具有良好的保健作用

南方科技大學(xué)生物系兼職教授、美國(guó)科學(xué)院院士鄧興旺聯(lián)合北京大學(xué)生命科學(xué)學(xué)院副研究員朱丹萌課題組，揭示了HY5(ELONGATED HYPOCOTYL 5)在光下可通過蛋白-蛋白直接互作增強(qiáng)BIN2 （BRASSINOSTEROID-INSENSITIVE 2）的激酶活性，抑制幼苗下胚軸伸長(zhǎng)。相關(guān)論文以“Modulation of BIN2 kinase activity by HY5 controls hypocotyl elongation in the light”為題發(fā)表在《自然-通訊》（Nature Communications）上。這項(xiàng)研究發(fā)現(xiàn)了HY5調(diào)控下胚軸伸長(zhǎng)的新方式，揭示了其介導(dǎo)的BR信號(hào)抑制機(jī)理，為GSK3β激酶活性調(diào)控研究提供了新視角，或可為今后HY5蛋白的定向改造提供氨基酸位點(diǎn)信息。這項(xiàng)研究是研究團(tuán)隊(duì)繼發(fā)現(xiàn)光形態(tài)建成抑制因子COP1抑制BIN2活性來促進(jìn)暗形態(tài)建成的非經(jīng)典功能 (Ling et al., 2017, PNAS)之后的又一新發(fā)現(xiàn)，并再次揭示光信號(hào)途徑重要因子“技多不愁”的有趣現(xiàn)象。

昊星風(fēng)閥：助力醫(yī)教融合升級(jí)守護(hù)關(guān)鍵環(huán)境與人員安全

一、成果簡(jiǎn)介 眾所周知，皮膚的狀態(tài)與人的外表緊密相連。良好的皮膚狀態(tài)讓人看起來更年輕、漂亮。人們?cè)谧o(hù)膚養(yǎng)顏產(chǎn)品上的消費(fèi)占日常消費(fèi)很大的比重。在美容養(yǎng)顏上，近年來膠原蛋白類產(chǎn)品備受爭(zhēng)議，公眾對(duì)膠原蛋白美容 養(yǎng)顏功效產(chǎn)生質(zhì)疑。有營(yíng)養(yǎng)專家甚至表示：膠原蛋白根本沒有美容功效，其營(yíng)養(yǎng)價(jià)值還不如牛奶雞蛋。口服膠原蛋白產(chǎn)品是否可以美容？哪些因素影響膠原蛋白產(chǎn)品的美容效果？據(jù)報(bào)道，國(guó)外的相關(guān)產(chǎn)品采用動(dòng)物實(shí)驗(yàn)和

大數(shù)據(jù)應(yīng)用的多樣化 需要的計(jì)算模型、數(shù)據(jù)模型多樣化； 目前每類模型需要單獨(dú)的開源系統(tǒng)來支持（如HDFS、HBase、Neo4j、MongoDB，F(xiàn)link，Spark，Tensorflow等）。 多系統(tǒng)導(dǎo)致大數(shù)據(jù)分析平臺(tái)非常復(fù)雜、效率低下。研究目標(biāo)：研究和開發(fā)面向新型多計(jì)算模型融合架構(gòu)的、高時(shí)效、可擴(kuò)展的新 一代大數(shù)據(jù)分析支撐系統(tǒng)與工具平臺(tái)FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。針對(duì)目前大數(shù)據(jù)分析平臺(tái)復(fù)雜、效率低下的痛點(diǎn)，該系統(tǒng)具有三個(gè) 方面的優(yōu)勢(shì)：首先，這套系統(tǒng)采用融合架構(gòu)，一方面實(shí)現(xiàn)關(guān)系、圖、鍵 值、文檔等多種數(shù)據(jù)模型的高效融合，另一方面實(shí)現(xiàn)批處理計(jì)算、流計(jì) 算的深度融合，并可以通過SQL擴(kuò)展語言來進(jìn)行多模型的統(tǒng)一查詢，實(shí)現(xiàn)高效的跨模型查詢。其次，對(duì)于復(fù)雜系統(tǒng)來說，時(shí)效性非常重要，這 套系統(tǒng)采用融合架構(gòu)提高效率是實(shí)現(xiàn)高時(shí)效的基礎(chǔ)，更重要的是，我們 對(duì)大數(shù)據(jù)分析從數(shù)據(jù)到用戶進(jìn)行了端到端的全棧時(shí)效優(yōu)化。最后，對(duì)于 大數(shù)據(jù)應(yīng)用來說，系統(tǒng)擴(kuò)展性非常重要，本系統(tǒng)在資源層、存儲(chǔ)層和計(jì) 算層進(jìn)行了全面的擴(kuò)展性優(yōu)化。下面在融合架構(gòu)、高時(shí)效和可擴(kuò)展這三 個(gè)方面，分別詳細(xì)介紹FAST系統(tǒng)的三個(gè)主要亮點(diǎn)。融合架構(gòu)FAST系統(tǒng)的第一個(gè)亮點(diǎn)是融合架構(gòu)，我們?cè)诩夹g(shù)方面的創(chuàng)新主要包 括多數(shù)據(jù)模型融合和多計(jì)算模型融合兩方面。多數(shù)據(jù)模型融合：設(shè)計(jì)和研發(fā)了多模型數(shù)據(jù)管理與查詢引擎，支持關(guān)系、圖、鍵值、 文檔等多種數(shù)據(jù)模型，實(shí)現(xiàn)了查詢解析、查詢優(yōu)化、元數(shù)據(jù)管理、數(shù)據(jù) 分布等功能，將多種數(shù)據(jù)模型進(jìn)行統(tǒng)一管理和深度融合。同時(shí)擴(kuò)展了SQL語言，通過統(tǒng)一的查詢接口支持對(duì)關(guān)系、鍵值、圖、文檔等數(shù)據(jù)進(jìn)行獨(dú)立訪問或者跨模型查詢。經(jīng)過試驗(yàn)，多模型數(shù)據(jù)融合查詢，比Spark 2.3.4的查詢時(shí)間能平均減少70.7%。目前spark等現(xiàn)有系統(tǒng)還需要手工編程方式來實(shí)現(xiàn)跨模型查 詢，所以FAST系統(tǒng)在易用性上也表現(xiàn)良好，降低使用門檻，提高開發(fā)效率。多計(jì)算模型融合：在計(jì)算層實(shí)現(xiàn)了最常見的批處理計(jì)算和流計(jì)算深度融合，批流融合的核心方法是在系統(tǒng)內(nèi)部實(shí)現(xiàn)批和流的統(tǒng)一表達(dá)，批是對(duì)有限數(shù)據(jù)集 的運(yùn)算，流是對(duì)無限數(shù)據(jù)流的計(jì)算，我們?cè)O(shè)計(jì)了UCollection結(jié)構(gòu)對(duì)批和 流數(shù)據(jù)進(jìn)行統(tǒng)一表達(dá)，通過識(shí)別的bounded標(biāo)志，來確定是批、流、或批流融合。有了統(tǒng)一表達(dá)，可以開展一系列融合優(yōu)化來提升系統(tǒng)性能。 并且對(duì)上通過Unified API統(tǒng)一用戶的批、流接口，實(shí)現(xiàn)二者在編程范式上的統(tǒng)一表達(dá)。對(duì)于批流混合的計(jì)算，融合架構(gòu)系統(tǒng)的查詢延遲比Flink 1.4.2能減少57%，吞吐量平均可以提升到6.72倍。高時(shí)效FAST系統(tǒng)的第二個(gè)亮點(diǎn)是高時(shí)效，即縮短大數(shù)據(jù)分析的時(shí)間消耗， 提高效率。由于大數(shù)據(jù)分析平臺(tái)是一個(gè)非常復(fù)雜的系統(tǒng)，為了做到高時(shí)效，系統(tǒng)不能存在性能短板，因此需要對(duì)大數(shù)據(jù)分析的整個(gè)過程進(jìn)行端到端的全棧時(shí)效優(yōu)化。如圖中所示，自下而上，需要在多模態(tài)存儲(chǔ)、批流融合、機(jī)器學(xué)習(xí)、人工操作各層都進(jìn)行優(yōu)化。對(duì)于多模態(tài)存儲(chǔ)，面向應(yīng)用負(fù)載和異構(gòu)硬件特征進(jìn)行自適應(yīng)優(yōu)化；對(duì)于批流融合計(jì)算，在統(tǒng)一表達(dá)基礎(chǔ)上，進(jìn)行系列融合優(yōu)化技術(shù)， 包括DAG優(yōu)化、迭代優(yōu)化、部署優(yōu)化、操作符優(yōu)化等；在機(jī)器學(xué)習(xí)層面，進(jìn)行模型優(yōu)化、消息優(yōu)化、梯度優(yōu)化、概率優(yōu)化 等來提高時(shí)效；而且我們也考慮到大數(shù)據(jù)分析過程中用戶人工操作的時(shí)效性問題， 通過智能地進(jìn)行大數(shù)據(jù)分析方法和模型的推薦，來縮減人工操作的 時(shí)間。可擴(kuò)展FAST系統(tǒng)的第三個(gè)亮點(diǎn)是可擴(kuò)展，由于大數(shù)據(jù)應(yīng)用規(guī)模很大，數(shù)據(jù)增速快，對(duì)系統(tǒng)可擴(kuò)展性的要求非常高，為此我們?cè)谙到y(tǒng)的資源層、 存儲(chǔ)層和計(jì)算層進(jìn)行了全面的擴(kuò)展性優(yōu)化。在資源層，系統(tǒng)都部署在云計(jì)算的虛擬化資源之上，利用了云計(jì)算資源的彈性機(jī)制進(jìn)行系統(tǒng)擴(kuò)展。并在系統(tǒng)中實(shí)現(xiàn)了可伸縮調(diào)整模塊， 能實(shí)時(shí)監(jiān)控軟硬件系統(tǒng)的狀態(tài)，按照應(yīng)用需求來自適應(yīng)地進(jìn)行彈性伸縮。在存儲(chǔ)層，分布式存儲(chǔ)系統(tǒng)擴(kuò)展性的關(guān)鍵在于分布式共識(shí)和一致性 協(xié)議（Raft），因此提出了KV-Raft、vRaft等進(jìn)行Raft的擴(kuò)展優(yōu)化。在計(jì)算層，我們擴(kuò)展了機(jī)器學(xué)習(xí)模型的參數(shù)規(guī)模，使系統(tǒng)可以支持 到百億級(jí)別的超大規(guī)模機(jī)器學(xué)習(xí)模型訓(xùn)練，并且性能方面有明顯提 升。亮點(diǎn)成果：融合架構(gòu)大數(shù)據(jù)分析平臺(tái)目前已經(jīng)在阿里巴巴雙十一進(jìn)行示范應(yīng)用。 從2020年11月10日至11月16日一周的時(shí)間，在阿里的生產(chǎn)環(huán)境中，研發(fā) 的系統(tǒng)一直連續(xù)穩(wěn)定運(yùn)行，基于淘寶和天貓的實(shí)際用戶信息進(jìn)行大數(shù)據(jù) 分析，綜合運(yùn)用了本系統(tǒng)的存儲(chǔ)、計(jì)算、機(jī)器學(xué)習(xí)等多個(gè)模塊的能力， 累計(jì)進(jìn)行了184億件商品推薦。同時(shí)在雙十一期間，基于智能交互向?qū)Ъ夹g(shù)，也面向電子商務(wù)應(yīng)用 的賣家提供了“生意參謀”應(yīng)用，基于大數(shù)據(jù)分析，幫助賣家分析產(chǎn)品 銷量變化的原因，以及促銷的有效手段等。

研究背景：  大數(shù)據(jù)應(yīng)用的多樣化  需要的計(jì)算模型、數(shù)據(jù)模型多樣化；  目前每類模型需要單獨(dú)的開源系統(tǒng)來支持（如HDFS、HBase、Neo4j、MongoDB，F(xiàn)link，Spark，Tensorflow等）。  多系統(tǒng)導(dǎo)致大數(shù)據(jù)分析平臺(tái)非常復(fù)雜、效率低下。 研究目標(biāo)： 研究和開發(fā)面向新型多計(jì)算模型融合架構(gòu)的、高時(shí)效、可擴(kuò)展的新 一代大數(shù)據(jù)分析支撐系統(tǒng)與工具平臺(tái)FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。 針對(duì)目前大數(shù)據(jù)分析平臺(tái)復(fù)雜、效率低下的痛點(diǎn)，該系統(tǒng)具有三個(gè)  方面的優(yōu)勢(shì)：首先，這套系統(tǒng)采用融合架構(gòu)，一方面實(shí)現(xiàn)關(guān)系、圖、鍵  值、文檔等多種數(shù)據(jù)模型的高效融合，另一方面實(shí)現(xiàn)批處理計(jì)算、流計(jì)  算的深度融合，并可以通過SQL擴(kuò)展語言來進(jìn)行多模型的統(tǒng)一查詢，實(shí)現(xiàn)高效的跨模型查詢。其次，對(duì)于復(fù)雜系統(tǒng)來說，時(shí)效性非常重要，這  套系統(tǒng)采用融合架構(gòu)提高效率是實(shí)現(xiàn)高時(shí)效的基礎(chǔ)，更重要的是，我們  對(duì)大數(shù)據(jù)分析從數(shù)據(jù)到用戶進(jìn)行了端到端的全棧時(shí)效優(yōu)化。最后，對(duì)于  大數(shù)據(jù)應(yīng)用來說，系統(tǒng)擴(kuò)展性非常重要，本系統(tǒng)在資源層、存儲(chǔ)層和計(jì)  算層進(jìn)行了全面的擴(kuò)展性優(yōu)化。下面在融合架構(gòu)、高時(shí)效和可擴(kuò)展這三  個(gè)方面，分別詳細(xì)介紹FAST系統(tǒng)的三個(gè)主要亮點(diǎn)。 融合架構(gòu) FAST系統(tǒng)的第一個(gè)亮點(diǎn)是融合架構(gòu)，我們?cè)诩夹g(shù)方面的創(chuàng)新主要包  括多數(shù)據(jù)模型融合和多計(jì)算模型融合兩方面。 多數(shù)據(jù)模型融合： 設(shè)計(jì)和研發(fā)了多模型數(shù)據(jù)管理與查詢引擎，支持關(guān)系、圖、鍵值、  文檔等多種數(shù)據(jù)模型，實(shí)現(xiàn)了查詢解析、查詢優(yōu)化、元數(shù)據(jù)管理、數(shù)據(jù)  分布等功能，將多種數(shù)據(jù)模型進(jìn)行統(tǒng)一管理和深度融合。同時(shí)擴(kuò)展了SQL語言，通過統(tǒng)一的查詢接口支持對(duì)關(guān)系、鍵值、圖、文檔等數(shù)據(jù)進(jìn)行獨(dú)立訪問或者跨模型查詢。 經(jīng)過試驗(yàn)，多模型數(shù)據(jù)融合查詢，比Spark 2.3.4的查詢時(shí)間能平均減少70.7%。目前spark等現(xiàn)有系統(tǒng)還需要手工編程方式來實(shí)現(xiàn)跨模型查 詢，所以FAST系統(tǒng)在易用性上也表現(xiàn)良好，降低使用門檻，提高開發(fā)效率。 多計(jì)算模型融合： 在計(jì)算層實(shí)現(xiàn)了最常見的批處理計(jì)算和流計(jì)算深度融合，批流融合的核心方法是在系統(tǒng)內(nèi)部實(shí)現(xiàn)批和流的統(tǒng)一表達(dá)，批是對(duì)有限數(shù)據(jù)集  的運(yùn)算，流是對(duì)無限數(shù)據(jù)流的計(jì)算，我們?cè)O(shè)計(jì)了UCollection結(jié)構(gòu)對(duì)批和  流數(shù)據(jù)進(jìn)行統(tǒng)一表達(dá)，通過識(shí)別的bounded標(biāo)志，來確定是批、流、或批流融合。有了統(tǒng)一表達(dá)，可以開展一系列融合優(yōu)化來提升系統(tǒng)性能。 并且對(duì)上通過Unified API統(tǒng)一用戶的批、流接口，實(shí)現(xiàn)二者在編程范式上的統(tǒng)一表達(dá)。對(duì)于批流混合的計(jì)算，融合架構(gòu)系統(tǒng)的查詢延遲比Flink 1.4.2能減少57%，吞吐量平均可以提升到6.72倍。 高時(shí)效 FAST系統(tǒng)的第二個(gè)亮點(diǎn)是高時(shí)效，即縮短大數(shù)據(jù)分析的時(shí)間消耗，  提高效率。由于大數(shù)據(jù)分析平臺(tái)是一個(gè)非常復(fù)雜的系統(tǒng)，為了做到高時(shí)效，系統(tǒng)不能存在性能短板，因此需要對(duì)大數(shù)據(jù)分析的整個(gè)過程進(jìn)行端到端的全棧時(shí)效優(yōu)化。如圖中所示，自下而上，需要在多模態(tài)存儲(chǔ)、批流融合、機(jī)器學(xué)習(xí)、人工操作各層都進(jìn)行優(yōu)化。 對(duì)于多模態(tài)存儲(chǔ)，面向應(yīng)用負(fù)載和異構(gòu)硬件特征進(jìn)行自適應(yīng)優(yōu)化； 對(duì)于批流融合計(jì)算，在統(tǒng)一表達(dá)基礎(chǔ)上，進(jìn)行系列融合優(yōu)化技術(shù)， 包括DAG優(yōu)化、迭代優(yōu)化、部署優(yōu)化、操作符優(yōu)化等； 在機(jī)器學(xué)習(xí)層面，進(jìn)行模型優(yōu)化、消息優(yōu)化、梯度優(yōu)化、概率優(yōu)化 等來提高時(shí)效； 而且我們也考慮到大數(shù)據(jù)分析過程中用戶人工操作的時(shí)效性問題，  通過智能地進(jìn)行大數(shù)據(jù)分析方法和模型的推薦，來縮減人工操作的  時(shí)間。 可擴(kuò)展 FAST系統(tǒng)的第三個(gè)亮點(diǎn)是可擴(kuò)展，由于大數(shù)據(jù)應(yīng)用規(guī)模很大，數(shù)據(jù)增速快，對(duì)系統(tǒng)可擴(kuò)展性的要求非常高，為此我們?cè)谙到y(tǒng)的資源層、  存儲(chǔ)層和計(jì)算層進(jìn)行了全面的擴(kuò)展性優(yōu)化。 在資源層，系統(tǒng)都部署在云計(jì)算的虛擬化資源之上，利用了云計(jì)算資源的彈性機(jī)制進(jìn)行系統(tǒng)擴(kuò)展。并在系統(tǒng)中實(shí)現(xiàn)了可伸縮調(diào)整模塊，  能實(shí)時(shí)監(jiān)控軟硬件系統(tǒng)的狀態(tài)，按照應(yīng)用需求來自適應(yīng)地進(jìn)行彈性伸縮。 在存儲(chǔ)層，分布式存儲(chǔ)系統(tǒng)擴(kuò)展性的關(guān)鍵在于分布式共識(shí)和一致性 協(xié)議（Raft），因此提出了KV-Raft、vRaft等進(jìn)行Raft的擴(kuò)展優(yōu)化。 在計(jì)算層，我們擴(kuò)展了機(jī)器學(xué)習(xí)模型的參數(shù)規(guī)模，使系統(tǒng)可以支持  到百億級(jí)別的超大規(guī)模機(jī)器學(xué)習(xí)模型訓(xùn)練，并且性能方面有明顯提  升。 亮點(diǎn)成果： 融合架構(gòu)大數(shù)據(jù)分析平臺(tái)目前已經(jīng)在阿里巴巴雙十一進(jìn)行示范應(yīng)用。  從2020年11月10日至11月16日一周的時(shí)間，在阿里的生產(chǎn)環(huán)境中，研發(fā) 的系統(tǒng)一直連續(xù)穩(wěn)定運(yùn)行，基于淘寶和天貓的實(shí)際用戶信息進(jìn)行大數(shù)據(jù) 分析，綜合運(yùn)用了本系統(tǒng)的存儲(chǔ)、計(jì)算、機(jī)器學(xué)習(xí)等多個(gè)模塊的能力， 累計(jì)進(jìn)行了184億件商品推薦。 同時(shí)在雙十一期間，基于智能交互向?qū)Ъ夹g(shù)，也面向電子商務(wù)應(yīng)用  的賣家提供了“生意參謀”應(yīng)用，基于大數(shù)據(jù)分析，幫助賣家分析產(chǎn)品  銷量變化的原因，以及促銷的有效手段等。