# 棱鏡更新：基于文檔和用戶的機器學習 > 原文： [http://highscalability.com/blog/2012/8/1/prismatic-update-machine-learning-on-documents-and-users.html](http://highscalability.com/blog/2012/8/1/prismatic-update-machine-learning-on-documents-and-users.html)  在 [Prismatic Architecture-使用社交網絡上的機器學習確定您應該在網絡上閱讀的內容](http://highscalability.com/blog/2012/7/30/prismatic-architecture-using-machine-learning-on-social-netw.html)的同時，Jason Wolfe 甚至面對漫長的夜晚將 iPhone 應用程序投入使用而感到疲倦的感覺， 英勇地同意談論 Primatic 的機器學習方法。 文檔和用戶是 Prismatic 應用 ML（機器學習）的兩個領域： ### 文件 ML * 給定一個 HTML 文檔： * 了解如何提取頁面的主要文本（而不是側邊欄，頁腳，注釋等），標題，作者，最佳圖像等 * 確定相關功能（例如，文章的主題，主題等） * 其中大多數任務的設置非常典型。 使用其他機器上的大批作業對模型進行訓練，這些機器從 s3 讀取數據，將學習到的參數文件保存到 s3，然后在攝取管道中從 s3 讀取（并定期刷新）模型。 * 流出系統的所有數據都可以反饋到該管道中，這有助于了解更多有趣的內容，并隨著時間的推移從錯誤中學習。 * 從軟件工程的角度來看，Prismatic 編寫的最有趣的框架之一是“ flop”庫，該庫實現了最先進的 ML 訓練和推理代碼，看起來與精美的普通 Clojure 代碼非常相似，但是可以編譯（使用 宏的魔力）到低級數組操作循環，這些循環與 Java 一樣接近金屬而無需借助 JNI。 * 與相應的 Java 相比，該代碼可以緊湊和易于閱讀，并且執行速度基本相同。 * 創建[快速運行的故事聚類組件](http://blog.getprismatic.com/blog/2012/4/17/clustering-related-stories.html)付出了很多努力。 ### 用戶 ML * 猜測用戶對社交網絡數據感興趣的內容，并使用應用內的顯式信號（+ /刪除）完善這些猜測。 * 使用顯式信號的問題很有趣，因為用戶輸入應該很快反映在其提要中。 如果用戶連續從給定的發布者中刪除了 5 篇文章，請立即停止向他們展示該發布者的文章，而不是明天。 這意味著沒有時間在所有用戶上運行另一個批處理作業。解決方案是在線學習：立即根據用戶提供給我們的觀察結果更新用戶模型。 * 用戶交互事件的原始流已保存。 這樣可以在以后發生機器故障或類似情況時通過原始數據上的松散寫回緩存丟失任何數據，從而在以后的原始事件中重新運行用戶感興趣的 ML。 在線學習中的漂移可以得到糾正，并且可以計算出更準確的模型。