直播 | 电商智能推荐算法技术分享

随着信息过载时代的到来，人们逐渐习惯于从主动获取信息变成了被动接受信息，而基于智能推荐算法的内容、商品、服务分发系统，也已经逐步成为信息平台、电商等几乎所有互联网业务的标配，逐步给各个业务场景带来巨大的收益。

本次分享，我们将就电商推荐场景下的智能算法，邀请来自京东科技、微拍堂、有赞等电商领域的3位嘉宾，与大家进行分享交流，一起探讨智能算法在电商推荐场景下的最新技术实践。

直播时间：2021年3月6日（周六），09:30-12:00

直播地点：DataFunTalk直播间

主办方：DataFunTalk、美团

日程安排：

详细介绍：

01 

李欣如

京东科技 | 高级算法工程师

负责京东科技推荐及广告系统的算法优化工作，硕士毕业于哈尔滨工业大学，先后在美团、腾讯和京东从事推荐相关的工作，对信息流和电商领域的推荐系统有较深入的理解研究。

演讲议题：京东科技推荐算法探索与实践

议题介绍：个性化推荐在电商领域的作用不言而喻，推荐算法直接影响产品体验、用户留存和平台收益。本次分享结合电商推荐和广告营销两个领域，介绍复杂业务形态下的算法技术应用，以及如何打通业务领域的壁垒，达到整体收益更优的目的。

听众收益：

• 了解算法迭代的思考过程

• 推荐和广告营销的结合模式

新技术/实用技术点：

• 多任务学习的优化及应用

• 广告营销的相关知识，PID控制、预算分配等

02

赵争超

微拍堂 | 算法负责人

微拍堂算法Leader，负责微拍堂APP的个性化流量分发及千人千面的内容推荐，负责全公司的算法体系及团队建设，包括推荐、搜索、NLP等，驱动公司的算法技术方向。前同盾科技资深算法专家，负责同盾金融营销场景的算法体系建设。前阿里巴巴高级算法专家，负责过包括淘宝购物路径上的个性化推荐，及新零售领域的大数据应用探索和落地：包括智慧门店数据化选品、线下智能导购等。

演讲议题：深度召回在文玩拍卖个性化推荐中的实践

议题介绍：在推荐系统中，matching阶段的模型决定了最终业务效果的上限，而排序模型的工作就是去无限逼近这个上限。在浅库存和短生命周期的拍卖行业，如何最大程度地利用历史行为学习新品的embedding表征，在用户偏好极其聚焦的文玩市场，如何学习用户的多元兴趣、潜在兴趣embedding表征，一直是我们在deep matching工作中探索的方向。在尝试了FM，双塔DNN，自编码等方式后，我们找到了一种结合文玩拍品内容的NER实体识别，并将实体识别的结果作为side information整合skip-gram+negative sampling来作为item2vec的方法，同时我们基于用户的短期/长期行为、用户画像结合门机制和度量学习的方法来学习用户的多元兴趣，潜在兴趣。目前这部分deep matching的方法在微拍堂的个性化推荐中发挥着重要的作用。

听众收益：

• 如何在非标品、浅库存、短生命周期的商品交易模式下利用历史信息构建item embedding

• 如何在用户需求极其聚焦的文玩场景中构建用户的潜在多兴趣向量

新技术/实用技术点：

• 基于对非标品的商品内容NER实体识别，结合用户历史行为学习item2vec

• 基于用户的短期兴趣、中长期兴趣和用户画像，结合门机制、度量学习的方法构建用户多兴趣向量

• 如何在fassis中实现“分域”的embedding召回

03

任艳萍

有赞 | 算法工程师

具有多年NLP领域从业经验，目前主要专注推荐领域的研究，负责推动搭建了有赞推荐系统，包括架构设计、算法选型、迭代方向设定等。

演讲议题：有赞私域场景下的推荐能力演进

议题介绍：本次分享重点介绍在有赞私域场景下的推荐演进，从0到1再到2搭建有赞推荐能力，及每个阶段采用的算法、实现的目标及获得的成果，还有整个过程遇到的问题、踩过的坑、做过的尝试，最后会介绍基于现状对未来的规划及展望。

听众收益：私域场景下，如何结合具体业务需求，并在深刻理解业务基础上，从0开始搭建推荐系统。私域和公域流量差异较大，可能会遇到什么问题及如何避免，本次分享会和大家一起探讨交流。

新技术/实用技术点：推荐架构、特征工程、召回、排序、重排、深度学习

直播报名：

识别二维码，免费报名

相关推荐：

美团技术团队：

10000+工程师，如何支撑中国领先的生活服务电子商务平台？4.6亿消费者、630万商户、2000多个行业、几千亿交易额背后是哪些技术？这里是美团、大众点评、美团外卖、美团配送、美团优选等技术团队的对外窗口。

DataFunTalk：

专注于大数据、人工智能技术应用的分享与交流。发起于2017年，在北京、上海、深圳、杭州等城市举办超过100场线下沙龙、论坛及峰会，已邀请近600位专家和学者参与分享。其公众号 DataFunTalk 累计生产原创文章300+，百万+阅读，9万+精准粉丝。