会议交流 | 图与推荐前沿实践探索

转载公众号 | DataFun

---

近几年，图神经网络（GNN）技术在推荐系统中得到了广泛的应用，因为推荐系统中的大部分信息本质上都具有图结构，而 GNN 在图表示学习方面具有优势。该分论坛邀请到多家互联网公司的算法工程师分享如何利用图神经网络的相关算法来解决业务问题，便于对此领域感兴趣的研究者或者工业界人士快速了解这一领域。

出品人：易玲玲 腾讯 微信事业群 专家研究员

个人介绍：互联网从业十余年，专注于用户行为数据的分析和挖掘、推荐算法的研究和应用。曾负责社交推荐算法在朋友圈广告、公众号社交阅读等场景的应用，在Network embedding和GNN等图算法技术的落地方面有着丰富的实战经验。最近三年，主要专注于利用丰富的跨域数据、GNN技术来解决推荐系统的数据稀疏性问题。

纪厚业 京东集团 博士管培生，京东推荐视频/直播召回负责人

个人介绍：纪厚业博士，京东集团博士管培生，京东推荐视频/直播召回负责人，主要关注图神经网络和推荐系统，在 WWW / AAAI / TKDE / TOIS / ICDM / EMNLP / MM等顶级会议/期刊发表论文10+篇并担任相应的审稿人，引用2100+，荣获WebConf 最有影响力论文(2019)，WebConf Best Paper Nomination(2021)， 世界人工智能大会青年优秀论文提名奖(2022)。曾在浙大/自动化所/字节/淘宝/蚂蚁金服/达摩院/华为/京东/腾讯分享图与推荐技术。

演讲题目：图机器学习在京东视频召回中的应用

演讲提纲：本次演讲主要介绍在京东电商视频化过程中, 如何将图机器学习与视频召回业务结合并落地。本次报告的主要提纲是：第一部分介绍背景，包括京东视频化业务特色和挑战和图机器学习基础；第二部分主要介绍图召回通用能力建设, 包括图神经网络架构设计和预训练；第三部分介绍2 个具有业务特色的图召回, 包括视频外页交互图召回和视频内页子图召回；最后总结及展望未来工作规划。

听众收益：

1. 电商视频化过程中, 如何问题, 挑战和收益？图机器学习对于视频召回的价值?

2. 如何提升图神经网络表示能力并实现大规模的预训练, 进而服务于下游多种召回？

3. 如何设计具有业务特色的图召回算法?

谷皓 腾讯 算法工程师

个人介绍：微信技术架构部T11级算法工程师，参与微信内视频号直播、订阅号、游戏红点等推荐业务的算法迭代，主要负责 GNN 跨域推荐算法的应用和落地。

演讲题目：GNN跨域推荐在微信业务上的应用

演讲提纲：推荐算法始终面临着数据稀疏的问题。对于大部分的长尾用户，因为数据稀疏推荐不够精准，给业务带来冷启动、拉新难、增长慢的问题。目前，我们团队应用GNN跨域推荐技术，结合微信平台上多个业务（多个源域）的数据，为多个业务解决冷启动的问题，为低活用户提升推荐性能，为高活用户突破信息茧房。本次分享主要从算法、工程落地两个方面对GNN跨域推荐技术进行阐述。

听众收益：

1. 使用GNN 和异构图缓解推荐系统数据稀疏

2. 使用跨域推荐提高推荐效果

3. 如何搭建实时 GNN 推荐系统

李本利 快手 图数据库工程师

个人介绍：在滴滴,腾讯,快手从事多年数据库研发工作。近年来专注于图数据库内核研发，追求强一致，低成本，高性能，致力于满足用户更多使用场景。

演讲题目：快手图数据库存算分离架构及其在实时推荐召回的应用

演讲提纲：

1. 快手基于图数据库的实时推荐案例

2. 快手自研图数据库架构原理

听众收益：

1. 用图数据库做实时推荐

2. 低成本，高性能：图数据库存算分离架构

吴郑伟 蚂蚁集团 高级算法专家

个人介绍：2014年硕士毕业于巴黎理工学院应用数学系，现任蚂蚁集团高级算法专家，主要从事图机器学习相关技术的研究与应用，特别关注于搜索、营销、推荐等场景。共计在NeurIPS、KDD等国际会议发表论文10余篇。

演讲题目：图算法在蚂蚁集团营销推荐场景的应用

演讲提纲：

1. 蚂蚁营销推荐的背景

2. 蚂蚁图学习系统

3. 营销推荐图学习算法

听众收益：营销推荐场景针对行为稀疏问题，如何使用图学习进行有效建模。

牛化康 百度 资深研发工程师

个人介绍：四川大学硕士，百度资深推荐算法工程师，参与了百度Feed流从0->1的建设，完成了图模型在Feed首次落地（百度最高奖top10），目前是召回方向负责人。

演讲题目：图模型在百度推荐系统的实践与思考

演讲提纲：

1. 图模型的发展

2. 多域图模型在百度推荐的应用

听众收益：

1. 多域图如何实现多推荐场景覆盖

2. 如何有机结合搜索推荐场景信号

识别二维码免费报名

---

OpenKG

OpenKG（中文开放知识图谱）旨在推动以中文为核心的知识图谱数据的开放、互联及众包，并促进知识图谱算法、工具及平台的开源开放。

点击阅读原文，进入 OpenKG 网站。