排得更好 VS 估得更准,推荐算法为什么越来越懂我

营销课程中有个著名的“啤酒与尿片”的故事。

年轻爸爸去超市购买尿布时,经常会买点啤酒犒劳自己。因此,沃尔玛将这两种商品进行了捆绑销售,最终获得了更好的销量。

这就是现实生活中的“推荐算法”。

进入移动时代以来,信息流推荐在方方面面影响着我们的信息获取,电商、社交、资讯、娱乐、生活服务的应用,哪里有海量信息,哪里就有推荐系统。

就连想要收购推特的埃隆·马斯克首次在员工大会露面时,也“激情发言”让推特好好学学中国社交软件的推荐,要让用户不无聊,又能刷得舒服。

推荐算法在移动时代的重要性毋庸多言。

从最初的用户搜索什么,就重复推荐什么的初代推荐系统,再到现在能真正实现千人千面,堪比“猜心”的精准推荐,算法变得越来越懂你。

不过,也有很多人担心推荐算法带来的严重的“信息茧房”的问题,流量的倾斜会导致头部效应加剧。

这背后有哪些推荐系统的演进,又有哪些算法策略的考量?算法该有价值观吗?作为国内最活跃的UGC生活内容社区,小红书有自己的答案。

10月26日,由小红书技术团队出品的技术直播节目【REDtech 来了】第五期《推荐算法为什么越来越懂我》即将开播。

上海交通大学计算机科学与工程系副教授张伟楠将带来主题分享《推荐系统的技术演进》

张伟楠,于2011年毕业于上海交通大学计算机系ACM班,并于2016获得英国伦敦大学学院计算机系博士学位,在国际一流的会议和期刊上发表50余篇论文。其中5次以第一作者身份在ACM国际数据科学会议KDD上发表文章。

他曾在2016年获得由微软研究院评选的全球“SIGKDD Top20科研新星”称号;2017年获得ACM国际信息检索会议SIGIR的最佳论文提名奖;2017年获得上海ACM新星奖;2018年获得阿里巴巴达摩院青橙奖;在KDD-Cup用户个性化推荐大赛获得全球季军,在全球大数据实时竞价展示广告出价算法大赛中获得最终冠军。

小红书社区因其双列推荐场景和大量UGC内容,催生了许多独居特色和更有挑战的技术问题:如何实现充分个性化的信息推荐,如何平衡用户的长短期兴趣,如何更好地实现多样性的打散,推荐系统如何构建好内容生产和发布的关系,让优质内容在社区生态中茁壮成长等等。

对此,小红书智能分发团队负责人瑞格则会围绕“小红书特色推荐场景及问题”展开详细介绍。

瑞格是资深的机器学习领域的专家,在小红书搭建了支持超大规模参数的在线学习训练框架,支持搜广推个性化模型学习,通过前沿算法的不断探索显著提升了分发效果。
瑞格也曾在百度凤巢从事超大规模分布式训练算法研究,用于点击率模型预估等问题,并在百度研发了适用于搜索广告相关性问题的半监督学习算法,显著提升了广告相关性。

除此之外,小红书信息流广告模型工程师特图将在直播中讲解入选SIGIR 2022的论文《面向点击率预估任务的深度统计技术》,该论文得益于小红书技术在实际业务中的探索实践,是工业界第一线的学术成果。

特图在内容分发领域有多年研发经验,多项工作被KDD、SIGIR等录用,同时也是PyTorch、TensorLayer等知名开源项目的贡献者。

在当天的直播过程中,大家将有机会与三位专家直接互动交流。

详细议程

✦✦ 直播收看攻略 ✦✦

时间:2022 年 10 月 26 日(周三)19:00-21:00

直播平台:关注【小红书技术 REDtech 】视频号,预约直播,不见不散。(直播也将在抖音与B站同步进行,搜索“小红书技术 REDtech ”)

扫描下方二维码进入直播交流群,将第一时间获取直播链接及开播提醒。

我们将在微信群内发布嘉宾演讲精华和抽奖活动, 参与互动提问还有机会被嘉宾pick解答哦。

扫码进入直播交流群

  • 3
    点赞
  • 0
    收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值