BOSS直聘受邀參加ASSIA大會，分享基于深度匹配技術(shù)的人崗?fù)扑]

時間：2023-02-18 09:06:01 | 來源：電子商務(wù)

時間：2023-02-18 09:06:01 來源：電子商務(wù)

【導(dǎo)讀】中國自動化學(xué)會將于2019年10月26日-10月27日在中國科學(xué)院自動化研究所舉辦第12期智能自動化學(xué)科前沿講習(xí)班，主題為“推薦系統(tǒng)”。此次講習(xí)班由中國人民大學(xué)趙鑫副教授擔(dān)任學(xué)術(shù)主任，邀請業(yè)界多位知名專家作主題報告，分享交流推薦系統(tǒng)的學(xué)術(shù)前沿、發(fā)展及應(yīng)用實現(xiàn)。

ASSIA簡介

智能自動化學(xué)科前沿講習(xí)班是由中國自動化學(xué)會主辦的高端學(xué)術(shù)交流活動，旨在促進自動化領(lǐng)域的科研人員在短時間內(nèi)快速了解學(xué)科前沿和最新研究，并為專家學(xué)者提供探討熱點方向和交流學(xué)術(shù)進展的平臺。每期講習(xí)班圍繞一個熱點專題，邀請該學(xué)科方向從事前沿工作的專家學(xué)者作學(xué)術(shù)報告，并與參會者交流討論。推薦系統(tǒng)是根據(jù)用戶的信息需求、興趣等，將用戶感興趣的信息、產(chǎn)品等推薦給用戶的個性化信息推薦系統(tǒng)。隨著網(wǎng)絡(luò)的迅速發(fā)展而帶來的數(shù)據(jù)信息的大幅增長，使得用戶在面對大量信息時無法從中獲取對自己真正有用的，對信息的使用效率反而降低了。解決這一問題的辦法就是推薦系統(tǒng)。2010年后，推薦系統(tǒng)逐漸成為學(xué)術(shù)研究和業(yè)界應(yīng)用的熱門方向。截止目前，推薦系統(tǒng)已經(jīng)成為大數(shù)據(jù)落地最廣泛且成功的場景，被廣泛應(yīng)用于電子商務(wù)推薦、個性化廣告推薦、新聞推薦等諸多領(lǐng)域。

以下是在本次講習(xí)班上作報告的企業(yè)界嘉賓，下面按姓氏拼音順序向大家介紹各位嘉賓：

報告嘉賓

蔡晶

騰訊PCG瀏覽平臺產(chǎn)品部

高級研究員

報告題目：流量變現(xiàn)效果優(yōu)化：圖卷積神經(jīng)網(wǎng)絡(luò)在廣告動態(tài)創(chuàng)意中的實踐

嘉賓簡介

蔡晶，畢業(yè)于北京航空航天大學(xué)，2012-2016在百度推薦與個性化部門工作。期間主要參與百度智能推薦平臺，大數(shù)據(jù)知識圖譜及圖片搜索廣告項目。目前在騰訊PCG瀏覽平臺產(chǎn)品部增長中心擔(dān)任高級研究員，主要負責(zé)增長提效與流量變現(xiàn)方面的工作。

報告摘要

廣告創(chuàng)意是廣告主向互聯(lián)網(wǎng)用戶呈現(xiàn)價值的途徑，它一般包含文案、圖片甚至是音視頻。好的創(chuàng)意能很快吸引住用戶，讓用戶理解自己的需求能否被滿足。單一的創(chuàng)意形態(tài)，很難提高廣告對用戶的吸引力。動態(tài)創(chuàng)意廣告是一種創(chuàng)意可以隨用戶興趣變化而變化的廣告，不同的用戶看到它，根據(jù)用戶的興趣，展現(xiàn)創(chuàng)意都可能不同。它真正實現(xiàn)了"千人千面"，可以極大程度提升廣告的投放效率和投放效果。

報告嘉賓

董大祥

百度paddlepaddle主任研發(fā)工程師

報告題目：paddlepaddle在推薦場景場景下的并行訓(xùn)練技術(shù)，模型算法與應(yīng)用案例

報告嘉賓

宋洋

BOSS直聘NLP中心負責(zé)人

報告題目：基于深度匹配技術(shù)的人崗?fù)扑]

嘉賓簡介

宋洋，BOSS直聘NLP中心負責(zé)人，北京大學(xué)計算機系博士畢業(yè)，研究方向：自然語言處理、共指消解。曾在ACL、EMNLP等自然語言處理領(lǐng)域國際著名會議和期刊發(fā)表多篇學(xué)術(shù)論文，并擔(dān)任領(lǐng)域內(nèi)多個會議和期刊的審稿人。目前負責(zé)BOSS直聘的自然語言處理算法及應(yīng)用開發(fā)，以及安全風(fēng)控技術(shù)工作。

報告摘要

近年來，隨著互聯(lián)網(wǎng)求職招聘平臺的不斷發(fā)展，該場景下的雙邊匹配推薦問題越來越受到學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注，本次報告將圍繞BOSS直聘NLP中心今年來在KDD、CIKM和EMNLP上所發(fā)表的學(xué)術(shù)論文來介紹基于深度匹配技術(shù)的人崗?fù)扑]系統(tǒng)，分別是融合歷史行為偏好的人崗?fù)扑]，聯(lián)合雙邊意愿與匹配的人崗?fù)扑]，以及領(lǐng)域自適應(yīng)的人崗?fù)扑]。

報告嘉賓

王帥強

京東商城數(shù)據(jù)科學(xué)實驗室研究科學(xué)家

報告題目：京東商城推薦系統(tǒng)研究進展

嘉賓簡介

王帥強，2017年加入京東商城數(shù)據(jù)科學(xué)實驗室，研究科學(xué)家。加入京東前，曾在英國曼徹斯特大學(xué)和芬蘭于韋斯屈萊大學(xué)任系助理教授。分別于2004年和2009年在中國山東大學(xué)計算機科學(xué)與技術(shù)學(xué)院獲得學(xué)士和博士學(xué)位。之后于2010年在美國德克薩斯州立大學(xué)計算機課學(xué)習(xí)做博士后研究工作，2011年至2014年是在山東財經(jīng)大學(xué)計算機科學(xué)與技術(shù)學(xué)院副教授。 研究領(lǐng)域為電子商務(wù)推薦系統(tǒng)，信息檢索，數(shù)據(jù)挖掘等。

報告摘要

當(dāng)前推薦系統(tǒng)已經(jīng)成為電子商務(wù)網(wǎng)站的基本工具。在真實的線上系統(tǒng)中，由于用戶和商品的規(guī)模非常大，不可能預(yù)測用戶對每個商品的偏好程度。一般而言，在工業(yè)界，推薦系統(tǒng)排序的整個過程分為兩步：候選商品的選取，以及候選商品排序。在本次報告中，將分別介紹京東商城推薦系統(tǒng)基于深度學(xué)習(xí)和強化學(xué)習(xí)對這兩個步驟的優(yōu)化探索。

報告嘉賓

張富崢

美團點評NLP中心研究員

報告題目：生活服務(wù)領(lǐng)域知識圖譜的構(gòu)建及應(yīng)用

嘉賓簡介

張富崢博士，現(xiàn)任美團點評NLP中心的研究員，知識圖譜團隊負責(zé)人。目前主要負責(zé)構(gòu)建圍繞美團生活服務(wù)領(lǐng)域的知識圖譜及其應(yīng)用，為美團各場景業(yè)務(wù)提供更加智能的服務(wù)。在此之前，張富崢博士在微軟亞洲研究院擔(dān)任研究員。他于2015年取得計算機博士學(xué)位，由微軟亞洲研究院和中國科技大學(xué)聯(lián)合培養(yǎng)。在微軟期間，張富崢博士和所其在團隊在個性化推薦、用戶畫像、時空數(shù)據(jù)挖掘等領(lǐng)域展開了創(chuàng)新性的研究，并應(yīng)用到廣告展示、新聞推薦、機器人小冰等眾多產(chǎn)品中。他在相關(guān)領(lǐng)域的頂級會議和期刊上發(fā)表30余篇論文，如KDD、WWW、AAAI、IJCAI，曾獲ICDM2013最佳論文大獎和中科院院長獎。 張富崢博士曾擔(dān)任ASONAM的工業(yè)界主席，長期擔(dān)任IJCAI、WWW、SIGIR等國際會議和TKDE、TOIS、TIST等國際期刊的評審委員。

報告摘要

深度學(xué)習(xí)和知識圖譜是近年來人工智能技術(shù)蓬勃發(fā)展的兩大核心驅(qū)動力，并且兩者呈現(xiàn)出進一步融合的趨勢。目前，全球的互聯(lián)網(wǎng)公司都在積極布局知識圖譜，Google Knowledge Graph掀起全球知識圖譜熱潮，F(xiàn)acebook依賴社交知識圖譜提供獨特的用戶體驗，阿里也提出了"藏經(jīng)閣"知識圖譜計劃。作為全球領(lǐng)先的生活服務(wù)電子商務(wù)平臺，美團點評擁有圍繞吃喝玩樂全場景的豐富數(shù)據(jù)，通過使用深度學(xué)習(xí)技術(shù)以及自然語言處理技術(shù)，對這些跨場景數(shù)據(jù)進行充分挖掘、映射、聚合與關(guān)聯(lián)，美團NLP中心構(gòu)建了一個全世界最大的餐飲娛樂知識圖譜——“美團大腦”，來促進每個場景下應(yīng)用服務(wù)的智能升級。尤為值得一提的是，美團點評擁有行業(yè)內(nèi)質(zhì)量最高、覆蓋度最廣的數(shù)十億條用戶真實評價數(shù)據(jù)，通過細粒度情感分析算法，我們挖掘出口味、服務(wù)、價格、環(huán)境、位置等各方面有價值的“知識”。首個版本的美團大腦已經(jīng)擁有超過百億量級的知識關(guān)聯(lián)，未來預(yù)期這一規(guī)模會達到數(shù)千億級別，對于數(shù)據(jù)存儲/同步、知識推理、實時計算、算法建模提出了巨大挑戰(zhàn)。因此，我們同時正在研發(fā)超大規(guī)模分布式圖數(shù)據(jù)處理引擎，用來存儲和服務(wù)美團大腦系統(tǒng)。在這個報告中，我們將介紹知識圖譜基礎(chǔ)知識及行業(yè)現(xiàn)狀、"美團大腦"的構(gòu)建方法、以及目前在搜索推薦、賦能商家等方面的一些初步進展與落地場景。

報告嘉賓

周暢

阿里巴巴達摩院算法專家

報告題目：認知推薦的前沿研究與應(yīng)用

嘉賓簡介

周暢，阿里巴巴達摩院算法專家，主要研究方向為圖表征學(xué)習(xí)與推理、推薦系統(tǒng)、分布式圖計算，目前已在NIPS, ACL, WWW, AAAI, VLDB等會議上發(fā)表17篇文章。研發(fā)的大規(guī)模商品和用戶向量表征學(xué)習(xí)算法，已在多個個性化推薦場景下獲得有效提升。目前專注于創(chuàng)新形態(tài)的內(nèi)容化與可解釋推薦。

報告摘要

傳統(tǒng)的推薦系統(tǒng)算法側(cè)重于關(guān)注點擊轉(zhuǎn)化等指標(biāo)的優(yōu)化，在電商環(huán)境下，推薦場景也承擔(dān)著種草養(yǎng)草的需求，需要主動激發(fā)用戶潛在的興趣而非當(dāng)下或者已有的興趣。而這樣的定位需要我們能夠有辦法能夠找到打動用戶的切入點并進行合理的引導(dǎo)，這就對如何理解用戶提出了更高的要求。我們將從認知的角度，來分享我們在用戶商品解離化表征學(xué)習(xí)、內(nèi)容生成以及推理方面的工作。