国际顶级数据挖掘大会 KDD 开幕，微众银行 2 篇论文发表 KDD2019

作为国际数据科学和数据挖掘领域最顶级的学术会议，KDD 大会以论文接收严格闻名，每年的接收率不超过 20%，因此颇受行业关注。在严格的评审制度下，微众银行 AI 团队与各高校联合提交的与 AI 精准营销、智能推荐相关的两篇研究论文，成功被 KDD 收录。

2019 年 8 月 4 日至 8 月 8 日，ACM SIGKDD（即国际数据挖掘与知识发现大会，简称 KDD）于美国阿拉斯加州安克雷奇市举行。本届 KDD 将继续聚焦两大主题——数据挖掘与知识发现。大会旨在探讨、推进其在金融、医疗保健、生物信息学、计算广告等多个学科和行业的应用。

大会上，微众银行 AI 部门副总经理郑文琛以“AI-driven Innovation In Finance Industry”为主题，分享了微众银行 AI 团队利用数据分析等技术推动金融行业创新的最新成果。

郑文琛表示，在如今金融科技机遇与挑战并行的环境下，微众银行 AI 团队致力于通过深度学习、迁移学习、联邦学习等 AI 技术，在优化金融行业传统业务的同时开发新业务，如今在数字银行的营销、服务、风险管理等业务模块中已经有了较为成功的实践。

图：微众银行 AI 部门副总经理郑文琛发表演讲

作为国际数据科学和数据挖掘领域最顶级的学术会议，KDD 大会以论文接收严格闻名，每年的接收率不超过 20%，因此颇受行业关注。在严格的评审制度下，微众银行 AI 团队与各高校联合提交的与 AI 精准营销、智能推荐相关的两篇研究论文，成功被 KDD 收录：

l 论文题目：《Hidden POI Ranking with Spatial Crowdsourcing》

l 作者：Yue Cui，Liwei Deng，Yan Zhao，Bin Yao, Vincent W. Zheng & Kai Zheng

l 会议/年份：KDD/2019

l 链接：https://dl.acm.org/citation.cfm?id=3330844

l 论文题目：《Beyond Personalization: Social Content Recommendation for Creator Equality and Consumer Satisfaction》

l 作者：Wenyi Xiao，Huan Zhao，Haojie Pan，Yangqiu Song，Vincent W. Zheng & Qiang Yang

l 会议/年份：KDD/2019

l 链接：https://dl.acm.org/citation.cfm?id=3330965

其中，论文《Beyond Personalization: Social Content Recommendation for Creator Equality and Consumer Satisfaction》由微众银行 AI 团队、香港科技大学团队共同发表。论文主要研究了社交内容推荐的公平性问题，即在现有机器分发机制下，少量热门内容及其创作者容易变得越来越热门，“马太效应”明显。为了解决该公平性问题，该论文基于社交网络属性，提出一个 Social Attentive Exploration Network（SAEN）模型。该模型在去中心化的思想指导下，通过对不同用户做个性化探索和多样性推荐，实现了内容消费者满意度和内容发布者公平性两个指标的平衡，得到了很好的效果。

目前，该研究成果已成功运用于微众银行 AI 营销解决方案，主要落地智能推荐业务板块。以财经类付费媒体-财新 App 为例，如今，越来越多的用户付费意愿强烈，如何智能化提升推荐效率，抓住意向转化用户，并同时最大化优质内容稿件的公平分发，成为一大挑战。微众 AI 在对信息流内容进行深度学习建模的基础上，利用 SAEN 模型对内容消费者-内容-内容创作者的关系图进行兼顾效率和公平的内容分发，鼓励更多内容创造者和内容消费者之间的互动。由此，让财新用户读越多（人均曝光提升 13%），读越久（人均阅读时长提升 19%），越想读（人均点击提升 21%）。

而另一篇被 KDD 录取的论文——《Hidden POI Ranking with Spatial Crowdsourcing》，由微众银行 AI 团队、电子科技大学等单位联合发表。论文主要探讨如何通过机器学习加众包的手段来发掘潜在的地理兴趣点。为了最大化潜在兴趣点的发掘效率，该论文提出了一种 Tree-constrained Skip Search（TSS）算法，来智能评估众包工作者的质量，并给他们分配最合适的兴趣点排序任务。

在微众银行 AI 营销解决方案中，该研究的概念被借鉴于微众 LBS（Location Based Service）广告投放业务。为了拓展业务，经常要在新地域投放广告。微众团队通过挖掘地理兴趣点与跨地域的 LBS 迁移学习，利用已投放广告地域的数据，来优化在新地域广告投放，达到了很好效果（提升 5%）。另外，这一算法能力已被应用于微众银行的数据管理平台（DMP）。DMP 平台基于对种子客户网络行为、社会关系、LBS 等信息进行大数据画像，应用算法扩展特征相似的客户。通过这一方式，助力广告主拓展保质保量的线上推广渠道，实现精准拉新获客，降低获客成本。

目前，除了服务于微众银行本身的金融业务，微众银行同时开放 AI 能力，积极探索“AI 营销＋金融”的精准营销新道路。