推荐业务是互联网内容提供商进行流量分配的核心业务，也是大数据和机器学习技术的典型应用场景。以电商环境为例，推荐技术的核心任务是要完成从全部海量商品库高效检索 TopK 相关商品给用户。为实现这一目标，推荐技术经历了以 Item-CF 为代表的基于统计启发式规则，到以内积模型为代表的向量检索技术的演进和发展。但当前基于内积检索的推荐技术虽然突破了全量候选集召回的天花板，一定程度引入深度模型优化推荐效率，但内积结构模型表达能力存在局限，无法利用更先进模型进一步提升推荐效果。如何在全库检索的基础上突破模型能力天花板，是下一代工业级推荐技术的可行性发展方向。
在 AICon 全球人工智能与机器学习技术大会（北京站）2018 上，阿里妈妈精准定向技术部高级技术专家李晗老师带来了《深度树匹配——下一代推荐技术的探索和实践》的相关内容分享。
他介绍了阿里妈妈精准算法团队围绕全库检索+先进模型这一目标，自主提出的深度树匹配技术 Tree-based Deep Match（TDM）这一全新的推荐算法框架。详细讲述了在具体实现层面如何根据树结构提出兴趣概率最大堆模型，并由此推演出一整套采样、检索、建模的方法。还介绍了深度树匹配技术一方面在广告业务上的应用成果和学术创新性探索，该工作也被收录到 KDD2018。与此同时，他还从下一代工业级推荐技术持续发展的视角，讲述了围绕深度树匹配技术进一步发展的探索和思考。
内容大纲
什么是推荐问题和推荐技术
深度树匹配——下一代推荐技术的探索
成为下一代推荐技术的核心挑战
深度树匹配——下一代推荐技术探索的再思考
听众收益
了解推荐技术的演进历程
了解推荐技术最前沿的实践探索
了解推荐技术持续发展的方向和原动力
通过李老师的演讲，大家很好的了解了推荐技术的演进历程和最前沿的技术探索。又过了一年，阿里妈妈又有了哪些新的技术进展呢？在即将到来的AICon全球人工智能与机器学习技术大会（北京站）2019上，来自阿里妈妈的深度学习算法平台负责人朱小强老师将会带来更精彩的关于搜索推荐技术的相关内容分享。
嘉宾介绍
朱小强，花名怀人，毕业于清华大学，阿里资深算法专家，现任阿里妈妈深度学习算法平台负责人、兼任定向广告 &信息流广告排序技术团队负责人。他主持了三代核心算法架构（大规模、深度端到端、深度实时化）的设计和落地，驱动了深度学习对阿里广告技术的全面变革与创新，领导了阿里开源深度学习框架 X-DeepLearning 从 0 到 1 的自研、从 1 到开源演进的全过程，在 KDD、AAAI、SIGIR 等顶级会议上发表过 DIN/DIEN/ESMM 等多篇有影响力的工业实战论文，是 workshop DLP-KDD 2019 的发起人和联合主席。
更多人工智能技术相关案例，欢迎点击AICon 北京 2019 官网查看。
Java 避坑指南：Java 高手笔记代码篇
本迷你书包括 86 个业务开发中常见踩坑点。每一个知识点都相当的实用，是程序员业务开发中的必备避坑指南...
评论