数据爆炸、信息过载时代下的解决方案:QCon 北京 2014 推荐系统与工程实践专题

  • 彭超

2014 年 3 月 6 日

话题:QCon架构DevOps语言 & 开发文化 & 方法算法机器学习

距第六届 QCon 全球软件开发大会(北京站)2014 开幕仅剩一个半月,大会演讲嘉宾已经几近确认完毕。大会的演讲内容在官网:http://www.qconbeijing.com,以及 InfoQ 微博、微信公众帐号的最新播报:@InfoQ、【infoqchina】不断更新。此次为大家介绍本届大会的推荐系统工程实践专题。

需要注意的是,大会 9 折折扣期将在本月 26 日截止。如欲报名报请速点击报名页面

推荐系统工程实践:

在这个数据爆炸、信息过载的时代,用户面临过多内容时往往无所适从;另一方面信息的生产者也希望能更便捷的将内容传递到给合适的用户,而推荐系统的出现,很好的满足了两者的需求——即帮助用户完成个性化的信息过滤,又帮助信息找到最合适的用户。 搭建一个推荐系统本身并不难,但是搭建一个效果优良的推荐系统并不简单,而推荐系统的效果是决定整个产品成败的生命线。本专题将围绕推荐效果的优化技术进行探讨,通过深入分析推荐系统运转的各个重要环节,结合实践开发中积累的宝贵经验,为大家传道解惑。分享的内容将包括:

  • 各种推荐算法实践中的特点如何?
  • 怎样才能扬长避短让各种算法发挥特长?
  • 设计良好的推荐系统架构是怎样的?
  • 推荐的时效性应该怎样解决?
  • 如何迅速捕捉用户偏好并实时完成推荐?
  • 常用的推荐效果优化手段有哪些?分别起到什么样的作用?
  • 如何平衡推荐系统的强时效性需求和大数据量的挖掘处理?
  • 推荐结果应该以什么方式展示给用户?
  • 怎样让用户更信赖推荐系统?

本届 QCon 的构建高效能团队专题,由 ReSysChina 发起人谷文栋负责出品主持。

ReSysChina 成立于 2009 年八月,建立初衷,是想为业内关注推荐系统领域的朋友们提供一个交流讨论的社区。现在,ReSysChina 已经组织过多次线下分享会,在嘉宾们为大家带来精彩观点的同时,也为推动个性化推荐技术在国内的普及做出了一些绵薄之力。

谷文栋从 2006 年开始撰写个人博客“Beyond Search” http://www.guwendong.com/ ,内容专注于个性化推荐技术与产品,是国内推荐系统领域最早的博客作者之一。

现在专题已经完全确认了四位演讲嘉宾。他们分别是:

百度高级架构师 陈天健。陈天健现供职于百度,2011 年参与组建百度的推荐技术团队,近三年来设计和开发了百度的第一代、第二代和第三代推荐引擎和推荐系统云平台。 天健对于大规模推荐系统的设计开发和应用实践有较多的经验积累和总结抽象,致力于降低推荐系统构建成本和提高推荐系统的性能指标。

这次大会,他会为大家分享《推荐系统时效性的实践与思考》:天健会基于百度推荐系统处理时效性问题的实践经验,总结实时推荐系统的设计规律和方法,探讨推荐系统的时效性如何从产品设计、推荐算法和系统架构等各个层面得到体现和提升。没有推荐系统实践经验的观众得到一些构建简单的推荐系统的方案,有推荐系统实践经验的观众得到一些提升系统时效性的方法,维护复杂推荐系统的观众得到一些分辨时效性需求的心得。

1 号店资深经理王答明。王答明是 1 号店负责个性化推荐方向的资深经理,之前曾是 Autodesk 内容搜索组上海区创始成员和技术负责人,也曾创建过国内最早的团购导航网站之一酷省网进行个性化团购推荐的尝试;熟悉的领域有机器学习,搜索,推荐系统,分布式处理等。

这次他会为大家带来《1 号店个性化推荐实践》:1 号店作为国内领先的 B2C 电商网站之一,个性化推荐在其商业比重中所占的比例越来越大,众多的推荐栏位和场景需要健壮的架构,不同的算法,以及在线服务的有效协同;本次演讲会从产品和技术融合的角度介绍 1 号店在推荐系统上的实践和探索,不同的机器学习模型如何适用于不同的推荐应用,数据 / 算法各自重要性如何在真实商业场景中体现,推荐系统在用户体验和商业价值多重目标下如何平衡,以及支撑推荐的大数据挖掘架构等方面。听众将了解到大型 B2C 电商推荐系统的真实实践经验、众多机器学习算法如何适用于不同的场景、实际商业应用中,机器算法和人工规则融合经验,以及推荐系统在电商应用中除了传统手段之外的一些特殊点。

世纪佳缘研发中心总监吴金龙。吴金龙 2005 年从南开数学院保送至北大数学院计算数学专业攻读博士学位,研究方向为推荐系统中的协同过滤算法。2010 年 7 月毕业后加入阿里云,主要从事 PC 和手机端输入法的开发。2011 年 8 月加入世纪佳缘技术部研发中心,目前负责佳缘技术部研发中心的工作。

世纪佳缘从十年前诞生于校园宿舍,到现在成长为中国最大的婚恋交友平台,目前已经拥有超过 1 亿的注册用户。它是国内第三类网站中的典型代表。吴金龙在分享中将以佳缘的几个具体产品为例,介绍我们如何应用机器学习和推荐技术来改进产品,在实现公司运营指标的同时提升用户的交友体验。最后金龙还将给出自己的几点相关思考。

天猫推荐算法负责人张奇。张奇 2010 年毕业于中国科学技术大学计算机系,信息检索方向博士。2010 年 7 月加入阿里云计算, 搜索广告组,从事搜索广告算法研究,参与 Yahoo 中国搜索中搜索广告的排序算法设计,负责了国内最大规模之一的,每天近 40 亿网页浏览记录的挖掘、用户行为分析和 User Profile 建模。2012 年 3 月加入天猫产品技术部,推荐算法组,负责天猫推荐算法的改进和数十个推荐业务的优化,包括 PC 推荐业务、无线推荐业务,建立起一套基于机器学习的推荐算法流程。

天猫的推荐业务快速成长,已经成为天猫最重要的导购产品之一,覆盖了商品推荐、品牌推荐、活动推荐等等维度。这次大会张奇会为大家分享天猫个性化推荐架构与实践。他会为大家介绍天猫推荐业务的特征和价值,并分享一下整个天猫推荐的算法架构,讨论他们在用户实时购物意图分析、在线 CTR 预估、离线算法融合等等方面所做的工作。大家将会了解到电商推荐系统应用实例以及机器学习在推荐系统中的应用实例。

技术训练营信息:

本届大会全新打造的技术训练营(原会前培训)已经上线,在训练营中,我们邀请 QCon 讲师为对某一个领域具体实战技能感兴趣,入门浅的朋友提供集中的培训和指导。

目前已上线的训练营包括《敏捷与模块化-OSGi 理论与实践》、《iOS 入门与进阶》、《JavaEE,企业应用互联网化的架构选择探讨》,和许多不同类别的测试课程,以及一门认证类课程《实践中的看板》。课程详情及报名方式,请查阅 [技术训练营页面](http://www.qconbeijing.com/tutorials )。

更多精彩信息不断更新中,详请跳转至大会官网查阅。每年 QCon 大会门票都会在开幕前售罄,及早预定可提前确保席位,并享受更低折扣。如有更多需要咨询,请联系 qcon@cn.infoq.com,或直接致电 010-64738142。报名请点击报名页面

QCon架构DevOps语言 & 开发文化 & 方法算法机器学习