百度技术沙龙第三十八期:打造能“读懂”用户的系统

“我知道你不知道我知道”,这不仅仅是一句调侃,而是现在推荐引擎应用于网络社会的真实写照。目前的互联网络上,用户随时都在生产数据,也在随时消费数据,但是要想从浩如烟海的信息中寻找自己的想要的内容却变得越来越难,甚至有时候用户也不清楚他们想要什么。针对这种情景,我们可以从海量的数据中提取特定的模式,分析用户的真实需求,进一步读懂用户!在本期的百度技术沙龙上,我们将会从实战的角度来讨论如何打造能“读懂用户”的系统应用。

本期讲师介绍

  • 陈天健

    推荐系统实时化的实践和思考 - 推荐系统时效性对于推荐效果往往有着重大的影响,本讲座将探讨在实际系统中,推荐实时性如何从原理到系统各个层面得到体现和提升。

  • 姚旭

    百度个性化推荐实践 - 百度个性化推荐部门资深研发工程师姚旭则着重介绍了百度的个性化的实践经验,首先他谈到搜索是为了满足用户主动表达的需求,而推荐则是为了挖掘并满足用户的潜在需求。

  • 何杰

    电商推荐系统迷思 - 讨论个性化和推荐在电商领域实践遇到的困难思考,经历,谬误和项目经验教训。

  • 翁伟

    利用20%时间开发推荐引擎 - 公司购买的第三方推荐引擎被证明无效,替代方案之一是自行开发。那么如何在有限资源下快速开发全新的推荐引擎并最终上线?分享我在开发过程中所解决的一些软件工程问题。

内容回顾

  • haimingfg: 这次只是增长了知识!推荐搜索,数据统计,发掘知识薄弱!没有发起疑问!没有疑问就没有理解!听他们的交谈发现,所有问题都好像一个根本问题击败!你理解你系统的数据么?分析了吗!有什么特征!说实话!我还是不了解我做紧的产品!

  • Missy席梦思的梦:将话题进行到底:我们都知道UGC(用户生成内容)是伴随着web2.0而诞生的,UGC标签系统也是很多web2.0网站的必要组成部分。那么紧跟着web3.0的重要标签会是什么呢?又会引发什么样的格局呢?尽管现在热门趋势走向了移动互联网。

  • liushengbing: 一个用户在多类目下存在不同的隐含因子分布,但是又存在一定的关联。多类目无区分推荐,效果应该不佳,独立推荐抛弃了关联,如何利用这种关联改进推荐?多任务学习或者迁移学习是不是派上用场了。

  • 林夕合鸟:在3w咖啡参加百度技术沙龙,听五位老师从不同角度解读推荐系统,学到很多东东,更感受到了现场大家强烈的求知欲和活跃的思维,受益匪浅~除了精神上的收获外,还拿到了3样小礼物喔~


现场图片展示

  • 大合影

  • 欢乐的微博时刻

  • 热闹的OpenSpace讨论

  • 帅气的讲师们