网易云音乐聚集了大量有追求的音乐爱好者，作为第二大的流量入口，云音乐搜索系统每天承载着千万级的用户诉求。

云音乐搜索系统，分为三大体系：Query理解体系，内容体系以及搜索推荐体系（引流体系）。借助AI的强大计算能力，（1）实现了对用户更好地意图理解、深层次的情感分析，让Query带有“生命力”，更加完善了Query理解体系；（2）实现了深度地扩展召回，同时借助深度学习的排序优势，给予用户更友好的资源、Item展示；（3）实现了流量为多业务赋能的目标，同时借助Multi-task Deep learning ，达到了体验、业务目标共同进步的层次。（4）引入体系的完善，为搜索的流量分配带来了更多可能。

本次分享，重点介绍AI算法在云音乐搜索中的应用实践，以及在算法落地过程中的挑战和解决方案。

1、概述

   （1）云音乐搜索内循环（算法体系）与外循环（业务体系）的组合体系的概要

   （2）云音乐搜索体系架构

2、Query理解体系--搜索的基石

   （1）Query理解体系的演进

   （2）深度模型对实体识别、意图识别的完善

   （3）基于Multi-View 深度文本表示的完善

   （4）Graph-embedding 对于深度扩展召回的完善

3、内容体系

   （1）多资源排序、流量分配框架

   （2）BST模型及其改版在多资源排序的应用

   （3）深度排序模型的演进

   （4）基于ESSM的多任务学习为业务赋能、场景体验赋能的应用

4、引流体系

   （1）引流体系概况

   （2）引流的定位以及发展

听众收益：

1、用户搜索Query具有“生命力”，让Query更丰满

2、多资源如何组合展示？

3、搜索如何为业务导流？

前言亮点：

1、Query理解体系，应用了更多前沿的NLP技术，例如：DSSM、Node2Vec、BERT等。
2、根据场景/业务的特点，应用不同的深度复杂模型，例如：联合学习ESSM 、用户行为序列模型BST 等。