AI算法在云音乐搜索中的应用实践

所属专题:搜索推荐与算法

嘉宾 : 王新欣 | 网易云音乐搜索算法负责人

讲师介绍

专题演讲嘉宾:王新欣

网易云音乐 搜索算法负责人

王新欣,哈尔滨工业大学硕士,云音乐搜索算法负责人。2015年3月加入网易至今,负责云音乐搜索体系、算法效果优化的工作。有幸参与到云音乐搜索优化的整个过程,搭建并强化了云音乐搜索Query理解体系、内容排序体系以及搜索推荐体系,并取得较好的成功。推动产品革新,将音乐搜索泛化,借助AI技术,将更好的资源提供给用户,同时通过精细的算法控制,让其他业务借助上搜索的流量为业务导流,在多个重要项目中取得效果。最终形成一套理论体系:内循环(体系增强)带动外循环(业务增强)。

议题介绍

演讲:AI算法在云音乐搜索中的应用实践

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。

交通指南

© 2019 Baidu - GS(2018)5572号 - 甲测资字1100930 - 京ICP证030173号 - Data © 长地万方
本网站图片存储由七牛云独家支持