欧文武,2008 年加入阿里巴巴,先后负责过个性化商品搜索、智能交互和信息流推荐等,主持过多个搜索推荐重大技术项目,致力于推动大规模机器学习、边缘计算和认知计算在商品搜索和推荐中的应用,和团队一起在 WWW、KDD、ICLR、SIGIR、AAAI、IJCAI 等发表过 10 多篇顶会论文。
欧文武,2008 年加入阿里巴巴,先后负责过个性化商品搜索、智能交互和信息流推荐等,主持过多个搜索推荐重大技术项目,致力于推动大规模机器学习、边缘计算和认知计算在商品搜索和推荐中的应用,和团队一起在 WWW、KDD、ICLR、SIGIR、AAAI、IJCAI 等发表过 10 多篇顶会论文。
随着推荐系统在信息分发中作用越来越重要,推荐系统优化目标也变得多元化,这次分享将主要介绍淘宝电商推荐中的多目标优化问题及应用实践。
1、简介
2、推荐机制设计
3、强化学习方法
4、帕累托多目标平衡
5、基于多智能体的多场景协同优化
6、千人千模
7、未来展望
1.了解工业级推荐系统中的多目标机制设计和优化方法
2.了解强化学习和多智能体在推荐系统中的实际应用