快手资深推荐算法专家。曾就职于微软,于2017年加入快手,现为快手精排模型负责人。参与并设计了快手推荐模型从 Online LR 到深度模型迁移,CTR 精排模型离线和在线预估的框架演化,单双列数据融合模型的设计,多任务学习算法框架,用户长短期兴趣等关键模型迭代升级。

快手资深推荐算法专家。曾就职于微软,于2017年加入快手,现为快手精排模型负责人。参与并设计了快手推荐模型从 Online LR 到深度模型迁移,CTR 精排模型离线和在线预估的框架演化,单双列数据融合模型的设计,多任务学习算法框架,用户长短期兴趣等关键模型迭代升级。
精排 CTR 模型对快手短视频推荐有非常重要的作用,主要算法也进行了几个版本的迭代。在2017年之前,快手的精排主要基于 Online LR 模型,特征工程是非常重要的一部分工作。2017年快手的精排模型从 Online LR 升级为 Online DNN,成功上线并取得巨大业务收益,快手精排模型进入 DNN 时代。在 DNN 时代,我们就如何提升模型的个性化表征能力做了非常多的工作,比如设计gating机制提升个性化,多源数据融合下的迁移模型,用户长短期兴趣建模等,并取得巨大收益。
演讲提纲:
你将获得:



电话咨询