Burger King使用RayOnSpark进行基于实时情景特征的快餐食品推荐使用
Burger King使用RayOnSpark进行基于实时情景特征的快餐食品推荐使用
时间:
2020/11/26 20:00 - 20:40
地点:
研讨会直播
名额:
可容纳500人

主题摘要

在快餐推荐的场景下,用户实时的点餐行为和各种情景特征(比如时间、天气和位置等)都是能够被用来做合适推荐的重要因素。在Burger King,我们开发了一个全新的Transformer Cross Transformer (TxT)推荐模型,用多个 Transformer编码器来提取用户点单行为和复杂的情景特征,并通过点积的方法将Transformer的输出组合在一起以生成推荐。线上A/B测试结果表明TxT模型不仅比现有的其他推荐模型取得了更好的效果,同时该模型也能被成功地应用到其他推荐场景中。
此外,我们利用 Analytics Zoo提供的RayOnSpark功能,使用 Ray, Apache Spark和 Apache MXNet 构建了一个完整的端到端的推荐系统。它将数据处理(使用 Spark )和分布式训练(使用 MXNet 和 Ray )集成到一个统一的数据分析和 AI 流水线中,并直接运行在存储数据的同一个大数据集群上。我们已经在 Burger King成功部署了这套推荐系统,并且已经在生产环境中取得了卓越的成果。

本次分享将给大家介绍TxT推荐模型以及在大数据平台上构建端到端推荐系统的实践经验。

讲师姓名:王路洋&黄凯
讲师简介:

王路洋,Burger King机器学习团队的高级技术经理。负责管理公司大数据平台,开发实时用户推荐系统以及其他机器学习相关的微服务。

黄凯,Intel大数据团队软件工程师。负责开发基于Apache Spark的数据分析和AI平台,同时支持企业客户在大数据平台上构建端到端的深度学习应用。他是大数据和AI开源项目Analytics Zoo和BigDL的核心贡献者之一。

姓名
手机号码
电子邮件
职位
公司
以上信息仅用户报名资格审核,通知以及关联示说网账户之用
公众号