搜索推荐深度学习专题沙龙

近年来，深度学习在搜索推荐上广泛应用，已然成为召回排序等核心能力的主流技术。58搜索推荐团队一直以来紧跟深度学习前沿，结合业务特点，持续架构升级与优化迭代，实现了深度学习在各场景的全面落地，效果上也得到了显著提升。本次沙龙主要介绍深度学习在58搜索推荐场景下的相关实践，比如租房业务上序列化深度学习模型与多目标优化的结合；Bert模型在搜索深度语义相关性模型上的应用；向量化召回上从W2V到双塔模型的迭代升级过程；精排上提出了适配业务特点的多通道序列化深度学习模型。

主题一： 18:30-19:05 深度学习在58租房搜索排序中的实践

嘉宾介绍：

专注于58同城垂类搜索排序的优化，主要负责58各业务场景下排序策略的落地与迭代，08年硕士毕业于哈尔滨工业大学。

内容摘要：

本次分享主要以58租房搜索排序为背景，介绍深度学习在排序阶段的探索和实践，主要包括：单目标优化、多目标优化、DeepFM、DIN、DIEN、ESMM等深度学习模型的优化思路及落地，以及最终取得的效果。

主题二 19:05-19:40 向量化召回上的深度学习实践

嘉宾介绍：

负责58APP首页猜你喜欢推荐位向量化召回通道优化。

内容摘要：

向量化召回通过学习用户与物品低维向量化表征，将召回建模成向量空间内的近邻搜索问题，有效提升了召回的泛化能力与多样性，是推荐引擎的核心召回通道。本次议题主要介绍深度学习在向量化召回上的应用与实践，实现了从W2V到双塔模型的迭代升级。

主题三 19:40-20:15 深度学习在首页推荐排序上的实践

嘉宾介绍：

主要负责58APP首页推荐场景下深度学习排序模型的优化与迭代。

内容摘要：

行为序列化已然成为用户兴趣建模的主流方式，本次议题主要介绍序列化建模在首页推荐场景的实践，提出了适配业务特点的深度学习模型，经历了从双通道到多通道到多场景适配的升级迭代过程，通过多种行为序列通道，实现了对用户兴趣的精准刻画。

主题四 20:15-20:50 BERT在58文本搜索的实践

嘉宾介绍：

主要负责基础NLP技术迭代及文本搜索技术优化，15年硕士毕业于华中科技大学。

内容摘要：

传统基于Term-Match检索技术可以较好的解决Query-Doc字面匹配问题，而对于没有词命中时的Query-Doc语义匹配问题稍显捉襟见肘。本次分享将主要围绕我们在深度语义模型上的探索，通过模型结构、采样方式上的迭代调优提升效果，以及如何在线上搜索系统中进行合理的应用，更全面的解决Query-Doc语义匹配问题。

主办方：

AICUG人工智能社区、58同城

出品人：

罗景，搜索推荐部，高级算法架构师