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