知乎如何使用 DNN 优化首页排序

所属专题:机器学习平台与业务提升

所属领域:

嘉宾 : 单厚智 | 知乎首页业务推荐Ranking负责人

会议室 : 第五会议厅B

讲师介绍

专题演讲嘉宾:单厚智

知乎 首页业务推荐Ranking负责人

2015年硕士毕业于北京邮电大学,毕业后加入搜狗营销事业部,主要从事搜索广告点击率预估相关工作,成功将 GBDT+LR 模型应用于搜狗的广告点击率预估系统,获得了较大的线上收益;2017年加入知乎至今,主要从事首页推荐排序相关工作,首次将深度学习模型应用在排序模块中并取得了较大的效果提升。

议题介绍

地点:第五会议厅B
所属专题:机器学习平台与业务提升
所属领域:

演讲:知乎如何使用 DNN 优化首页排序

知乎是一个高质量的问答社区,核心的任务是要解决知识的生产和消费问题,从而形成一个良性的闭环。在2018 年初,知乎首页组引入深度神经网络对首页信息流进行排序,取得了前所未有的效果提升。深度学习作为当前的前沿研究领域,广度和深度都值得我们在基础模型上进行深入探索,在深度学习上线后,我们进行了积极的改进和优化。考虑到知乎用户较高的消费门槛,在传统的利用 DNN 进行 CTR 预估的技术基础上,我们在以下几个方面进行了探索和尝试,取得了不错的效果:

  1. 针对 CTR/阅读 的单一指标不能准确反映用户体验的问题,我们尝试应用多目标预估技术结合我们对用户行为的理解,来解决用户各方面的内容消费需求,优化用户体验,取得了较大的成功;
  2. 针对 DNN 模型的效果随时间下降的问题,我们上线了 Online Learning 模型,便于对用户行为模式变化引发的概念漂移进行即时的捕捉和学习,从而使推荐更加精准、更加符合当前的上下文,取得显著的收益。

演讲提纲:

  1. 深度学习在知乎首页的应用现状综述
  2. 在排序中进行多目标学习的必要性及收获
  3. Online Learning 在 Ranking 模型中的推进及经验分享
  4. 在深度学习使用中的一些经验总结及未来研究方向探讨

听众受益点:

  1. 知乎在深度学习中的尝试和收获
  2. 多目标预估在深度学习中的应用经验
  3. Online Learning 与 TensorFlow 结合的实战经验

交通指南

© 2019 Baidu - GS(2018)5572号 - 甲测资字1100930 - 京ICP证030173号 - Data © 长地万方
想要批量报名或更多优惠?
立即联系票务报名小助手豆包
或致电:010-84780850