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