推荐系统中的特征交互建模:浅层模型、深度模型与AutoML

所属专题:人工智能应用

嘉宾 : 唐睿明 | 华为诺亚方舟实验室 资深研究员

讲师介绍

专题演讲嘉宾:唐睿明

华为诺亚方舟实验室 资深研究员

华为诺亚方舟实验室推荐与搜索项目组的资深研究员,新加坡国立大学计算机专业博士。研究方向包括机器学习、推荐系统、深度学习、强化学习、AutoML 等。在基于深度学习和强化学习的推荐系统领域,多篇论文发表于国际顶级会议和期刊,如 WWW、IJCAI、TOIS、AAAI、RecSys、SIGIR 等。

议题介绍

演讲:推荐系统中的特征交互建模:浅层模型、深度模型与AutoML

如何建模特征之间的交互关系,在推荐系统中至关重要。传统的 Logistic Regression 模型,简单有效,依赖专家经验进行特征交互设计。Factorization Machine 模型有效建模了二阶特征交互。而深度学习模型以其优秀的特征表达能力,在推荐系统占据一席之地。在深度学习模型中,特征交互的设计也是尤为重要。我们对现有的几种设计方式进行总结,并且提出了创新性的方案。AutoML,在计算视觉中的图像分类问题中,自动设计出各种新颖的神经网络,不断刷新各类竞赛的精度上限。演讲中也会介绍 AutoML 技术在特征交互的设计上如何发挥优势。

演讲提纲:

  1. 推荐系统的技术演进路线
  2. 浅层模型中的特征交互
    • Logistic Regression 模型
    • Factorization Machine 模型及其变种
  3. 深度模型中的特征交互:
    • 整体框架结构
    • 特征交互层的业界设计方案
    • DeepFM 模型与 PIN 模型(自研模型与落地)
  4. AutoML 技术特征交互中的应用:
    • 业界应用情况,与具体的方向
    • 浅层模型中的 AutoML:AutoCross 与 AutoFIS 模型(自研模型与落地)
    • 深度模型中的 AutoML:AutoGroup 与 AutoPIN 模型(自研模型与落地)

听众收益

  1. 了解推荐系统中的特征交互
  2. 了解如何设计基于深度学习的推荐系统模型
  3. 了解 AutoML 技术在推荐系统中的应用
  4. 了解以上技术在工业界的落地情况

InfoQ助你疫后复工,提升战力!全年会议门票最低5折起,立即查看>>

想要批量报名或更多优惠?
立即联系票务小姐姐 Ring
或致电:+86-15600537884