专题：推荐系统

搜索服务同时承载query解析、意图识别、召回、算分、粗排、截断、精排、业务组装、搜索干预等相关功能，是云音乐主搜业务的核心服务。伴随搜索业务的不断演进，系统本身暴露出很多问题：稳定性、研发效能、业务瓶颈和历史包袱等相关问题。系统急需重构、引入新系统和平台化建设。

重构包括架构和服务拆解，工程和算法系统分离，业务逻辑瘦身，单机极限压测性能提升4倍。自研高性能海量数据处理能力的分布式检索引擎，性能提升1倍+，算法点击率提升2%。搭建在线服务平台，支持一键业务接入，业务接入人效从12小时降低到1小时。

演讲提纲：

1. 云音乐搜索体系建设背景
2. 搜索体系各核心组件的职能和价值
   • 重构搜索服务
   • 自研搜索引擎
   • 搭建搜索中台
   • 优秀服务能力
3. 云音乐搜索体系未来规划

你将获得：

1. 如何评判一个业务架构好坏
2. 搜索的业务价值和商业价值
3. 搜索的技术体系

B站的用户在兴趣、背景、年龄等各个维度都非常的多元化，且都对于优质的视频内容有强烈的诉求。B站的推荐系统致力于让用户在多个场景上快速发现自己喜爱的视频，是提升用户满意度的主要手段之一。

我们的推荐系统综合应用各类机器学习算法、策略，结合学术界和工业界最新技术，根据实际业务场景迭代优化，优化用户显式、隐式的各类正负反馈，在各类短期、中长期业务指标上都取得了较好的成果。此外，我们也致力于提升推荐系统背后相关的各类基础技术能力，用以支撑、保障各个推荐业务有灵活、丰富的算法、策略可高效迭代。相关的基础技术能力包括在线、离线工程系统，机器学习平台等。

演讲提纲：

1. B站应用推荐系统的若干场景和各类用户在这些场景的诉求
2. 推荐系统架构概要
3. B站推荐系统用到的各类机器学习算法、策略
   • B站推荐系统解决的各类问题
   • B站推荐系统在提升各个维度的用户满意度上的效果
4. B站机器学习算法、策略背后的基础技术能力

你将获得：

1. 内容品类丰富、多元的推荐系统的难点和其解决方案
2. 大规模推荐系统的基础技术难点

电商推荐系统已经发展很多年了，大家对整体各个模块都非常熟悉，但是这背后根据公司和产品阶段和时间不同在推荐迭代过程中非常差异的点，当然也有一些不变的点。

本次演讲先从不变的核心点入手进行讲解，再通过结合0-1，1-10，10-100的推荐系统演进来讲解不同阶段不同的侧重点。

不变的点主要围绕迭代过程中的短期和长期指标，比如从短期来讲，目标有点击率、转化率和客单价等，从长期来讲，目标需要考虑留存、复购等指标。但如何规划设计整体数据迭代框架，并将长短期目标建模融入其中值得深入思考。

变的点将会围绕冷启动（分群策略与依据、实时反馈）、召回（召回分级、召回评估、召回融合）、排序（排序目标、目标融合、模型与规则、目标级联）、业务干预（场景差异化、用户、商品、公司利益）展开。

本次演讲通过案例和论述，希望可以在变和不变维度给听众带来更大收益。

演讲提纲：

1. 电商推荐系统简介
2. 宏微观看优化目标与模型迭代
3. 推荐系统冷启动的不变与变
4. 召回与排序的终极诉求与迭代升级
5. 长期生态与目标拆解

你将获得：

1. 推荐系统长短期建模与目标的理解与设计
2. 推荐系统常见模块的核心与迭代