现任电商平台 Shopee Listing 商品算法负责人，服务全球十多个市场的商品智能化识别，工作研究方向为电商领域知识图谱构建、自然语言处理和多模态技术在知识图谱的应用等。
曾任阿里商品知识图谱算法负责人，在阿里知识图谱藏经阁研究计划中，带领团队与清华、浙大、中科院、苏大等科研机构协作共同构建千亿级商品知识图谱数据，服务了阿里十多个垂直电商平台和海内多个国家市场。
毕业于伦敦大学，学术论文发表在 CVPR / BMVC / EMNLP / WSDM 等国内外会议和期刊；团队项目多次荣获中国国家编码中心和中国零供 ECR 委员会颁发的创新项目奖、卓越项目奖，以及中国中文信息学会钱伟长科技奖一等奖等国家机构和学术协会奖项；撰写的学术类书籍《工业级知识图谱：方法与实践》于 2021 年由中国工信出版集团出版。
随着电商平台的发展，商品量和商品丰富度不断攀升，更加智能化和高效的商品理解和商品管理需求随之提升，其核心依赖的电商知识图谱相关技术变得至关重要。其中，涉及到商品管理体系的智能化构建优化技术包括商品分类的识别、商品信息的识别、商品关系特别是同款商品和相似商品的识别以及商品表达的优化等。这些技术被应用在电商平台的商家端提供 ToB 服务、在电商的运营端提供企业内部服务以及在面向消费者的搜索推荐等端口提供 ToC 服务提升消费者的购买体验。
但如何在全球十多种语言国家市场，以及多种语言混合的高噪音数据上，构建模型训练样本迭代模型实现行业领先的算法服务效果？如何在商品信息不断更新迭代的工业界真实数据上，自动沉淀商品知识库构建企业知识壁垒等？这些问题都是目前商品知识图谱落地必须要解决的问题。
本次演讲，我将介绍商品知识图谱的主要技术以及 Shopee 通过使用商品知识图谱技术自动构建多语言大规模标准产品库（Standard Product Unit, SPU）并应用的成功案例。
演讲提纲：
你将获得：
京公网安备 11010502039052号 | 产品资质