技术沙龙 | 第十九期 58同城搜索推荐深度学习专题沙龙

近年来，深度学习在搜索推荐上广泛应用，已然成为召回排序等核心能力的主流技术。58搜索推荐团队一直以来紧跟深度学习前沿，结合业务特点，持续架构升级与优化迭代，实现了深度学习在各场景的全面落地，效果上也得到了显著提升。本次沙龙主要介绍深度学习在58搜索推荐场景下的相关实践，比如租房业务上序列化深度学习模型与多目标优化的结合；Bert模型在搜索深度语义相关性模型上的应用；向量化召回上从Word2Vec到双塔模型的迭代升级过程；精排上提出了适配业务特点的多通道序列化深度学习模型。

（关注公众号，会后下载PPT）

01活动介绍

主办方：58同城、AICUG人工智能社区

直播时间：3月16日周二 18:30-20:50

议程安排：

18:30-19:05

主题一：《深度学习在58租房搜索排序中的实践》

嘉宾：

崔凌云

58同城TEG搜索排序部算法架构师

主要负责58各业务场景下排序策略的落地与迭代

内容摘要：

本次分享主要以58租房搜索排序为背景，介绍深度学习在排序阶段的探索和实践，主要包括：单目标优化、多目标优化、DeepFM、DIN、DIEN、ESMM等深度学习模型的优化思路及落地，以及最终取得的效果。

本次议题主要介绍：

1、58租房搜索排序业务的背景

2、排序优化路径及具体实践

3、效果分享

4、总结与思考

听众收益：

了解主流的ctr、cvr预估方法，以及在58租房特定业务场景下搜索排序模型的构建和应用。希望给相关的算法同学带来启发。

新技术/实用技术点：

深度学习，兴趣抽取，Attention，多目标排序

19:05-19:40

主题二：《向量化召回上的深度学习实践》

嘉宾：

彭小钰

558同城TEG搜索推荐部高级算法工程师

负责58APP首页猜你喜欢推荐位向量化召回通道优化

内容摘要：

向量化召回通过学习用户与物品低维向量化表征，将召回建模成向量空间内的近邻搜索问题，有效提升了召回的泛化能力与多样性，是推荐引擎的核心召回通道。本次议题主要介绍深度学习在向量化召回上的应用与实践，实现了从Word2Vec到双塔模型的迭代升级。

本次议题主要介绍：

1、Word2Vec向量优化

2、双塔模型召回离线、在线流程

听众收益：

深度学习模型在首页向量化召回上的落地实践与相关优化

新技术/实用技术点：

Word2Vec优化、双塔模型解耦上线

19:40-20:15

主题三：《深度学习在58APP首页推荐排序上的实践》

嘉宾：

王连臣

58同城TEG搜索推荐部高级算法工程师

主要负责58APP首页推荐场景下深度学习排序模型的优化

内容摘要：

行为序列化已然成为用户兴趣建模的主流方式，本次议题主要介绍序列化建模在首页推荐场景的实践，提出了适配业务特点的深度学习模型，经历了从双通道到多通道到多场景适配的升级迭代过程，通过多种行为序列通道，实现了对用户兴趣的精准刻画。

本次议题主要介绍：

1、深度学习在首页推荐场景落地最佳实践与模型优化

2、多通道深度兴趣模型的创新与实践

听众收益：

深度学习在推荐排序的落地应用

新技术/实用技术点：

用户兴趣建模，深度学习离线、在线性能调优

20:15-20:50

主题四：《BERT在58搜索的实践》

嘉宾：

熊威

58同城TEG搜索排序部资深算法工程师

主要负责基础NLP技术迭代及文本搜索技术优化

内容摘要：

传统基于Term-Match检索技术可以较好的解决Query-Doc字面匹配问题，而对于没有词命中时的Query-Doc语义匹配问题稍显捉襟见肘。本次分享将主要围绕我们在深度语义模型上的探索，通过模型结构、采样方式上的迭代调优提升效果，以及如何在线上搜索系统中进行合理的应用，更全面的解决Query-Doc语义匹配问题。

本次议题主要介绍：

1、58搜索简介

2、深度语义模型探索

3、语义模型在58搜索的应用

听众收益：

语义模型在搜索排序、召回场景的落地应用

新技术/实用技术点：

(半)交互式、双塔式语义模型，搜索排序、语义检索

02活动报名

~扫码报名观看直播~

技术交流群加入：添加管理员微信：jishu-58，申请提交：姓名-公司，审核后邀请加入。专业技术群审核较严，敬请谅解！