外卖商家排序背后的算法演进
美团外卖采用机器学习的思路，将外卖商家排序问题建模为点击率、转化率、客单价等指标的预测问题，利用技术手段更好地完成了用户订餐需求和商家外卖供给的个性化匹配。在此过程中，提升了用户点餐体验和效率，为商家更加精准地定位了目标用户，同时也达到优化平台流量分配、促进收入增长和提升平台生态竞争力的目标。
美团外卖排序推荐团队负责人温赟，在 QCon 北京 2016 的演讲中为我们介绍了外卖商家排序在机器学习应用的演化道路上遇到的各种算法挑战。重点介绍了外卖业务下用户行为特征，构建外卖排序解决方案过程中各种任务的优先取舍，在应用算法的过程中碰到的业务挑战以及建模经验，并给出下一步技术应用方向的展望。
https://v.qq.com/txp/iframe/player.html?vid=p0327i2wwzl&width=500&height=375&auto=0
温赟，美团外卖技术专家，负责美团外卖排序推荐团队。入行之初，做过新闻搜索，由此开始接触搜索引擎架构、自然语言处理、个性化推荐和技术管理。15 年加入美团外卖，经历了单天订单突破三百万、单天成交额破亿等里程碑时刻，同时也见证了外卖用户构成翻天覆地的变化。目前，和团队同事一起致力于优化美团外卖平台用户列表浏览与下单体验，为商家匹配更加精准的细分用户群体，提升平台整体流量的转化效率。
在公众号后台回复“排序”，即可下载完整幻灯片。
▽
延展阅读（点击标题）：
QCon 上海 2016 将于 10 月 20~22 日在上海宝华万豪酒店举行，届时将有一大波技术专家带来精彩演讲。
吴晨 阿里巴巴 Applied and Innovation 算法专家
毕业后加入百度（中国）有限公司，主要从事机器学习方向研究，应用于广告检索，自然语言处理，知识图谱等领域，并发表相关论文及专利；2016 年，加入阿里巴巴集团，继续负责机器学习算法相关工作，并积极推动自然语言及排序技术在淘宝主搜及推荐场景应用；吴晨同时担任国际数据挖掘会议 CIKM 2016 审稿人，具有扎实理论基础及丰富的实践经验。
《LTR（Learning To Rank）在个性化电商搜索领域的应用 》
随着个性化搜索的技术发展及在电商领域的实践，排序策略，即如何将用户需要且质量度高商品排到合适位置；如何调节不同卖家流量；给质量好，且质量相对合适的商品更多流量，成为近年来研究的热门。传统的规则策略或仅依赖几个关键因素并寻求平衡的排序方案已很难达到较好的效果（特别在引入个性化特征后），因此，Learning to rank，结合检索，点击，展现日志，并通过机器学习模型来学习排序策略的方式，逐渐成为新的发展方向。
本次分享中，将讨论 LTR 若干的算法，特征工程（包括个性化特征等），标注样本构建抽样等方案，以及目前电商搜索领域常用的 Query-Full 和 Query-Less 场景中算法及特征选型思路。
周泽南 搜狗资深研究员
现任搜狗资深研究员，负责搜狗图片搜索和图像搜索效果等相关工作。参与过推荐系统、图片搜索、图像搜索、图像理解等项目的研发工作，在多个领域具有丰富的经验。目前主要关注机器学习特别是深度学习的前沿进展，并用于实际项目的效果优化中。
《深度学习技术在图片搜索与图像搜索上的实践》
人工智能在近年获得了重大的突破，其中深度学习发挥了至关重要的作用。它在计算机视觉、语言识别、自然语言处理等诸多领域取得了巨大的成功。搜狗公司作为一家科技创新型公司，在深度学习方面做了许多成功的探索。其中，将深度学习技术引入图片搜索排序、图像搜索排序，取得了理想的效果。本次演讲内容包括：
图片搜索中的 multimodal learning 方法实践；
图像搜索相关技术：图像特征表达、索引、相似度计算。
《UX Strategy》作者 & 南加州大学兼职教授 Jaime Levy，Spotify 广告工程技术总监 Kinshuk Mishra，特赞 CTO 黄勇，人人车业务平台总架构师徐章健等技术专家都将在 QCon 上海 2016 做分享，更多信息，可点击“阅读原文”，访问大会日程。现在报名，可享 9 折优惠。