用户画像在推荐系统中实践

案例来源:网易
会议地点:深圳
分享时间: 2021-07-30 9:00-10:00

杨路军  |

网易 网易传媒技术部 人工智能专家

2012年加入网易,目前主要服务于网易新闻,网易公开课等产品,从0到1搭建了网易传媒产品线的用户画像系统,主要支持新闻的Feed流个性化推荐,定向广告,BI等其他业务,积累了丰富的实战经验,技术上主要专注于用户画像,推荐算法领域

课程概要

案例背景:
随着移动互联网的发展,网易新闻手机APP的Feed流已成为流量的主要入口,并且内容投放主要依靠推荐系统,推荐要达到个性化效果,系统就要理解用户,了解用户间的兴趣差异,区分用户习惯
1.如何进行用户数字化建模
2.如何表达和挖掘用户兴趣偏好,如何进行多维度兴趣表示;在缺少行为时如何进行兴趣预测
3.如何依靠用户画像进行冷启动-新用户冷启,新内容冷启
4.如何同时支持多业务场景-推荐,广告,BI

解决思路:
构建全面、精准、多维的用户画像体系
在用户兴趣建模上,结合NLP技术尝试不同内容表示:标签/语义Embeding,兴趣计算模型持续迭代优化
建立统一的用户画像系统,打通内部子业务


成果:
打造了成熟的用户画像系统,在用户建模,兴趣偏好挖掘等方面都取得了一定成果,实践出一些解决方案,对推荐业务提升起了非常重要作用

听众收益

了解如何搭建用户画像系统及不同业务场景支持方案
了解如何对用户的兴趣进行建模,包括用户标签和用户Embeding;及对行为缺失或稀少的用户进行兴趣预测的方案

杨路军  |

网易
网易传媒技术部 人工智能专家

2012年加入网易,目前主要服务于网易新闻,网易公开课等产品,从0到1搭建了网易传媒产品线的用户画像系统,主要支持新闻的Feed流个性化推荐,定向广告,BI等其他业务,积累了丰富的实战经验,技术上主要专注于用户画像,推荐算法领域

课程概要

案例背景:
随着移动互联网的发展,网易新闻手机APP的Feed流已成为流量的主要入口,并且内容投放主要依靠推荐系统,推荐要达到个性化效果,系统就要理解用户,了解用户间的兴趣差异,区分用户习惯
1.如何进行用户数字化建模
2.如何表达和挖掘用户兴趣偏好,如何进行多维度兴趣表示;在缺少行为时如何进行兴趣预测
3.如何依靠用户画像进行冷启动-新用户冷启,新内容冷启
4.如何同时支持多业务场景-推荐,广告,BI

解决思路:
构建全面、精准、多维的用户画像体系
在用户兴趣建模上,结合NLP技术尝试不同内容表示:标签/语义Embeding,兴趣计算模型持续迭代优化
建立统一的用户画像系统,打通内部子业务


成果:
打造了成熟的用户画像系统,在用户建模,兴趣偏好挖掘等方面都取得了一定成果,实践出一些解决方案,对推荐业务提升起了非常重要作用

听众收益

了解如何搭建用户画像系统及不同业务场景支持方案
了解如何对用户的兴趣进行建模,包括用户标签和用户Embeding;及对行为缺失或稀少的用户进行兴趣预测的方案

CopyRight © 2008-2021 Msup & 高可用架构

京ICP备09001521号