专题出品人: 杨路军

网易 网易传媒技术部 人工智能专家

专题:用户画像

本专题下的议题

趣头条推荐系统用户画像构建
杨啸晗 趣头条 AI-Lab 算法工程师
所属专题:用户画像

课程概要

案例背景:
1. 介绍了用户画像的常用的构建方法
2. 介绍了基于transformer网络对用户年龄、性别进行预估的方法
3. 介绍了推荐系统下用户偏好画像的构建方法

解决思路:
1. 根据数据特点,不同的数据结构设计了不同的网络结构
2. 引入transformer网络模块
3. 多模型融合提升准确率

成果:
基本达到预期,用户画像相关指标大幅提升,应用在业务端也取得了一定收益

听众收益

1. 了解用户画像的常用构建方法
2. 了解如何使用算法多个维度构建用户画像

OPPO广告中的用户兴趣建模实践与落地思考
王平 OPPO 商业平台部数据挖掘团队负责人
所属专题:用户画像

课程概要

案例背景:
OPPO广告业务体量不小但寡头严重,为打造更为健康持久的广告生态,我们特别需要注重中长尾行业广告主的效果与体验。中长尾广告的特点是行业众多、变换频繁、优化师水平良莠不齐,因此平台提供的兴趣标签除了精准,还要能按需快速迭代且使用时可简可繁。由于单行业体量往往不大,一般业界中依靠转化数据建模的单一方案难以胜任,必须在深入算法的同时深刻洞察业务,制定一个可弹性投入的画像建模与定向系统。

解决思路:
挖掘建模上,“凡走过必留下痕迹”,要理解用户兴趣,必深入洞察其行为。用户行为的三要素是“行为类型、行为对象和行为时间频次”,因此画像成功的关键在于三点:1)充分理解行为对象,例如文本对象则需要准确的文本分类和关键词抽取 2)准确建模兴趣强度,主要结合行为类型、频次和时间 3)针对广告定向场景的用户画像,还要充分挖掘广告行为。
落地应用上,充分结合实际业务需求,有务实的挖掘重点,特别在广告业务中,画像标签是需要广告主来主动使用,因此易用性也成为最大化业务价值的关键。

成果:
在兴趣建模方面,我们探索出可按需独立增量迭代及半监督持续增强的文本分类算法、粗细粒度相分离的兴趣建模算法和基于DNN的标签推荐和智能拓量算法。在画像落地方面,针对OPPO广告生态特点,我们演化出了一整套“白盒+灰盒+黑盒+无盒”的精准定向方案,核心功能模块包括自然兴趣标签、商业兴趣标签、标签推荐和智能拓量等。该方案有效地为各层次投放经验的广告主提供了从存活到起量,从起量到跑量的一条龙服务。

听众收益

本分享期望为两类听众分享经验:一是对建模用户兴趣标签画像感兴趣的算法人员,一起探讨文本分类、统计行为建模、深度学习兴趣建模等相关技术的落地;二是对广告同行尤其是中等规模的广告平台同行,一起交流我们面对人力和数据掣肘情况下如何务实地落地用户画像标签,以应对中长尾广告主需求的经验。

用户画像在推荐系统中实践
杨路军 网易 网易传媒技术部 人工智能专家
所属专题:用户画像

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

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

专题:用户画像

CopyRight © 2008-2021 Msup & 高可用架构

京ICP备09001521号