公开课 | 年前“封麦”直播：配对标注还原数据真实排序+慢特征分析用于个性化推荐系统+精准营销中的Host2vec用户识别

本周四晚，年前“封麦”公开课，3场连续语音直播！错过这场，咱们就年后再见啦。公开课可以永久回听，暂时没空的小伙伴可以扫码进入直播间收藏课程，假期学起来。

抽象数据的智能具象：配对处理让标签精准化

大量有标注数据的产生，是机器学习研究取得进展的重要因素。如果我给你一张“赫敏”的照片，问你“美不美？请用1-10分打分”，你可能会打满分。但是，你的女票/男票对同一张照片会打几分？很难说。

Emma Watson，图片来自网络

如果我同时给你两张照片，比如同时让你看“赫敏”和“罗恩”的照片，让你给出两张照片“美不美”的相对得分，这样是不是更好呢？如果有了很多人给出的照片相对得分，我们可以更科学地恢复出数据中隐藏的“真相”——到底谁美。

本次公开课主要介绍在众包平台中，众多工作者用连续变量对数据进行标注的问题。此类问题经常出现在对视频中人物的图像进行标注、工作面试评估、年龄估计等应用中。为了获得较准确的标注，一般需要专业人员对这些数据进行评估。由于需要标注的数据量较大、专业人员人数少且雇佣成本高，所以通常需要求助于群众的智慧，雇佣众多没有经过专业训练的人对数据进行标注。但当有很多工作者一起对数据进行少量的标注时，工作者的偏见很难进行评估和纠正。配对打分的标注方式，可以在一定程度上降低偏见的问题。在标注的过程中，工作者一次看到一对比较对象，给出他们的偏好，基于这些偏好，我们能够较好的恢复出原始数据的排序。

本次公开课将对比配对Ranking问题中的Fisher信息最大化无监督采样算法、贝叶斯信息最大化有监督采样算法、小世界网络算法，尝试小世界网络图构造。

嘉宾介绍

曾令辉，华院数据技术（上海）有限公司算法研究员，致力于基于人格分析的用户智能画像，通过对小数据的精准分析获得用户的人格特质，立体化深度洞察人与人的内驱差异。复旦大学计算数学专业理学博士，博士期间主要研究力学和工程中的数值代数和科学计算问题。曾任职华为，历任无线网络研究部MBB研究部和云核心网 NFV 研究部研发工程师，主要从事于云计算和区块链等技术在电信网络中的应用。

2月8日（周四）19:00

扫码听课👇

慢特征分析及其在个性化推荐中的应用

慢特征分析（SFA）是Wiskott提出的一种在快速变化的时序信号中抽取慢特征的批量学习算法。

我们常见的视频、脑电波和时间序列等都属于时序信号。什么是慢特征？慢特征就是变化比较缓慢的特征。

比如，人的感观器官中，视网膜比较原始（能处理的信号维度少），对光线强弱的变化明显，即随时间变化快。而大脑处理的信号维度比较多，层次较为复杂，随时间的变化相对比较缓慢。

本次公开课将介绍如何采取定量刻画的方式提取慢特征，从数学的角度进行分析，包括数学模型和输入输出信号的分析。

最后，我们将结合个性化推荐系统的一个案例，具体给出行为数据中的慢特征分析方法。

为帮助大家理解此次公开课内容，大数据文摘特意采访了公开课嘉宾徐清博士——

大数据文摘：对于从未接触过慢特征的小白来说，怎么理解慢特征比较合适？

徐博士：慢特征就是变化比较缓慢的特征。比如说，一段视频中，有一只猴子从左边走到右边。像素点和色块的变化是很快的，但是物体的变化（以及视频中是否有猴子）相对来说比较缓慢。这种变化比较缓慢的特征抗干扰性强，比如说，稍微对像素点加点扰动，或者把彩色的变成黑白的，猴子还是猴子，但是色块已经不是原来的色块了。

视频中是否有猴子，是一种慢特征

大数据文摘：是否可以将猴子的变化理解成一种慢特征？

徐博士：是的，视频中出现的物体是否是猴子，以及猴子的位置，这种都是慢特征。

大数据文摘：如何判定大脑处理的高层次信息随时间变化缓慢？

徐博士：大脑处理的信息可以用脑电实验做出来，脑电信号的变化一般来说比像素点的变化缓慢得多。

大数据文摘：请问定量刻画慢特征是如何实现的？

徐博士：这也是本次公开课的重点，这方面结果国内研究和相关资料比较少，也是也比较新研究课题。在这里先给大家透露一下，利用拉格朗日对偶法和广义特征值问题可以定量计算慢特征。

嘉宾介绍

徐清，华院数据技术（上海）有限公司分维（Fra+）团队算法研究员，致力于研究个性化推荐技术，整合不同来源小数据打造新一代智能画像引擎。本科与博士均毕业于复旦大学数学科学学院，研究方向是随机控制、随机分析与优化理论。博士期间建立了无穷时域的二次倒向随机微分方程理论，在金融风险度量、Feymann-Kac表示等领域中有诸多应用，所写论文Some Results on the Controllability of Stochastic Schrodinger Equations荣获第三届随机系统与控制论坛优秀博士生论文奖。在校期间荣获多次全国数学与建模竞赛一等奖，三次荣获国家奖学金，2011届复旦大学本科生毕业之星。

2月8日（周四）19:40

扫码听课👇

新消费升级时代下机器学习在数字化精准营销中的应用

随着人口结构的波峰迁徙、城镇化水平的持续提高、数字化全面渗透至生产生活的各个领域，我们迎来了新消费升级时代。在时代的大趋势下，如何通过机器学习进行用户识别与行为特征分析，进而基于客户需求及动机的深层次消费者洞察，将大数据带来的信息更好的应用在消费场景当中，是数字化精准营销领域一直在研究探索的课题。

本次公开课将主要介绍基于Host2vec Model快速高效的Lookalike用户群拓展算法，以及算法成果在数字化精准营销领域的评估与应用。

Lookalike Machine Based on Host2vec Model

Host2vec是Word2vec方法在用户群拓展推荐领域的迁移应用。用户上网行为特征序列等价于Word2vec中的word序列，同一个用户一段时间周期内的上网特征集可视为positive，将one-hot编码后的海量高维稀疏的用户online浏览行为，通过浅层神经网络训练后，映射到低维稠密的向量空间中，最终得到每个上网特征的embedding表示，即用有限维度的低维向量来表示该host（域名/IP/URL标签/Patterns…），进而可以通过计算每个低维向量之间的相似度来衡量host之间乃至用户之间的相似性。

相比较于传统的用户群拓展算法将种子用户标记为正样本、备选用户标记为负样本、并训练分类模型筛选备选用户群，Host2vec方法可以大幅度减少计算时间，同时在错误标签的检测和纠错方面也有良好的表现。

以股票app用户举例，与同花顺股票最为近似的标签集中于金融相关的外汇、财经、基金、证券等，截图内，中国游戏中心也与同花顺股票非常近似，实际为其旗下的德州扑克游戏人群与同花顺股票人群重合度较高，需要另外拆分标签。

嘉宾介绍

林昱洲，华院分析DMP数据产品总监，高级数据分析师。中国人民大学统计学学士，意大利佛罗伦萨大学统计精算与金融学硕士。在数据挖掘、统计建模、大数据处理技术、互联网精准营销、DMP产品设计等领域有丰富的项目经验，擅长使用R语言、Python、SAS等统计程序实现评分卡、协同过滤、文本挖掘、BP神经网络、逻辑回归、RFM、Embedding等算法模型。曾负责实施运营商、金融、电商等多个领域的数据分析和挖掘项目，在数据运营、精准营销、风险评估、客户画像等领域有多年的市场经验。

2月8日（周四）20:20

扫码听课👇

公开课福利！进入直播间后，点击“邀请朋友一起来听课”，生成专属邀请海报，开课前邀请人数排名前5的小伙伴，将获赠大数据文摘与清华大学数据科学研究院联合发布的2017年《顶级数据团队建设全景报告》完整版PDF一份。如有疑问，请添加课程小助手微信（微信ID：ai_learner）

【今日机器学习概念】

Have a Great Defination