直播 | 58同城推荐系统系列技术沙龙

会员服务 ·

直播 | 58同城推荐系统系列技术沙龙

2020 年 3 月 29 日 DataFunTalk

58同城推荐系统系列沙龙：

4月11、18、25日，DataFun 联合 58同城 举办58同城推荐系统系列技术沙龙，邀请来自58同城的7位嘉宾，通过7个话题，为大家详解58同城的推荐系统。

活动信息

活动： 58 同城推荐系统系列技术沙龙

出品： 58同城 AI Lab 负责人，58技术委员会 AI 分会主席詹坤林

嘉宾： 58同城周彤、李祖定、陈琳、刘笠熙、罗景、周建斌、闫文昌

主办： 58同城、DataFun

时间： 4 月11、18、25日，每晚19:00

地点： 网络直播间

背景介绍

推荐系统在 58同城生活服务平台中起着至关重要的作用，其核心任务是帮助不同用户在不同使用场景下找到合适的内容，以实现"千人千面"个性化推荐。本次沙龙系列将聚焦于不同业务场景下的差异化推荐算法实践，全面分享58同城推荐技术团队在不同业务场景下的实战经验，包括房产、招聘、本地服务、二手车前台业务推荐，以及大中台 APP 首页多业务混合推荐、58部落内容社区推荐、58同镇下沉市场推荐。

出品人：

詹坤林

58同城 | AI Lab 负责人

58技术委员会 | AI 分会主席

日程安排

详细介绍

day 1

4月11日，19：00

1. Embedding 技术在房产推荐中的应用 | 19：00

在移动互联网时代，购房者选择范围日益增多，需求也更加复杂和多样化，给用户推荐合适的房源可以有效提高用户的找房效率。本次议题将分享在二手房推荐场景中如何使用 Embedding 技术解决推荐系统实时个性化、物品冷启动、数据稀疏等难题，并总结实践过程中的收获与思考。

听众收益：

提供思路，帮助解决实际生产中的问题，提升推荐系统的实时性和对业务需求的兼容性

新技术/实用技术点：

Embedding

周彤

58同城 | 资深算法工程师

58同城房产事业群资深算法工程师，2014年加入58同城，目前主要负责58房产 ( 二手房/新房/商业地产 ) 推荐系统、房源估价等项目的算法研发和系统优化工作。曾就职于盛大游戏，硕士毕业于武汉大学软件工程专业。

2. 深度召回在招聘推荐中的挑战和实践 | 20：00

招聘业务是多行为场景，用户需求和交互周期短、行为稀疏。本次分享基于业务挑战，将介绍代价敏感、图算法、迁移学习、向量检索等技术在招聘深度召回中的应用，最后总结实践中的教训与心得。

听众收益：

了解多种传统/新技术在业务中应用的模式和经验

新技术/实用技术点：

代价敏感深度学习、迁移学习、高维向量检索

李祖定

58同城 | 算法架构师

58招聘业务推荐系统算法策略负责人，负责招聘推荐系统的算法策略建设和优化，包括召回、排序等，致力于提升平台用户体验和变现能力。

day 2

4月18日，19：00

3. 本地服务场景下的流量分发算法实践 | 19：00

58本地服务由数百个细分品类、多个创新业务和国际业务组成，如何构建智能化的流量分发体系是一项挑战，我们通过整合搜索和推荐场景构建了一套统一的流量分发系统，本次分享将主要介绍系统中的算法实践，包括基于信息结构化和用户意图识别的用户表征、召回和排序算法等。

听众收益：

结构化信息抽取，搜索/推荐各阶段个性化优化方法

新技术/实用技术点：

多目标表征学习和用户感知网络

陈琳

58同城 | 算法架构师

58本地服务事业群算法策略部负责人，负责本地服务业务中用户/商家画像、标签挖掘、搜索推荐、知识图谱等系统的建设，支持58站内本地服务、城市合伙人体系、到家到店及电商体系的流量分发和营销。

4. 二手车商业推荐场景中的算法实践 | 20：00

58二手车业务注重 B 端和 C 端双边匹配效率，具备 C 端用户行为周期长、B 端车源信息高度标准化等业务特点，基于此我们设计了支持 CPC/CPT/CPA 多种计费模式的商业产品为 B 端车商提供灵活高效的营销解决方案。本次议题将分享基于 Embedding 的用户和帖子表征技术在广告检索全流程的落地和优化经验，并介绍多因子排序策略在平衡用户体验和商业收益上的探索实践。

听众收益：

了解商业推荐的差异以及前沿技术在具体落地时针对业务特点的优化经验

新技术/实用技术点：

Embedding，基于深度模型的相关性计算，多因子排序

刘笠熙

58同城 | 算法架构师

58商业产品技术部策略技术团队算法架构师，负责58同城多条业务线 ( 二手车、租房、招聘、黄页 ) 的商业流量变现效率和连接效率的优化提升，目前主要专注于 Rank / 搜索策略的优化迭代。

day 3

4月25日，18：00

5. 多业务融合场景下的推荐算法实践与思考 | 18：00

APP 首页帖子信息流推荐涉及多业务融合诉求，面临业务特性对齐/流量均衡/体验收入平衡等诸多挑战，本次分享将介绍召回/排序/重排上的一些针对性优化，涵盖模型/策略/样式等，并重点探讨向量化与深度学习模型的应用，最后简要回顾实践过程中的一些教训与思考。

听众收益：

了解首页帖子信息流推荐的针对性优化路径，重点探讨向量化与深度学习模型的应用

实用技术点：

针对特定推荐场景的算法策略与优化路径

罗景

58同城 | 高级算法架构师

58同城 TEG 推荐技术部负责人，负责推荐技术基础能力建设，协同业务通过推荐提升用户体验与连接效率，目前支持场景涵盖 APP 首页帖子信息流推荐，58租房业务，安居客租房业务，Push 消息等。

6. 跨域推荐技术在58部落内容社区的实践 | 19：00

58部落是58同城旗下的内容社区，基于58同城和58同镇的广大用户，致力于全链路打通生活服务场景、精准连接用户全场景多维度需求。本次议题将结合58部落的业务特点探讨部落推荐算法选型经验，分享几种跨域推荐算法的落地，并介绍异构内容混合信息流的排序优化方案。

听众收益：

了解58部落的推荐体系，了解跨域推荐技术的适用场景和落地方法

新技术/实用技术点：

跨域推荐、异构内容混合信息流的实现方法等

周建斌

58同城 | 算法架构师

58部落推荐算法策略负责人，目前负责58部落推荐算法相关的整体建设和优化，包括部落画像建设、内容分析、召回、排序等，致力于提升58部落的用户活跃度和用户粘性，以及配合传统业务线提升整个58的用户体验。

7. 58同镇下沉市场中的推荐技术实践 | 20：00

58同镇是58同城进军下沉市场最重要的战略性业务，58同镇推荐系统面向下沉市场用户群，以 Feed 流方式提供基于地域分发的多品类信息融合推荐。本次分享重点聚焦58本地版 APP 首页 Feed 流推荐场景，从架构设计、特征 Pipeline、召回算法、排序算法等方面为大家展开介绍，并总结实践中的一些心得。