【美团技术沙龙】由美团技术团队和美团科协主办,每期沙龙邀请美团及其他互联网公司的技术专家分享来自一线的实践经验,覆盖各主要技术领域。
从2020年9月起,美团技术沙龙将打造一系列学术活动,包括顶会论文分享、学术热点研讨等,邀请产业界、学术界共同探讨前沿问题。
活动时间:2020年9月5日 14:00 - 16:30
数据挖掘技术在互联网界有着广泛应用,其中 KDD 作为数据挖掘领域的顶级会议,更是学术界和工业界关注的焦点。本次技术沙龙,将介绍美团在 KDD2020 中发表的成果,涉及配送范围优化、排序学习、以及美团在本届 KDD Cup 比赛中的经验分享。希望与业界技术同行一起交流学习。
1. Delivery Scope: A New Way of Restaurant Retrieval For On-demand Food Delivery Service
丁雪涛,清华大学硕士,现负责美团到家配送的网络规划、配送费定价及供需平衡方向的研究。
配送范围是外卖配送中最核心的运营工具之一,它既决定了用户可交易的商家供给,又决定了商家的服务范围,进而影响商家的营业额,同时也影响了配送履约的效率和体验。如何通过配送范围 Balance 三方的诉求成为一个重要的问题。本文提出了一种基于计算几何学+机器学习+组合优化的方法,决策每个商家范围的形状,在保障服务范围合理的基础上,达到规模、配送体验的更优解。
2. KDD Cup 2020 Winning Solution and Its Applications in Meituan Search Ads
黄坚强,北京大学硕士,现于美团到店广告平台部搜索广告算法组从事广告质量预估模型优化工作。
KDD Cup 比赛是由 SIGKDD 主办的数据挖掘研究领域的国际顶级赛事,是目前数据挖掘领域最具影响力的赛事。偏差优化、自动化图学习、多模态匹配是今年 KDD Cup 五个赛题中的三个赛题,美团广告平台搜索广告算法团队基于这三个领域的技术积累在今年的这三个赛题中取得了两冠一季的成绩。本次演讲将分享这三个赛题的解决方案以及我们在这三个领域的广告业务应用。
3. KDD Cup 2020 2nd Place Solution and Its Applications in Meituan-Dianping Search
左凯,东南大学硕士,现于美团AI平台搜索与NLP部点评搜索部视觉应用组从事多模态搜索相关工作。
KDD Cup 比赛是由 SIGKDD 主办的数据挖掘研究领域的国际顶级赛事,是目前数据挖掘领域最具影响力的赛事。点评搜索视觉团队基于在多模态搜索中的技术积累在多模态匹配任务中取得了第二名的成绩。本次演讲主要分享我们的解决方案以及多模态搜索在美团点评搜索业务中的应用。
4. Learning-To-Rank with Context-Aware Position Debiasing
肖可依,台湾大学硕士,现于美团AI平台搜索与NLP部核心排序组从事结果页排序相关工作。
排序场景中的位置信息对于用户的点击行为有很大的影响,造成的一个后果是线上收集到的用户点击数据存在Bias。本篇论文通过分析bias是如何造成离线评估与线上效果不一致,提出了一些准确的评估方案,对有偏的训练数据,给出了debias的训练方法,在搜索排序线上也取得了显著效果。
5. Ranking with Deep Multi-Objective Learning
曹雪智,上海交通大学博士,现于美团AI平台搜索与NLP部负责商品知识图谱的构建及其在搜索场景中的应用。
内容简介
现有的排序学习方法主要采用以下三种训练方法之一:单点训练,配对训练和列表训练。不同的训练方式往往在不同的场景、不同的评估指标下各有优势。在本文中,我们融合了单点训练和列表训练的方式,针对深度排序模型提出了多目标训练方法,将不同训练方法挖掘的信息相互补充,从而提升排序模型的训练效果。
《美团技术沙龙第54期:美团数据挖掘技术实践--KDD专场》报名请戳
阅读原文
。
扫描下方二维码添加美美微信(MTDPtech03),回复关键字:0905或者KDD入群,即可加入活动微信群,与讲师零距离交流。